技术概述
近红外光谱分析（Near Infrared Spectroscopy，简称NIRS）是一种基于分子化学键振动合频与倍频吸收原理的现代分析技术。该技术利用波长范围在780nm至2526nm之间的电磁波与物质分子发生相互作用，通过检测物质对近红外光的吸收、散射和反射特性，实现对待测样品成分的定性和定量分析。
近红外光谱分析技术起源于20世纪50年代，经过数十年的发展，已经成为分析化学领域最重要的快速检测技术之一。该技术的核心原理在于：当近红外光照射到样品时，样品中含氢基团（如C-H、N-H、O-H等）会发生振动能级跃迁，产生特征吸收峰。不同成分的分子结构不同，其近红外吸收光谱也各具特色，通过建立校正模型，即可实现对未知样品成分的准确预测。
与传统化学分析方法相比，近红外光谱分析具有显著的技术优势。首先，该技术属于非破坏性检测，样品经过检测后仍可进行其他分析；其次，检测速度快，通常几秒至几十秒即可完成一次测定；第三，无需复杂的前处理过程，大多数样品可直接上机检测；第四，不消耗化学试剂，是一种环境友好的绿色分析技术。这些优势使得近红外光谱分析在农业、食品、制药、石油化工等领域得到了广泛的应用。
随着化学计量学理论的不断完善和计算机技术的飞速发展，近红外光谱分析的准确性和可靠性得到了极大提升。现代近红外光谱仪结合多元校正算法（如偏最小二乘法、主成分回归、人工神经网络等），能够处理复杂样品体系中组分间相互干扰的问题，实现多组分同时测定。目前，近红外光谱分析技术正在向小型化、便携化、智能化方向发展，为现场快速检测提供了有力的技术支撑。
检测样品
近红外光谱分析技术的适用范围极为广泛，几乎涵盖了所有含氢有机化合物样品。根据样品的物理形态和检测需求，可将常见检测样品分为以下几大类：
- 农产品类样品：包括粮食作物（小麦、玉米、水稻、大豆等）、油料作物（油菜籽、花生、向日葵等）、经济作物（烟草、茶叶、棉花等）、果蔬产品（苹果、柑橘、葡萄等）及其加工制品。这类样品通常检测水分、蛋白质、脂肪、淀粉、纤维等营养成分含量。
- 食品类样品：涵盖乳制品（牛奶、奶粉、酸奶等）、肉制品（鲜肉、香肠、火腿等）、烘焙食品（面包、饼干、蛋糕等）、饮料（果汁、酒类、碳酸饮料等）、调味品（酱油、醋、食用油等）。主要检测营养成分、添加剂、掺假物质等指标。
- 饲料类样品：包括配合饲料、浓缩饲料、添加剂预混合饲料、饲料原料（鱼粉、豆粕、麦麸等）等。检测项目涉及营养成分、消化率、抗营养因子等。
- 制药类样品：涵盖原料药、辅料、中间体、成品制剂（片剂、胶囊、注射剂等）、中药材及中药饮片等。主要用于活性成分含量测定、水分检测、晶型鉴别、工艺过程监控等。
- 石油化工类样品：包括原油、成品油（汽油、柴油、航空煤油等）、润滑油、石化产品（乙烯、丙烯、聚合物等）。检测项目包括辛烷值、十六烷值、芳烃含量、烯烃含量、密度、粘度等。
- 烟草类样品：涵盖烟叶原料、烟丝、卷烟成品等。主要检测总糖、总氮、烟碱、氯、钾等化学成分。
- 纺织类样品：包括天然纤维（棉、麻、丝、毛）、合成纤维（涤纶、锦纶、腈纶等）及混纺织物。用于纤维成分鉴别、回潮率测定等。
- 环境类样品：涉及土壤、水质、大气颗粒物等样品的某些指标检测。
值得注意的是，近红外光谱分析对样品的状态有一定要求。对于固体样品，颗粒度和均匀性会影响检测结果的准确性；对于液体样品，透明度和粘稠度也是需要考虑的因素。在实际检测中，需要根据样品特性选择合适的光谱采集方式（透射、反射或漫反射）和配套的样品前处理方法。
检测项目
