Warum der Wellenlängenbereich wichtig ist
Analysatoren in der Lebensmittel- und Futtermittelindustrie und in Prozessanlagen unterscheiden sich nicht nur im optischen Aufbau, sondern auch darin, welchen Teil des Nahinfrarots sie aufzeichnen. Pasquini definiert den NIR-Bereich als 750–2.500 nm und erläutert, dass seine Absorptionen Ober- und Kombinationsschwingungen der Grundschwingungen von O–H-, C–H-, N–H- und S–H-Bindungen sind, deren Grundschwingungen bei 3.000–4.000 nm liegen [1]. Diese Banden sind viel schwächer als die Grundschwingungen, und Beć und Huck halten fest, dass die Absorptivität zu den höheren Obertönen und Kombinationen höherer Ordnung hin stetig abnimmt [1][2]. Diese eine Tatsache bestimmt den zentralen Zielkonflikt dieses Leitfadens: Wo Banden stark und spezifisch sind, dringt Licht nur eine kurze Strecke ein; wo Licht tief eindringt, sind die Banden schwach und stark überlagert.
Die drei Bereiche und was sie enthalten
Kurzwelliges NIR (unterhalb von etwa 1.100 nm) enthält die Obertöne höherer Ordnung: Gonzaga und Pasquini bauten ein kostengünstiges Spektrophotometer für 850–1.050 nm und konnten Spektralbereiche dem dritten Oberton der C–H-Streckschwingung zuordnen [3]. Die Banden sind hier so schwach, dass die Weglänge vergrößert werden muss, um sie zu sehen: In Pasquinis Chloroform-Beispiel zeigt der Bereich 850–1.150 nm bei 1 mm Weglänge kaum Struktur, bei 5 cm jedoch fünf deutliche Banden [1].
Der Bereich des ersten Obertons (etwa 1.100–1.800 nm) enthält die ersten Obertöne der X–H-Streckschwingungen und ist der Bereich, in dem Standard-InGaAs-Geräte den Großteil ihrer Information erfassen; Lukacs et al. fanden zum Beispiel bei der Quantifizierung stickstoffreicher Verfälschungsmittel in Proteinpulvern die Hauptmaxima des Regressionsvektors bei etwa 1.400–1.600 nm, die den ersten Obertönen von N–H zugeordnet wurden [4].
Der Kombinationsbereich, von Pasquini mit 1.600–2.500 nm angegeben, enthält die Kombinationsbanden, die weniger abgeschwächt sind als die Obertöne; hier können Resonanzen auch eine Bande in zwei aufspalten [1]. Lukacs et al. beobachteten in derselben Studie N–H-Kombinationsmerkmale oberhalb von etwa 2.000 nm [4]. Beć und Huck betonen, dass das gesamte NIR-Spektrum aus einer sehr großen Zahl sich überlagernder, anharmonischer Beiträge aufgebaut ist, sodass einzelne Banden selbst hier selten isoliert auftreten [2].
Eindringtiefe: die Kehrseite der Bandenstärke
Gerade die schwache Absorption ermöglicht es NIR-Licht, eine Probe im Volumen statt nur an ihrer Oberfläche zu erfassen [2]. Gemessene Eindringtiefen nehmen mit steigender Wellenlänge ab. Padalkar und Pleshko fanden in Knorpel etwa 5 mm bei 7.000–9.000 cm−1 (etwa 1.110–1.430 nm), etwa 3 mm bei 5.100–7.000 cm−1 und nur 1–2 mm bei 4.000–5.100 cm−1, dem Kombinationsbereich [5]. In Avocadofrüchten maßen Wedding et al. eine Eindringtiefe in Transmission von rund 12 mm bei 834–885 nm, aber weniger als 3 mm zwischen etwa 1.348 und 1.862 nm [6]. Pasquini macht denselben Punkt für Flüssigkeiten: Die Schichtdicke der Küvette muss abnehmen, je weiter man sich von den höheren Obertönen zum Kombinationsbereich um 2.200 nm bewegt [1].
Deshalb wird kurzwelliges NIR für intakte Früchte und Gemüse eingesetzt. Kawano et al. sagten den Zuckergehalt intakter Pfirsiche im Interaktanzmodus mit Termen der zweiten Ableitung bei 906, 878, 870 und 889 nm vorher [7]. Die Grenzen sind ebenso dokumentiert: Guerra et al. setzten zwei Taschengeräte für 740–1.070 nm an 331 Milchproben ein und erhielten ein angemessenes Fettmodell (R² der externen Validierung 0,93), aber schwache Modelle für Laktose, Harnstoff, somatische Zellen und Gefrierpunkt; sie folgerten, dass der Bereich für diese Merkmale zu wenig Information enthält [8].
