|
|
技術文獻 |
近紅外光譜儀系統的分析方式有哪些? |
|
點擊次數:532 更新時間:2021-08-19 |
|
近紅外光譜儀系統的分析方式有哪些? 紅外近紅外光譜儀(Near Infrared Spectrum Instrument,NIRS)是一種介于可見光(Vis)和中紅外(MIR)之間的電磁輻射波。美國材料與試驗協會 (ASTM) 將近紅外光譜定義為 780-2526nm 該區域是在吸收光譜中發現的第一個非可見光區域。近紅外光譜區與有機分子中含氫基團(OH、NH、CH)的組合頻率和各級倍頻的吸收區一致。通過掃描樣品的近紅外光譜,可以得到有機分子中的含氫基團。群的特征信息,利用近紅外光譜技術對樣品進行分析,具有方便、快速、高效、準確、低成本的優點,不損壞樣品,不消耗化學試劑,不消耗化學試劑。污染環境。因此,這項技術吸引了越來越多的人。恩惠。 ?? ??分析方法 ??近紅外光譜分析方法的優點是: ?? 1)分析速度快。近紅外光譜分析儀校準完成后,可在一分鐘內完成待測樣品多種成分的同時測量。如果使用二極管陣列檢測器與聲光調制光譜儀相結合,可以在幾秒鐘內給出測量結果,*可以實現過程的在線定量分析。 ?? 2) 樣品無化學污染。根據待測樣品的粒徑大小,可能需要一個簡單的物理制備過程(如研磨、混合、干燥等),無需任何化學干預即可完成測量過程。它被稱為綠色分析技術。 ??近紅外光譜分析模型 ??3)儀器操作簡單,對操作人員素質要求不高。通過軟件設計可以實現非常簡單的操作要求,整個測量過程中引入的人為誤差很小。 ?? 4) 測量精度高。該技術雖然略遜于傳統的理化分析方法,但給出的測量精度足以滿足生產過程中質量監控的實際要求,因此非常實用。 ?? 5) 分析成本低。由于整個測量過程不需要化學試劑,因此儀器校準完成后測量是一項非常簡單的任務,因此幾乎沒有損失。 ??分析儀器 ??近紅外光譜儀器從光譜系統上可分為四種:固定波長濾光片、光柵色散、快速傅里葉變換和聲光可調濾光片。 ??光柵色散 ??過濾器型主要用作專用分析儀器,如谷物水分測定儀。由于過濾器的數量很難分析復雜系統的樣本。 ??光柵掃描類型具有更高的信噪比和分辨率。由于儀器中的活動部件(如光柵軸)在連續高強度運行時可能會出現磨損問題,影響光譜采集的可靠性,不適合在線分析。 ??傅里葉變換近紅外光譜儀具有高分辨率和掃描速度。此類儀器的弱點還在于干涉儀中存在可移動部件,需要更嚴格的工作環境。 ??聲光可調濾光片利用雙折射晶體通過改變射頻來調節掃描波長。整個儀器系統無運動部件,掃描速度快。但是這類儀器的分辨率比較低,價格也比較高。 ??隨著陣列檢測器件生產技術的成熟,采用固定光路、光柵光譜、陣列檢測器組成的近紅外儀器,具有性能穩定、掃描速度快、分辨率高、信噪比高、性能價格比。這樣的特點越來越受到人們的關注。在匹配固定光路的陣列探測器中,常用的有兩種:電荷耦合器件(CCD)和二極管陣列(PDA)。 CCD多用于近紅外和短波區域的光譜儀,PDA探測器用于長波長近紅外光譜儀。紅外區域。 ??定性分析 ??在近紅外光譜中,根據不同物質的化學成分,含氫基團的頻率加倍,組合頻率不同,則近紅外光譜的峰位置、峰數和峰強度不同,樣品的化學成分差異越大,光譜的特征差異越強。使用簡單的峰位識別可以識別不同品種的中藥。峰位識別法主要是對成分差異較大的不同物質進行分析。