近红外光谱分析可实现的检测项目非常丰富，主要取决于样品类型和应用需求。以下按照领域分类介绍常见的检测项目：
农产品检测项目是近红外光谱分析应用最为成熟的领域。主要检测项目包括：水分含量（游离水和结合水）、蛋白质含量及蛋白质组分、脂肪含量及脂肪酸组成、淀粉含量及直链/支链淀粉比例、粗纤维和中性洗涤纤维、灰分和矿物质含量、氨基酸组成、可溶性糖含量等。此外，还可检测粮食的等级指标如容重、千粒重等物理性质。
食品品质检测项目涵盖营养成分和品质指标两大类。营养成分检测包括：蛋白质、脂肪、碳水化合物、水分、灰分、膳食纤维等基本营养素，以及维生素、矿物质等微量营养素。品质指标检测包括：酸度、过氧化值、色度、新鲜度指标、成熟度指标等。对于特定食品，还可检测其特征成分，如乳制品中的乳糖、乳蛋白、乳脂率，肉制品中的肌内脂肪、胶原蛋白等。
饲料营养成分检测项目主要包括：常规营养成分（水分、粗蛋白、粗脂肪、粗纤维、粗灰分、无氮浸出物）、能量指标（消化能、代谢能、净能）、氨基酸组成、脂肪酸组成、矿物质元素、维生素含量等。此外，还可检测某些抗营养因子和毒素，如黄曲霉毒素、呕吐毒素等。
制药行业检测项目具有较高的专业性和法规要求。主要检测项目包括：活性成分含量、杂质含量、水分含量、残留溶剂、崩解时限、溶出度、含量均匀度等。对于原料药，还可检测晶型、粒径分布、堆密度等物理性质。中药材检测项目包括：有效成分含量、水分、灰分、浸出物等指标。
石油产品检测项目具有鲜明的行业特色。主要检测项目包括：辛烷值（RON、MON）、十六烷值、芳烃含量、烯烃含量、苯含量、硫含量、密度、粘度、闪点、凝点、馏程等关键质量指标。这些指标的快速检测对于油品调和和质量控制具有重要意义。
烟草行业检测项目主要包括：总糖、还原糖、总氮、烟碱（尼古丁）、氯、钾、蛋白质、淀粉、多酚类物质等化学成分。这些指标直接影响烟草的香气、劲头、刺激性等品质特征。
功能性成分检测项目随着健康产业的发展日益受到重视。包括：多糖含量、黄酮类化合物、生物碱、皂苷、多酚、花青素等功能性活性成分的快速定量分析。
检测方法
近红外光谱分析的检测方法体系由光谱采集、数据预处理、模型建立和模型验证四个核心环节组成，每个环节都对最终检测结果的准确性和可靠性产生重要影响。
光谱采集方法是近红外光谱分析的首要步骤。根据样品的物理状态和透光特性，光谱采集主要采用三种方式：透射法适用于透明液体样品，近红外光穿过样品后被检测器接收，适合检测液体中的溶解组分；反射法适用于不透明固体或膏状样品，检测器接收样品表面反射的光谱信号；透反射法结合了透射和反射的特点，在某些特定样品检测中具有优势。现代近红外光谱仪通常配备多种采样附件，如透射样品池、积分球、光纤探头等，以适应不同类型样品的检测需求。
光谱数据预处理是提高模型性能的关键步骤。原始光谱中往往包含噪声、基线漂移、光散射等干扰信号，需要通过适当的预处理方法加以消除。常用的预处理方法包括：平滑处理（Savitzky-Golay平滑、移动平均平滑等）用于降低随机噪声；导数处理（一阶导数、二阶导数）用于消除基线漂移和增强光谱特征；标准正态变量变换（SNV）和多元散射校正（MSC）用于消除固体颗粒散射效应；去趋势算法用于校正基线的线性或非线性漂移。预处理方法的选择需要结合样品特性和光谱特点进行优化。
