近红外光谱仪系统的分析方式有哪些？

        红外近红外光谱仪（Near Infrared Spectrum Instrument，NIRS）是一种介于可见光（Vis）和中红外（MIR）之间的电磁辐射波。美国材料与试验协会 (ASTM) 将近红外光谱定义为 780-2526nm 该区域是在吸收光谱中发现的第一个非可见光区域。近红外光谱区与有机分子中含氢基团（OH、NH、CH）的组合频率和各级倍频的吸收区一致。通过扫描样品的近红外光谱，可以得到有机分子中的含氢基团。群的特征信息，利用近红外光谱技术对样品进行分析，具有方便、快速、高效、准确、低成本的优点，不损坏样品，不消耗化学试剂，不消耗化学试剂。污染环境。因此，这项技术吸引了越来越多的人。恩惠。
  
  分析方法
  近红外光谱分析方法的优点是：
   1）分析速度快。近红外光谱分析仪校准完成后，可在一分钟内完成待测样品多种成分的同时测量。如果使用二极管阵列检测器与声光调制光谱仪相结合，可以在几秒钟内给出测量结果，*可以实现过程的在线定量分析。
   2) 样品无化学污染。根据待测样品的粒径大小，可能需要一个简单的物理制备过程（如研磨、混合、干燥等），无需任何化学干预即可完成测量过程。它被称为绿色分析技术。
  近红外光谱分析模型
  3）仪器操作简单，对操作人员素质要求不高。通过软件设计可以实现非常简单的操作要求，整个测量过程中引入的人为误差很小。
   4) 测量精度高。该技术虽然略逊于传统的理化分析方法，但给出的测量精度足以满足生产过程中质量监控的实际要求，因此非常实用。
   5) 分析成本低。由于整个测量过程不需要化学试剂，因此仪器校准完成后测量是一项非常简单的任务，因此几乎没有损失。
  分析仪器
  近红外光谱仪器从光谱系统上可分为四种：固定波长滤光片、光栅色散、快速傅里叶变换和声光可调滤光片。
  光栅色散
  过滤器型主要用作专用分析仪器，如谷物水分测定仪。由于过滤器的数量很难分析复杂系统的样本。
  光栅扫描类型具有更高的信噪比和分辨率。由于仪器中的活动部件（如光栅轴）在连续高强度运行时可能会出现磨损问题，影响光谱采集的可靠性，不适合在线分析。
  傅里叶变换近红外光谱仪具有高分辨率和扫描速度。此类仪器的弱点还在于干涉仪中存在可移动部件，需要更严格的工作环境。
  声光可调滤光片利用双折射晶体通过改变射频来调节扫描波长。整个仪器系统无运动部件，扫描速度快。但是这类仪器的分辨率比较低，价格也比较高。
  随着阵列检测器件生产技术的成熟，采用固定光路、光栅光谱、阵列检测器组成的近红外仪器，具有性能稳定、扫描速度快、分辨率高、信噪比高、性能价格比。这样的特点越来越受到人们的关注。在匹配固定光路的阵列探测器中，常用的有两种：电荷耦合器件（CCD）和二极管阵列（PDA）。 CCD多用于近红外和短波区域的光谱仪，PDA探测器用于长波长近红外光谱仪。红外区域。
  定性分析
  在近红外光谱中，根据不同物质的化学成分，含氢基团的频率加倍，组合频率不同，则近红外光谱的峰位置、峰数和峰强度不同，样品的化学成分差异越大，光谱的特征差异越强。使用简单的峰位识别可以识别不同品种的中药。峰位识别法主要是对成分差异较大的不同物质进行分析。该方法直观、简单，但无法识别具有相似特性的样品。因此，必须使用其他方法，例如化学计量学方法进行识别。
  模式识别在 1960 年代末被引入化学领域。它基于一个非常直观的基本假设，即“事物聚集在一起"。认为性质相似的样本在模式空间中位于相似的位置，在空间中形成“簇"。 "。模式识别方法优势明显。它不需要数学模型所需的先验知识，很少擅长处理复杂事物和多元数据。在实际工作中，我们经常遇到只需要知道样品的类型或等级，而不是样品中所含成分的数量和含量。此时需要应用模式识别方法。模式识别方法主要用于光谱的定性分析。在近红外光谱分析中常用的模式识别方法有很多，包括聚类分析、判别分析、主成分分析和人工神经网络方法。
  在中草药及其制品的应用中，模式识别方法主要用于产品的分类和识别。系统聚类分析是根据预先选择的相似度或距离等相异度来衡量一个类在分类空间中的距离，然后根据谱系图确定分类结果。分步聚类分析。动态聚类是一种基于距离的迭代分类方法。与层次聚类方法相比，它的计算速度更快，节省了存储单元，但需要提前zhi定分类数和合适的初始值。每次迭代调整各个中心聚合点，并根据分类对象和中心进行调整。距离被分类，直到距离不改变。
  主成分分析是一种简化数据结构、突出主要矛盾的多元统计分类方法。使用主成分分析可以降低数据的维数，根据主因子得分对样本进行分类。逐步判别分析可以在筛选变量的基础上建立线性判别模型。筛选是通过测试逐步进行的。在每一步中，选择满足zhi 定水平的最显着变量，剔除原引入的因引入新变量而变得不显着的变量，直到不能引入或剔除该变量。
  人工神经网络作为一种智能算法，具有很强的非线性映射能力，在非线性多元校正方面表现出一定的优势。误差反向传播神经网络有很多研究和应用。由于其良好的自组织、自学习和处理复杂非线性问题的能力，对于复杂的非线性系统能取得较好的效果，已被应用于许多领域。
  定量分析
  近红外光谱技术近几十年来发展迅速，在许多应用领域得到广泛认可。它的魅力在于可以在短时间内使用，无需复杂的样品制备。该工艺可以完成多组分物质成分的同步快速定量分析，分析精度高，不产生任何化学污染，分析成本很低。易于在实验室推广，尤其是工业领域或在线分析领域。采用。
   NIR定量分析过程
  这项技术的应用和实施需要在前期进行一些必要的准备，包括：
   (1) 具有广泛代表性的校准和预测样本集的收集和成分的理化定量分析；
   (2) 校准和预测样本集的近红外光谱采集和光谱分析；
   (3) 每种材料都需要近红外分析仪上被测元件的标定建模和模型优化；
  在上述前期工作中，还需要更多的实验验证，在近红外光谱定量分析技术的各个环节都需要充分考虑各种干扰因素（如温度、湿度等）的影响。一旦校准模型通过预测性检查和分析，近红外光谱分析仪将长期保持较高的稳定性和分析精度。操作人员可以在短时间内轻松掌握仪器的操作程序。这是该技术可以很容易地在新的应用领域推广的主要优势。但近红外分析仪的校准模型精度会因环境因素、自身设备老化、参比标准样品变化等因素的影响而略有变化。为了保证分析结果的准确性，需要定期对模型进行检查和修正。这就要求用户具备对样品进行长期理化分析的能力，虽然不需要太多的工作，所以近红外光谱定量分析技术需要依赖其他成分定量分析技术，而且经常被验证由少数经过理化分析的新样品组成。近红外校准模型的准确性也是该技术的弱点。