应用近红外分光光度法进行定性的基本要求

　　定性分析

　　利用近红外分光光度法进行定性分析的主要步骤包括：收集代表性样品，测定光谱，选择化学计量学方法对图谱进行预处理和降维处理，建立定性分析模型，对模型进行验证。

　　1. 代表性样品的选择

　　选择适宜的代表性样品（如不同的生产工艺、物理形态、粒度分布等）建立定性分析模型。模型中各类样品的性质决定了模型的适用范围。

　　2 .图谱预处理和降维处理

　　为有效地提取有用信息，排除无效信息，在建立分类或校正模型时需要对谱图进行数学预处理。归一化处理常用于消除或减弱由位置或光程变化所导致的基线平移或强度变化；导数处理可以提高谱图的分辨率，但导数处理的同时扩大了噪声，因此常辅以平滑处理来消除噪声；对固体样品，釆用多元散射校正（MSC）或标准正态变量变换（SNV）校正可以消除或减弱光散射引入的基线偏移。

　　多元近红外光谱数据包含有大量的相关变量（共线性），建模时需要减少变量，即用一组新的不相关但包含相应信息的变量来代表所有数据的变化建立模型。常用的减少变量的方法是主成分分析（PCA）法。

　　3. 建立定性分析模型

　　建立定性分析模型就是将样品的性质与光谱的变化相关联，用光谱的差异程度来区分样品的性质。定性分析中常采用模式识别的方法对具有相似特征的样品进行分组。模式识别方法包括判别分析和聚类分析。判别分析要求对样本的类别特征有明确的定义，并按定义区分样本；而聚类分析适用于仅需要对样本进行分组而不需要预先知道这些样品彼此间的确切关系。

　　4. 模型的验证

　　对定性分析模型，至少应进行模型的专属性和重现性两方面的验证。

　　（1）专属性模型的专属性通常用对已知样品的鉴别正确率表示。不仅需要验证真品的鉴别正确率，还需要用化学结构或性质上与模型中物质相近的样品进行挑战性验证，证明模型能区分出这些物质。

　　（2）耐用性模型的耐用性系指在不改变模型参数的情况下，考查正常操作中的微小变化对模型预测结果的影响。通常包括：

　　①不同操作者的影响；

　　②环境条件（如实验室中的温度、湿度变化）的影响；

　　③操作（如样品在光学窗口的位置、液体探头的测量深度、包装状况）的影响；

　　④仪器部件的更换。