近红外光谱原理_精品文档PPT文档格式.pptx

近红外光谱原理_精品文档PPT文档格式.pptx

《近红外光谱原理_精品文档PPT文档格式.pptx》由会员分享，可在线阅读，更多相关《近红外光谱原理_精品文档PPT文档格式.pptx（87页珍藏版）》请在冰豆网上搜索。

制造成本低，推广面大；

体积小，可以便携。

缺点：

滤光片的带宽较宽（一般10nm）。

滤光片透光的光谱中心点难以保证。

同一波长滤光片的带宽和透过率难以保证一致。

信息量少，只能作为专用仪器。

得到的不是连续光谱，不能对光谱进行预处理（如平滑、求导等）。

光栅扫描型,光源,光栅,样品,狭缝,狭缝,检测器,光栅扫描型,光源,光栅,样品,狭缝,狭缝,检测器,光栅扫描型,光源,光栅,样品,狭缝,狭缝,检测器,光栅型仪器的优缺点,优点：

结构不复杂，容易制造。

连续光谱仪，可以作为研究级仪器。

使用单色器，狭缝的限制使其分辨率和灵敏度不够高。

波长准确度使用外部校准，加之分辨率低，波长准确度差（最好为+/-0.2nm）。

使用单色器对光路要求严格，仪器扩展能力受到很大的限制。

自然界的杂散光会影响测试结果。

由于分光需光栅转动，扫描速度慢。

阵列检测器,光源,阵列检测器,光栅,样品,狭缝,阵列检测器型的优缺点,优点：

无移动光学部件，易实现小型化。

扫描速度快，适合现场分析。

分辨率较低。

一致性比光栅扫描型更难保证。

受杂散光影响。

MEMSMicroelectromechanicalsystems微电子机械系统,Source,Grating,Sample,MemsChip,Detector,AOTFacoustoopticaltunablefilter声光可调滤光器,RF-Input,TeO2Crystal,Source,Detectors,Sample,Reference,x,Michelsoninterferometer,x,Michelsoninterferometer,x,Michelsoninterferometer,Detectorsignal,Originoftheinterferogram,Frequency,Intensity,Spectrumconsistingof9singlefrequencies,傅立叶变换型的优缺点,优点：

光通量大，灵敏度高，高信噪比。

高分辨率。

高测量精度。

测量速度快。

平面反射镜，如果在快速扫描过程中发生晃动和偏转，造成干涉信号降低，灵敏度下降。

狭缝,光阑,PlaneMirrorsinaclassicalMichelsonInterferometerCube-CornerMirrorsinaROCKSOLID-Interferometer,Cube-CornerInterferometer,TheROCKSOLIDTMphilosophyistoeliminatepossiblesourcesofmeasurementerrorsratherthantotrytocorrectforthemafterthemeasurement.,Cube-Cornermirrors,第二部分近红外光谱与化学计量学,朗伯比尔定律,d,I,0,I,Light-Source,Detector,TransmissionT=,1,T,I,0,I,Sample,Absorption=A=log=cd,I=intensityofreferencebeam,0,I=intensityofsamplebeam,d=samplethickness,c=concentration,=molarabsorptioncoefficient,透过率、吸光度与浓度的关系,Transmission（Reflectance）,ConcentrationC,ConcentrationC,Absorbance,LogI0I,notlinear,linear,II0,线性回归,TheCalibrationModels,Analysis,X,X,QuantitativeAnalysis;

Regression,TheCalibrationModels,a=b+mx,C=B0+B1*A1,C=ConcentrationB0=Bias（intercept,offset）B1=RegressionCoefficentatwavelength1A1=Absorbanceatwavelength1,1.一个波长点,近红外光谱的重叠,两种物质重叠,多元线性回归,2.两个波长点,C=B0+B1*A1+B2*A2,threedimensions!

3.n个波长点,.,C=B0+B1*A1+B2*A2+.+Bn*An,n+1dimensions!

TheCalibrationModels,Howtofindthebandsyouneed?

Abouthowmanydatapointsarewetalkingabout?

PrincipleComponentAnalysis（PCA）,FactorAnalysisofspectraFactorAnalysisbreaksapartthespectraldataintothemostcommonspectralvariations（factors,loadings,principalcomponents）andthecorrespondingscalingcoefficients（scores）,Matricesandvectors,西红柿鸡蛋VS主成分,1西红柿3鸡蛋3水0.2葱,2西红柿2鸡蛋0.1水0.5葱,2西红柿1鸡蛋2.5水0.1葱,5spectra,FactorAnalysis,7.731,得分,载荷,Reconstructionusingallfactors,spectrum,7.731,scoresofspectrum,factors,Spectralresiduals:

differencebetweenoriginalspectraandreconstructedspectrausingnfactors,Reconstructionusing2factors,morethan99%ofinformationcontentexplained,偏最小二乘法PLS,在主成分回归中，只对光谱矩阵作了分解，消除了光谱矩阵中的无用信息；

同样，浓度矩阵中也包含了无用信息，也应作相应处理。

偏最小二乘法：

分别求出样品集光谱矩阵和样品组分矩阵的主成分矩阵，将这两个矩阵相关联，求其线形关系，用所建立的线形函来预测未知样品。

（其中的最佳主成分矩阵的维数采用内部交叉检验来得出）,第一步，矩阵分解，其模型为：

X=TP+EY=UQ+F第二步，将T和U作线性回归U=TB预测时，先求出未知样品X矩阵的T未知，再按下式计算浓度Y未知T未知BQ,偏最小二乘法PLS,优点：

充分提取样品光谱的有效信息消除了线性相关的问题考虑了光谱矩阵与样品成分矩阵之间的内在联系，模型更稳健适合于复杂分析体系。

计算速度较慢，计算过程较繁琐，需要多次迭代模型建立过程复杂，较抽象，较难理解,世界上近红外定量分析商品化软件中最流行的算法,预处理方法影响建模结果,谱区选择导数Derivatives一阶导数FirstDerivative二阶导数SecondDerivative多元散射校正MultipleScatterCorrection（MSC）矢量归一化NormalizationVector（SNV）,谱区选择,2000,4000,6000,8000,10000,4,1,2,3,0,Wavenumber,Absorbanz,选择信息量相关最大的谱区,导数,Thederivativeoffunctionfatpositionx0isgivenbytheslopeofthefunctionatpositionx0.斜率,导数,ResultdependsonOrderofderivative1or2Numberofsmoothingpoints:

1.derivative:

9-172.derivative:

17-23,导数,吸收峰,导数,不同点数的一阶导数,4000,5000,6000,7000,8000,9000,10000,11000,12000,-0.004,-0.002,0.000,0.002,5点13点25点,Absorbance,不同点数的一阶导数,8000,8200,8400,8600,8800,9000,-0.0004,-0.0002,-0.0000,0.0002,Wavenumber/cm-1,Absorbance,5点13点25点,降低低频噪声（和漂移）的影响;

提高分辨率；

方便峰位置的准确定位;

放大高频噪声,导数预处理的特点,多元散射校正MSC（MultipleScatterCorrection）,由Geladi等人提出，目的是校正每个光谱的散射并获得较“理想”的光谱。

多元散射校正法假定与波长有关的散射对光谱的贡献和成分的贡献是不同的，理论上说，通过光谱上许多点的数据分析，可以把这两部分分开。

MSC方法认为每一条光谱都应该与“理想”光谱成线性关系，而真正的“理想”光谱无法得到，可以用校正集的平均光谱来近似。

因此每个样品的任意波长点下反射吸光度值与其平均光谱的相应吸光