定量校正模型建立是近红外光谱分析的核心技术环节。模型建立的基本思路是：收集一组已知参考值的校正样品集，采集其近红外光谱数据，通过化学计量学算法建立光谱数据与参考值之间的数学关系。常用的定量校正方法包括：偏最小二乘法（PLS）是目前应用最广泛的多元校正方法，能够有效处理变量多、共线性严重的问题；主成分回归（PCR）通过降维处理提取光谱主成分后再进行回归分析；多元线性回归（MLR）适用于变量数较少且相互独立的情况；人工神经网络（ANN）和深度学习方法适用于非线性关系的建模；支持向量机（SVM）在小样本、非线性建模中具有优势。
定性判别模型建立用于样品的分类识别和真伪鉴别。常用方法包括：聚类分析（如K-均值聚类、层次聚类）用于样品的自动分组；判别分析（如距离判别、Fisher判别）用于已知类别样品的归属判定；主成分分析（PCA）用于降维可视化和异常样品识别；偏最小二乘判别分析（PLS-DA）结合了PLS和判别分析的优点；软独立建模分类法（SIMCA）对每类样品分别建立主成分模型进行判别。
模型验证与评价是确保模型实用性的必要步骤。模型验证通常采用交叉验证和外部验证两种方式。交叉验证（如留一法、K折交叉验证）用于校正模型参数和防止过拟合；外部验证使用独立于校正集的验证集样品评估模型的预测能力。定量模型的评价指标包括：决定系数（R²）、均方根误差（RMSE）、相对分析误差（RPD）、相对标准偏差（RSD）等。定性模型的评价指标包括：正确判别率、误判率、灵敏度、特异性等。符合要求的模型方可用于实际样品的检测。
检测仪器
近红外光谱仪是执行近红外光谱分析的核心设备，经过数十年的技术发展，已形成多种类型、多种规格的仪器产品体系，满足不同应用场景的检测需求。
按分光方式分类，近红外光谱仪主要有以下几种类型：傅里叶变换型近红外光谱仪利用迈克尔逊干涉仪进行干涉调制，通过傅里叶变换获取光谱，具有高分辨率、高波数精度、高信噪比等优点，是实验室研究的首选仪器；光栅扫描型近红外光谱仪通过转动光栅实现波长扫描，结构相对简单，成本较低，适用于常规检测；二极管阵列型近红外光谱仪采用固定光路和阵列检测器，无需机械扫描，采集速度快，适合在线检测；声光可调滤光器型近红外光谱仪利用声光效应实现波长选择，无移动部件，稳定性好，适合便携式应用。
按仪器结构分类，近红外光谱仪可分为台式、便携式和在线式三种类型。台式仪器通常具有更高的性能指标，适合实验室精细分析；便携式仪器体积小、重量轻、可电池供电，适合现场快速筛查和移动检测；在线式仪器具备防爆、防尘、防水等工业防护等级，可与生产管线直接连接，实现实时在线监测。
按检测方式分类，近红外光谱仪配备不同的采样附件可满足多种检测需求。积分球附件适合固体粉末和颗粒样品的漫反射检测；透射样品池适合液体样品的透射检测；光纤探头可实现远程检测和原位检测，特别适合反应过程监测和危险环境检测；流通池适合在线液体检测；样品旋转器可提高固体样品检测的代表性。
- 主要性能指标：波长范围是仪器的首要参数，常见配置包括1000-2500nm、800-2500nm等范围；波长准确性影响定性分析的可靠性，一般要求优于1nm；波长重复性影响定量分析的精度，通常要求小于0.5nm；信噪比决定检测限和定量精度，高性能仪器可达10000:1以上；分辨率影响光谱细节的分辨能力，通常在2-16cm⁻¹范围内可选；吸光度线性范围影响定量的准确性，通常要求达到2.0Abs以上。
- 仪器校准与维护：近红外光谱仪需要定期进行波长校准和光度校准。波长校准常用标准物质包括聚苯乙烯薄膜、稀土氧化物玻璃、水蒸气吸收峰等；光度校准使用标准反射板或标准滤光片。日常维护包括光源更换、检测器冷却、光学元件清洁等。仪器性能验证需定期进行，以确保检测结果的可靠性。
