資源描述：
《近紅外光譜分析技術(shù)及其在農(nóng)業(yè)中的應(yīng)用.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、近紅外光譜分析技術(shù)及其在農(nóng)業(yè)中的應(yīng)用摘要論述了近紅外光譜（NIRS）分析技術(shù)的原理、技術(shù)發(fā)展進程及其應(yīng)用現(xiàn)狀、發(fā)展前景。關(guān)鍵詞：近紅外光譜分析作物育種品質(zhì)抗病蟲應(yīng)用在電磁光譜（EMS）中，400～700nm的可見光使生命得以生存，而位于可見光之外的近紅外光譜（NIR，波長為0.75～2.5μm）可以分析生物的所有組分。近紅外光譜（NearInfraredSpectroscopy，簡稱NIRS）分析技術(shù)是20世紀80年代后期迅速發(fā)展起來的一項測試技術(shù)，在歐美等國，NIRS已成為谷物品質(zhì)分析的重要手段［1］。由于可以非破壞性的分析
2、樣品中的化學成分，為當前作物育種研究領(lǐng)域的品質(zhì)育種提供了一個新的技術(shù)手段。1近紅外光譜分析技術(shù)的基本原理NIR作為一種分析手段，可以測定有機物以及部分無機物。這些物質(zhì)分子中化學鍵結(jié)合的各種基團（如C=C，N=C，O=C，O=H，N=H）的伸縮、振動、彎曲等運動都有它固定的振動頻率。當分子受到紅外線照射時，被激發(fā)產(chǎn)生共振，同時光的能量一部分被吸收，測量其吸收光，可以得到極為復(fù)雜的圖譜，這種圖譜表示被測物質(zhì)的特征［3］。不同物質(zhì)在近紅外區(qū)域有豐富的吸收光譜，每種成分都有特定的吸收特征，這就為近紅外光譜定量分析提供了基礎(chǔ)。但由于每
3、一物質(zhì)有許多近紅外吸收帶，某一成分的吸收會與其他成分的吸收發(fā)生重組，因此當測定某一復(fù)雜物質(zhì)，如豆餅中的粗蛋白質(zhì)時，在所選擇的近紅外光譜區(qū)會受到水、纖維、油吸收的干擾。Herschel在1800年發(fā)現(xiàn)NIR光譜區(qū)，但NIR區(qū)的倍頻和合頻吸收弱、譜帶復(fù)雜和重疊多，信息無法有效的分離和解析，限制了其應(yīng)用。隨著光學、電子技術(shù)、計算機技術(shù)和化學計量學的發(fā)展，多元信息處理的理論與技術(shù)得到了發(fā)展，可以解決NIR譜區(qū)吸收弱和重疊的困難。近紅外技術(shù)是依據(jù)某一化學成分對近紅外區(qū)光譜的吸收特性而進行的定量測定，所以應(yīng)用NIR光譜進行檢測的技術(shù)關(guān)鍵就
4、是在兩者之間建立一種定量的函數(shù)關(guān)系。其基本流程包括：首先收集具有代表性的樣品（其組成及其變化范圍接近于要分析的樣品），然后采集樣品的光學數(shù)據(jù)；利用標準的化學方法對樣品進行化學成分測定；通過數(shù)學方法將這些光譜數(shù)據(jù)和檢測的數(shù)據(jù)進行關(guān)聯(lián)，一般將光譜數(shù)據(jù)進行轉(zhuǎn)換（一階或二階導(dǎo)數(shù)），與化學測定值進行回歸計算，然后得出定標方程，建立數(shù)學模型；在分析未知樣品時，先對待測樣品進行掃描，根據(jù)光譜值利用建立的模型可以計算出待測樣品的成分含量。確定回歸模型的過程其實就是定標過程，定標的好壞直接關(guān)系到分析結(jié)果的準確性，因此，定標軟件是近紅外分析技術(shù)的
5、核心。計算得到的定標方程必須通過實際測量調(diào)整它的準確性和精確性。精確性是指重復(fù)測定時測值間的相近程度。準確性的度量通常用定標方程的預(yù)測標準誤（SEP）來表示。SEP表示測定值與“真值”間的相近程度。近紅外光照射到被測樣品后，從樣品表面反射出來的光被檢測器吸收，此為近紅外反射光譜分析法（NIR）。它要求樣品的粉碎程度一致，從而保證樣品表面光滑一致。另一類為近紅外穿過樣品后，再被接受檢測到，即為近紅外投射光譜分析法（NIT）。該法優(yōu)點是很少或不用制備樣品，因此重復(fù)性較高，但靈敏度低?，F(xiàn)在的近紅外光譜儀商品種類較多，主要為傅立葉變換
6、、光柵掃描、聲光掃描和光電陣列固定光路型。德國布朗盧比公司（Technicon）生產(chǎn)近紅外領(lǐng)域所有類型的儀器，包括濾光片型、光柵掃描型、傅立葉變換、AOFT聲光調(diào)制近紅外等。2近紅外光譜數(shù)據(jù)處理技術(shù)的發(fā)展現(xiàn)代近紅外光譜分析技術(shù)包括近紅外光譜儀、化學計量學軟件和應(yīng)用模型三部分，三者的有機結(jié)合才能滿足快速分析的技術(shù)要求。因此，數(shù)學模型的建立方法是主要的研究領(lǐng)域。目前主要有多元線性回歸（MLR）、逐步回歸（SMR）、主成分分析（PCA）、主成分回歸（PCR）與偏最小二乘法（PLS）、人工神經(jīng)網(wǎng)絡(luò)（ANN）和拓撲（Toplogica
7、l）等。MLR和SMR法在分析樣品時只用了一些特征波長點的光譜信息，其它點的信息被丟失，易產(chǎn)生模型的過適應(yīng)性（overfitting）。PCR和PLS的最顯著特點就是利用了全部光譜信息，可以壓縮所需樣品數(shù)量，將高度相關(guān)的波長點歸于一個獨立變量中，根據(jù)為數(shù)不多的獨立變量建立回歸方程，通過內(nèi)部驗（crossvalidation）來防止過模型現(xiàn)象，比MLR和SMR分析精度提高。Bochereau等把經(jīng)典數(shù)據(jù)分析與神經(jīng)網(wǎng)絡(luò)結(jié)合應(yīng)用于NIR對蘋果質(zhì)量的預(yù)測，獲得了較好的效果。Warren等把神經(jīng)網(wǎng)絡(luò)和近紅外光譜儀結(jié)合，采用模式識別原理對
8、17種粗纖維進行分類研究，不但可以區(qū)分化學成分相近的纖維，而且可以用于分辨未經(jīng)訓練集訓練的混合纖維。3影響近紅外分析結(jié)果的因素近紅外光譜分析技術(shù)雖具有快速、簡便、相對準確等優(yōu)點，但準確性受多種因素的影響。其中，樣品的粒度及均勻度影響最大，粒度變異直接影響近紅外光譜的變異。在
