新算法可改善近红外光谱仪进行模型转移的效果

　　近日，中国科学院合肥物质科学研究院技术生物与农业工程研究所在光谱学期刊Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy上发表了一项关于近红外光谱技术方向算法的新成果，这种新的算法改善了近红外光谱仪进行模型转移的效果，有助近红外光谱技术的推广与应用。

　　近红外光谱作为一种分析速度快、效率高、成本低、重现性好的新型光谱分析技术，近年来得到了迅速发展，不仅仪器类型更加多样，应用领域也越来越广泛。近红外光谱仪在使用过程中经常遇到检测条件或者仪器自身发生变化的情况，例如样品检查温湿度变化、样品形态改变、仪器附件更换等，此时采集的光谱会出现吸光度差异和波长漂移等问题，造成检测结果偏差。解决这一问题的关键在于模型转移。

　　模型转移是指当检测条件改变时，依靠系统的校正方法修正当前使用的分析模型的误差，使其在新的条件下同样适用，避免重新建模的方法。模型转移主要通过主机和子机检测信号之间的联系，拟合出对应的转移函数，保证多台仪器检测结果的一致性。

　　传统的模型转移过程聚焦于用更准确、更复杂的算法描述检测条件变化前后整组光谱信号间的关系。然而，整组光谱中只有一部分是有效的，而其余部分会对转移的结果造成干扰。因此中科院的研究人员提出了一种基于相关分析的波长选择方法(CAWS)，通过设计一系列系统方法，选择合适的波段——既有较高的仪器间相关性，又有足够的待测组分相关信息。

　　研究人员在实验检验中以一组玉米公开数据集和一组米糠真实数据集作为案例，对比了其它多种算法，发现CAWS可以有效改善近红外光谱的模型转移效果，为解决仪器之间的模型转移问题提供了一个更好的解决方案。

　　模型转移问题是限制近红外光谱技术推广应用的主要原因之一，而且随着仪器小型化、成像及超光谱成像的发展，模型转移在近红外光谱技术发展过程中的地位也会越来越重要。模型转移的突破将为近红外光谱仪器的发展带来重要的影响。