Detektoren entscheiden, welchen Bereich ein Gerät sieht
Pasquini nennt Silizium, PbS und InGaAs als die am häufigsten verwendeten NIR-Detektormaterialien [1]. Beć et al. berichten, dass Si-Photodioden vom sichtbaren Bereich bis etwa 1.100 nm eine brauchbare Empfindlichkeit behalten und sich für kompakte, kostengünstige Geräte eignen, dass InGaAs bei etwa 1.000–1.600 nm mit schneller Ansprechzeit und geringem Dunkelstrom am besten arbeitet und dass erweitertes InGaAs eine geringere Empfindlichkeit aufweist und gegebenenfalls gekühlt werden muss [9]. Geräte können Detektoren kombinieren: Das Gitter-Tischgerät in der Studie von Lukacs et al. verwendete Si für 400–1.098 nm und PbS für 1.100–2.498 nm [4]. Crocombes Übersichtsarbeit dokumentiert, wie Spektrometermodule für den sichtbaren und kurzwelligen NIR-Bereich Geräte zu Verbraucherpreisen ermöglicht haben [10]. Die Abdeckung langer Wellenlängen ist daher eine Frage der Detektorwahl und nicht einer bestimmten optischen Architektur vorbehalten [4][9].
Den Bereich in der Praxis wählen
Kein Bereich ist für jede Probe der beste. Die Literatur verweist auf drei Fragen:
- Wo liegt die Information zum Analyten? Bestandteile mit schwachen oder indirekten Signaturen im kurzwelligen Bereich benötigen unter Umständen den Oberton- oder Kombinationsbereich [8]; prüfen Sie veröffentlichte Bandenzuordnungen und Vorversuchsspektren, bevor Sie den Bereich festlegen [2][4].
- Wie dick und heterogen ist die Probe? Intakte oder grobe Proben sprechen für kürzere Wellenlängen, die tiefer in das Material blicken; klare Flüssigkeiten in kurzen Küvetten können den Kombinationsbereich nutzen [1][5][6].
- Was lässt die Probenschnittstelle zu? Lukacs et al. schlossen Wellenlängen oberhalb von 2.200 nm aus, weil Glasfasersonden dort starkes Rauschen einbringen [4]; auch Detektorempfindlichkeit und Kühlbedarf ändern sich über den Bereich [9].
Wie USTECH den Spektralbereich auswählt
USTECH bietet Analysatoren an, die unterschiedliche Teile des NIR-Bereichs abdecken, und wählt je nach Anwendung. Der ProLine17EC und der ProLine17ECS sind Inline-NIR-Analysatoren auf Basis von InGaAs-Array-Detektoren; der ProLine2550 ist ein Inline-FT-NIR-Analysator für Mischer, Reaktoren und Rohrleitungen und der MasterLine17EC ein NIR-Analysator für Labortisch und At-line-Einsatz. Innerhalb eines aufgezeichneten Spektrums werden Wellenlängenbereiche bei der Modellentwicklung in der Software-Suite caliX verglichen und ausgewählt. Welcher Bereich und welches Gerät zu einer bestimmten Probe und Installation passen, wird in einer Machbarkeitsstudie mit Ihren eigenen Proben ermittelt.
Quellen
- [1] Pasquini, C. (2003). Near infrared spectroscopy: fundamentals, practical aspects and analytical applications. Journal of the Brazilian Chemical Society, 14(2), 198–219. doi:10.1590/S0103-50532003000200006
- [2] Beć, K.B., Huck, C.W. (2019). Breakthrough Potential in Near-Infrared Spectroscopy: Spectra Simulation. A Review of Recent Developments. Frontiers in Chemistry, 7, 48. doi:10.3389/fchem.2019.00048
- [3] Gonzaga, F.B., Pasquini, C. (2010). A low cost short wave near infrared spectrophotometer: Application for determination of quality parameters of diesel fuel. Analytica Chimica Acta, 670(1–2), 92–97. doi:10.1016/j.aca.2010.04.060
- [4] Lukacs, M., Zaukuu, J.-L.Z., Bazar, G., Pollner, B., Fodor, M., Kovacs, Z. (2024). Comparison of Multiple NIR Spectrometers for Detecting Low-Concentration Nitrogen-Based Adulteration in Protein Powders. Molecules, 29(4), 781. doi:10.3390/molecules29040781
- [5] Padalkar, M.V., Pleshko, N. (2015). Wavelength-dependent penetration depth of near infrared radiation into cartilage. The Analyst, 140(7), 2093–2100. doi:10.1039/c4an01987c
- [6] Wedding, B.B., Wright, C., Grauf, S., White, R.D. (2024). Wavelength variation of the depth of penetration of near infrared radiation in ‘Hass’ avocado fruit. Technology in Horticulture, 4, e008. doi:10.48130/tihort-0024-0005
- [7] Kawano, S., Watanabe, H., Iwamoto, M. (1992). Determination of Sugar Content in Intact Peaches by Near Infrared Spectroscopy with Fiber Optics in Interactance Mode. Journal of the Japanese Society for Horticultural Science, 61(2), 445–451. doi:10.2503/jjshs.61.445
- [8] Guerra, A., De Marchi, M., Niero, G., Chiarin, E., Manuelian, C.L. (2024). Application of a short-wave pocket-sized near-infrared spectrophotometer to predict milk quality traits. Journal of Dairy Science, 107(6), 3413–3419. doi:10.3168/jds.2023-24302
- [9] Beć, K.B., Grabska, J., Huck, C.W. (2022). Miniaturized NIR Spectroscopy in Food Analysis and Quality Control: Promises, Challenges, and Perspectives. Foods, 11(10), 1465. doi:10.3390/foods11101465
- [10] Crocombe, R.A. (2018). Portable Spectroscopy. Applied Spectroscopy, 72(12), 1701–1751. doi:10.1177/0003702818809719

