近红外基础知识 课件.ppt

? 目的 ? QA/QC 的样品进行定量或定性分析模型的建立太昂贵、 麻烦或不可能 ? 应用 ? 测试每一批或生产周期样品的一直性 ? 原则 ? 同样成分、一样的近红外光谱 ? 算法 ? 测定样品光谱与参考光谱的偏差值是否超出某一水平 一致性测试 ? 参考样品 ? 计算参考光谱的平均光谱和每一个波长点（ i ）标准偏差 ( s) ? 样品 ? 计算样品光谱每个波长点（ i ）的相对偏差（ Q ） Q i = (A i,sample - A i, average ) / s i, average ? 一直性指标 CI 被定义为最大的相对偏差 Q i CI = max(Q i ) ? 结果绘图 一致性测试 Preprocessed spectra ? Reference spectra ? Average spectrum ? Standard deviation spectra ( +/- 3 s ) 一致性测试 Preprocessed spectra including test spectra ? Reference spectra ? Test spectra ? Average spectrum ? Standard deviation spectra ( +/- 3 s ) 一致性测试 Validation results max. CI 一致性测试 Validation results Sum1 一致性测试 CI spectra ? Reference spectra ? Test spectra ? Standard deviation spectrum 一致性测试 Examples: monitoring of mixing process 一致性测试 Examples: tablets placebo vs verum 一致性测试 ? 优点 ? 基于少量参考样品基础的简单方法 ? 无需定量校准和定性库的建立 ? 用少量合格批次的产品能够进行简单、快速建立或更新 模型 ? 快速的 QA/QC 、简单的 Yes/No 结果 ? 对于不同类型样品的变化非常敏感 ( 如 成分、颗粒大小 等） 一致性测试 Beer 定律 : A = -log I trans /I 0 = -log T = ? cd d ? ; c I 0 I trans 光源 检测器 ? : 消光系数 c: 浓度 d: 光程 定量分析的理论依据 比尔定律 : A = -log I scatt /I 0 = -log R = const . ? c 适用于近红外 . ? ;k;c I 0 光源 检测器 I 散射 ? : 消光系数 c: 浓度 k: 散射系数 定量分析的理论依据 ? 单变量建模 (QUANT 1) 单一组分体系的建模，只使用 1 个光谱点分析含量 (2 组分 =2 波数 , ... ) 通过峰高或峰面积，进行分析 理 论 背 景 ? ? ? ? ? ? 单变量建模 ? 多变量建模 (QUANT 2) 单组分或多组分体系的建模，通常选用整个波数范围通过化学计量学 方法 ( 如 PLS) ，进行分析 单变量建模，遵从 Beer s 定律 A = pC + e A: 指定波数处的吸光值 p: 指定波数处的系数 C: 单组分的浓度 理 论 背 景 ? ? ? ? ? ? 单变量建模 指定的波数只有一个；对应峰需从重叠峰中分离出来 分析 1 2 4 5 吸光度 浓 度 1 4 2 5 吸光度 波 数 X X 理 论 背 景 ? ? ? ? ? ? 单变量建模 优点： 形象、直观，便于理解 缺点： ? 非全谱分析的方法 ? 不能识别由其它未知组分造成的异常项或干扰 ? 探测器噪声引起的统计误差直接表现在含量值中，必须多次重复测量 ? 分析多组分体系时，待测组分的信号峰必须完全分开 ? 未考虑温度波动或分子内部相互作用 理 论 背 景 ? ? ? ? ? ? 单变量建模 1 标准方法分析样品 2. 采集光谱 3. 优化、检验、 建立模型 Report Sample #081897-049 Component A 81.55% Component B 5.38% Component C 13.06% 1. 测定未知样品光谱 2. 调用模型 3. 预测结果 Component A B C Units % % % spectrum1 71.30 7.03 21.67 spectrum2 79.30 3.06 17.64 spectrum3 78.40 8.34 13.26 spectrum4 84.03 4.32 11.65 … … … … spectrum11 85.