近紅外光譜儀飼料解決方案

近紅外光譜原理

1. 近紅外光譜圖:

橫坐標：吸收波長(l)或波數(n) 。吸收峰位置。

縱坐標：透過率(T%)或吸光度(A)。吸收峰強度

近紅外譜區內的信息主要是分子內部原子間震動的倍頻與合頻的信息

2. 譜圖特征:

a) 重疊嚴重，官能團的倍頻峰、合頻峰疊加在一起，形成寬峰。

b) 吸收系數低。

c) 必須采用化學計量學，依賴計算機從譜圖中提取信息。

3. 近紅外光譜的吸收

a) NIR區域官能團振動的合頻和倍頻帶，包括的官能團有：C-H, N-H, O-H, S-H, C=O, C=C

b) 倍頻的吸收系數比中紅外區域基頻的吸收要弱20 – 50倍。

4. 近紅外技術的優點

a) 速度快(響應時間以秒計算)

b) 不需要樣品預處理——在樣品上直接測量,操作簡單

c) 非破壞性測量，不損壞樣品

d) 適合所有樣品類型——固體，液體，漿體，糊狀，膠體，氣體

e) 一張光譜同時分析得到多個指標的分析數據

f) 能夠測試物理和化學數據，也可以做定性分析和定量分析

5. 近紅外光譜儀預測特點

a) 是一種二級分析方法

b) 需要建立預測模型

c) 預測模型的建立離不開濕化學方法測得一級數據

6. 近紅外分析的準確性

a) 近紅外預測值的準確性依賴于濕化學方法的準確性

b) 近紅外光譜分析是通過采用多元校正方法建立近紅外光譜與被測性質之間的定量關系，這種關系的確定建立在統計回歸和誤差理論的基礎上。

c) 近紅外光譜分析模型是回歸的結果，根據統計學理論,在模型適用范圍內,NIR測定的結果更精確,更接近于真值。

由圖1可以看出，光譜一致性較好，成品飼料有良好的光譜吸收，并在近紅外譜圖中含有大量與成品飼料指標的相關有效信息。因此，使用Unity近紅外光譜技術檢測成品飼料和原料的方案是完全可行的。

NIR使用方案

1. 根據檢測需求，為您制定兩個檢測模型包，包含飼料原料模型包和成品飼料模型包，初步建立統計模型如下列表。

以上兩個模型包是根據目前所掌握信息制定，可根據客戶需求添加。

2. 建模樣品的準備

1)每個模型需要選擇一定個數的樣品，來建立一個初步的模型。

根據客戶樣品的類型和不同狀況，初步建模的數量不定。一個好的模型，樣品量越大越好，選擇樣品的個數可在后期邊使用邊添加，模型準確度也會越來越高。

2)建模時與后期使用時，樣品狀態前后要一致性。

樣品狀態也可以看做樣品的背景信息，前后樣品的背景不一致，會導致預測誤差偏大。

3)樣品的濕化學方法所得一級數據準確性好。

近紅外儀器預測結果是統計學回歸理論基礎上得出的，一級數據的不準確必然使得回歸模型不準確，進而導致預測結果不準確。

4)建模樣品各指標的梯度廣。

建模時樣品指標的梯度是根據客戶在使用中指標范圍來定的，比如指標蛋白質范圍在16%-20%，那么模型中蛋白質的范圍要大于16%-20%，才能有效的保證了預測范圍永遠在模型之內。

5)指標值范圍內的樣品個數要均勻。

在正態分布圖里，指標的范圍之內，樣品個數盡量是均勻分布的，這樣對模型預測準確度也會提高。

3.技術服務承諾

終身免費技術咨詢和模型維護工作。