近红外光谱分析技术浅谈及一些使用介绍
近红外光（Near Infrared，NIR）是介于可见光（VIS）和中红外光（MIR）之间的电磁波。 近红外光谱主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时 产生的，具有较强的穿透能力。近红外光主要是对含氢基团Ｘ－Ｈ（Ｘ＝Ｃ、Ｎ、 Ｏ）振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成和分子结构的信息，因此近红外光谱可作为获取信息的一种有效的载体。
现代近红外光谱分析是光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。是将近红外光谱所反映的样品基团、组成或物态信息与用标准或认可的参比方法测得的组成或性质数据采用化学计量学技术建立校正模型，然后通过对未知样品光谱的测定和建立的校正模型来快速预测其组成或性质的一种分析方法。
该分析方法包括建立模型、验证模型和样本预测三个过程：
建立模型：
（1）在建模过程中，需收集一定量有代表性的样品，在测量样品近红外光谱图的同时，使用有关标准分析方法（如国家标准、行业标准、企业标准等）对该样品进行测量，得到样品的各种质量参数，称之为参考数据。
（2）通过化学计量学对光谱进行处理，并将其与参考数据关联，这样在光谱图和其参考数据之间建立起一一对应的关系，通常称之为数据库。在数据库的基础上，可以进行添加、扩充或减少样品，实现数据库的维护工作。
（3）虽然样本数据库中所使用的样本数目很有限，但通过化学计量学处理得到的模型（标准曲线）应具有较强的普适性。对于建立模型所使用的校正方法视样品光谱与待分析的性质关系不同而异，常用的有多元线性回归，主成分回 归，偏最小二乘，人工神经网络和拓扑方法等。显然，模型所适用的范围越宽越好，但是模型的适用范围大小与建立模型所使用的校正方法、待测的性质数据、以及测量所要求达到的分析精度范围等因素都紧密的关系。
验证模型：
模型的验证工作是必须的，而且要不定期的去验证，为的是确定测量结果的可信度。一般通过收集一定量的未知样本进行测量，将近红外的预测值与标准方法所测的参比数据进行对比，计算两者数据之间的偏差，并判断模型是否满足测量需求。满足测量需求的模型是可以正常使用的，反之，需要对模型进行调整工作，如添加新样本、剔除异常值等，再重新进行模型验证，直至模型验证通过。
样本预测：
模型验证结果满足测量需求以后，则进入正常的使用状态，即样本预测。在预测过程中，首先使用近红外光谱仪测定待测样品的光谱图，待测样品的光谱与模型（标准曲线） 进行计算，即可计算出未知待测样品的质量参数。测量速度快，30 秒内得出所有指标结果。