- 选型建议：仪器选型应综合考虑检测需求、样品类型、使用环境、预算约束等因素。研究型应用建议选择傅里叶变换型仪器，注重分辨率和信噪比；过程控制应用建议选择在线式仪器，注重稳定性和通信接口；现场筛查应用建议选择便携式仪器，注重便携性和操作简便性；多用途检测建议选择配置多种采样附件的仪器。
应用领域
近红外光谱分析技术以其快速、无损、环保的特点，在众多领域得到了广泛应用，创造了显著的经济效益和社会效益。
农业领域是近红外光谱分析应用最早、最成熟的领域。在粮食收购环节，近红外技术可用于快速评定粮食等级，指导定价收购；在品种选育过程中，可快速筛选优良性状材料，提高育种效率；在品质评价方面，可对大批量样品进行营养成分测定，建立品质数据库；在储藏监测中，可及时发现水分异常，指导通风调质。目前，近红外技术已成为国际通用的粮食品质快速检测方法，相关标准方法已列入国家标准和国际标准。
食品工业对近红外光谱分析的需求日益增长。乳品行业利用近红外技术在线监测原料奶成分，实现按质论价，优化工艺参数，保证产品质量；肉品行业用于原料肉品质评定、产品成分控制、掺假鉴别等；烘焙行业用于面粉品质检测、配料成分控制、成品质量检验等；油脂行业用于原料检验、工艺监控、产品等级评定等。近红外技术的应用有效提高了食品企业的质量控制水平和生产效率。
制药行业是近红外光谱分析技术应用的高端领域，受到药品监管法规的高度认可。在原料检验环节，近红外技术可快速鉴别原料真伪、检测原料质量，大幅缩短检验周期；在生产过程控制中，近红外在线监测可实现混合均匀度、干燥终点、反应终点的实时判断，支持过程分析技术（PAT）的实施；在成品检验中，近红外技术可用于含量测定、释放度预测、包装完整性检验等。国内外药品监管机构已发布多项指导原则，鼓励近红外技术在制药领域的应用。
石油化工行业对近红外光谱分析技术的应用具有重要的经济价值。炼油厂利用近红外技术在线监测原油性质，优化原油调和和蒸馏切割；汽油调和过程中，近红外技术可实时监测辛烷值、烯烃、芳烃等关键指标，指导调和配方优化，避免质量过剩；成品油质量检验采用近红外技术可快速出具检测报告，提高检验效率。石化行业应用近红外技术的经济效益十分显著，投资回收期通常在一年以内。
饲料行业广泛应用近红外光谱分析技术进行原料检验和成品质量控制。原料采购环节快速检测营养成分，指导采购定价；配方设计环节准确掌握原料营养参数，优化配方成本；生产过程中监测混合均匀度，保证产品质量；成品检验快速测定营养成分，出具检测报告。近红外技术已成为饲料企业质量管理的核心工具。
烟草行业是国内近红外光谱分析应用较为深入的领域之一。烟叶收购中近红外技术用于快速评定烟叶等级和化学成分，指导分级定价；打叶复烤过程中监测烟叶水分和化学成分，优化工艺参数；卷烟生产中监测烟丝成分，保证产品均一性；新产品开发中快速筛选叶组配方，提高研发效率。烟草行业建立了较为完善的近红外检测网络和标准体系。
其他应用领域还包括：纺织行业用于纤维鉴别和回潮率测定；造纸行业用于纸浆成分分析和纸张质量检测；高分子行业用于聚合物成分分析和质量控制；地质勘探用于岩矿成分快速分析；医药流通领域用于药品真伪鉴别；海关检验检疫用于进出口商品快速筛查等。随着技术进步和应用推广，近红外光谱分析的应用领域仍在不断拓展。
常见问题
在实际应用中，近红外光谱分析技术存在一些常见问题，了解这些问题及其解决方案对于提高检测质量具有重要意义。
- 近红外光谱分析的准确度如何保证？
近红外光谱分析的准确度主要取决于校正模型的质量和参考方法的准确性。建立模型时，应选择代表性好的校正样品集，参考值测定应采用标准方法，模型验证应充分，模型传递应规范。此外，样品前处理的一致性、仪器性能的稳定性、操作规程的标准化等都是保证准确度的重要因素。定期进行模型更新和维护，可保持模型的预测能力。