該方法直觀、簡單,但無法識別具有相似特性的樣品。因此,必須使用其他方法,例如化學計量學方法進行識別。 ??模式識別在 1960 年代末被引入化學領域。它基于一個非常直觀的基本假設,即“事物聚集在一起"。認為性質相似的樣本在模式空間中位于相似的位置,在空間中形成“簇"。 "。模式識別方法優勢明顯。它不需要數學模型所需的先驗知識,很少擅長處理復雜事物和多元數據。在實際工作中,我們經常遇到只需要知道樣品的類型或等級,而不是樣品中所含成分的數量和含量。此時需要應用模式識別方法。模式識別方法主要用于光譜的定性分析。在近紅外光譜分析中常用的模式識別方法有很多,包括聚類分析、判別分析、主成分分析和人工神經網絡方法。 ??在中草藥及其制品的應用中,模式識別方法主要用于產品的分類和識別。系統聚類分析是根據預先選擇的相似度或距離等相異度來衡量一個類在分類空間中的距離,然后根據譜系圖確定分類結果。分步聚類分析。動態聚類是一種基于距離的迭代分類方法。與層次聚類方法相比,它的計算速度更快,節省了存儲單元,但需要提前zhi定分類數和合適的初始值。每次迭代調整各個中心聚合點,并根據分類對象和中心進行調整。距離被分類,直到距離不改變。 ??主成分分析是一種簡化數據結構、突出主要矛盾的多元統計分類方法。使用主成分分析可以降低數據的維數,根據主因子得分對樣本進行分類。逐步判別分析可以在篩選變量的基礎上建立線性判別模型。篩選是通過測試逐步進行的。在每一步中,選擇滿足zhi 定水平的最顯著變量,剔除原引入的因引入新變量而變得不顯著的變量,直到不能引入或剔除該變量。 ??人工神經網絡作為一種智能算法,具有很強的非線性映射能力,在非線性多元校正方面表現出一定的優勢。誤差反向傳播神經網絡有很多研究和應用。由于其良好的自組織、自學習和處理復雜非線性問題的能力,對于復雜的非線性系統能取得較好的效果,已被應用于許多領域。 ??定量分析 ??近紅外光譜技術近幾十年來發展迅速,在許多應用領域得到廣泛認可。它的魅力在于可以在短時間內使用,無需復雜的樣品制備。該工藝可以完成多組分物質成分的同步快速定量分析,分析精度高,不產生任何化學污染,分析成本很低。易于在實驗室推廣,尤其是工業領域或在線分析領域。采用。 ?? NIR定量分析過程 ??這項技術的應用和實施需要在前期進行一些必要的準備,包括: ?? (1) 具有廣泛代表性的校準和預測樣本集的收集和成分的理化定量分析; ?? (2) 校準和預測樣本集的近紅外光譜采集和光譜分析; ?? (3) 每種材料都需要近紅外分析儀上被測元件的標定建模和模型優化; ??在上述前期工作中,還需要更多的實驗驗證,在近紅外光譜定量分析技術的各個環節都需要充分考慮各種干擾因素(如溫度、濕度等)的影響。一旦校準模型通過預測性檢查和分析,近紅外光譜分析儀將長期保持較高的穩定性和分析精度。操作人員可以在短時間內輕松掌握儀器的操作程序。這是該技術可以很容易地在新的應用領域推廣的主要優勢。但近紅外分析儀的校準模型精度會因環境因素、自身設備老化、參比標準樣品變化等因素的影響而略有變化。為了保證分析結果的準確性,需要定期對模型進行檢查和修正。這就要求用戶具備對樣品進行長期理化分析的能力,雖然不需要太多的工作,所以近紅外光譜定量分析技術需要依賴其他成分定量分析技術,而且經常被驗證由少數經過理化分析的新樣品組成。近紅外校準模型的準確性也是該技術的弱點。 |
|