- 近红外光谱分析能否替代传统化学分析方法？
近红外光谱分析与传统化学分析方法各有所长，呈互补关系而非替代关系。近红外方法的优势在于快速、无损、高通量，适合大批量样品的筛查和过程监控；传统化学分析方法准确度高，适合仲裁分析和标准方法验证。在实际应用中，通常采用近红外方法进行日常检测，定期采用标准方法进行校核，既保证检测效率又保证检测质量。
- 建立近红外模型需要多少样品？
建立近红外校正模型所需样品数量取决于样品的复杂程度、成分变异范围和期望的模型精度。一般而言，简单体系的模型建立需要30-50个校正样品，复杂体系可能需要100个以上甚至数百个校正样品。样品应覆盖待测成分的整个浓度范围和相关因素的变异范围。样品数量不足可能导致模型泛化能力差，样品数量过多则增加建模成本，应根据实际情况合理确定。
- 近红外光谱分析对样品有什么要求？
近红外光谱分析对样品的基本要求包括：样品的物理状态应与建模样品一致，固体样品的粒度、水分等参数应在建模范围内；样品的化学成分应在模型的预测范围内，超出范围的样品预测结果不可靠；样品量应满足检测要求，固体样品通常需要几十克至几百克，液体样品几毫升至几十毫升；样品应具有代表性，均匀性差的样品应进行适当处理。对于特殊样品，可采用专用采样附件或前处理方法。
- 如何判断近红外模型是否适用于待测样品？
判断模型适用性的方法包括：光谱残差分析，判断待测样品光谱是否在校正集光谱范围内；马氏距离计算，判断待测样品与校正集样品的相似程度；模型不确定度评估，预测值的不确定度应在可接受范围内。对于超出模型适用范围的样品，应采用标准方法测定，必要时扩充模型以提高覆盖范围。
- 近红外仪器如何进行日常维护？
近红外仪器的日常维护包括：保持仪器环境条件稳定（温度、湿度、振动）；定期检查光源工作状态，及时更换老化光源；保持光学元件清洁，避免灰尘污染；定期进行波长和光度校准，确保仪器性能稳定；检查检测器冷却系统工作状态；保存基线和背景光谱，监测仪器状态变化；建立仪器使用和维护记录，便于追溯和分析。
- 近红外光谱分析存在哪些局限性？
近红外光谱分析的主要局限性包括：属于间接分析方法，需要建立校正模型，建模工作量大；模型对特定样品体系具有专属性，样品体系变化需重新建模；检测灵敏度相对较低，对痕量组分的检测能力有限；光谱信号易受样品物理性质影响，样品前处理要求一致性；仪器和软件系统投入成本较高；需要专业人员掌握化学计量学知识和建模技术。了解这些局限性有助于合理选择应用场景。
- 如何提高近红外光谱分析的重复性？
提高检测重复性的措施包括：样品前处理方法标准化，保证样品状态一致；采样方式规范化，固定装样方式和装样量；仪器性能稳定化，定期校准和维护；操作规程标准化，编制详细的操作规程（SOP）；环境条件受控化，避免温度、湿度剧烈变化；数据处理规范化，统一预处理方法和参数设置。通过上述措施，可将检测重复性控制在满意水平。
综上所述，近红外光谱分析技术作为一种快速、高效、绿色的现代分析技术，在众多领域发挥着重要作用。随着仪器技术的进步、化学计量学方法的发展和应用经验的积累，近红外光谱分析的应用范围将进一步拓展，分析精度将进一步提高，为各行业的质量控制和科学研究提供更加有力的技术支撑。用户在选择和应用近红外光谱分析技术时，应充分了解技术原理、适用范围和注意事项，合理制定检测方案，规范操作流程，确保检测结果的准确可靠。
