¿Por qué limitar el rango de longitud de onda?
Los espectrómetros de proceso modernos (como el ProLine2550) recopilan datos en todo el rango del infrarrojo cercano (1350 a 2550 nm), produciendo cientos de variables de longitud de onda altamente correlacionadas. Si bien es estándar ajustar un modelo de regresión de mínimos cuadrados parciales (PLS) en todo el espectro, rara vez es el enfoque más sólido. El espectro completo incluye regiones que no contienen información química sobre el analito objetivo, como ruido de fondo, atenuación del sensor o fuertes bandas de absorción de agua que saturan el detector.
La construcción de calibraciones con longitudes de onda innecesarias aumenta el riesgo de sobreajuste, hace que los modelos sean susceptibles a los cambios de temperatura ambiente y requiere un mayor recuento de variables latentes (LV), lo que degrada la transferibilidad de la calibración entre instrumentos.
"Seleccionar las longitudes de onda óptimas es una forma de ingeniería de características multivariadas. Al eliminar las bandas dominadas por el ruido, creamos una calibración más simple y sólida que se generaliza en diferentes espectrómetros".
Intervalo PLS (iPLS): Selección sistemática de cuadrícula
El intervalo PLS (iPLS) es un algoritmo sistemático que divide el espectro preprocesado completo en un conjunto de intervalos de longitud de onda más pequeños que no se superponen (normalmente de 10 a 40 intervalos). El algoritmo construye un modelo PLS local para cada intervalo individual y calcula el error cuadrático medio de validación cruzada (RMSECV).
Al comparar el RMSECV de todos los modelos locales con el modelo global de espectro completo, iPLS identifica el intervalo específico (o combinación de intervalos) que produce el error de predicción más bajo. Esto es muy eficaz para aislar distintos matices moleculares (por ejemplo, bandas N-H en proteínas o bandas C-H en grasas).
Algoritmos genéticos: selección evolutiva
Cuando la sustancia química objetivo tiene bandas de absorción distribuidas en múltiples regiones, las búsquedas en cuadrículas basadas en intervalos son insuficientes. Los algoritmos genéticos (GA) utilizan una estrategia de búsqueda evolutiva para encontrar bandas óptimas:
- Cromosomas:Las longitudes de onda se representan como cadenas binarias (1 para seleccionar, 0 para excluir).
- Población inicial:Se crea un grupo inicial de combinaciones aleatorias de longitudes de onda.
- Función de fitness:Cada combinación construye un modelo PLS. La aptitud se evalúa basándose en minimizar RMSECV y minimizar el número de variables latentes.
- Reproducción y mutación:Las combinaciones de mejor rendimiento se emparejan para crear descendencia, con mutaciones aleatorias introducidas para evitar trampas de mínimos locales.
Este proceso se repite durante 50 a 100 generaciones, generando una selección de longitud de onda escasa y altamente optimizada.
Impacto en la selección de longitud de onda
La selección de bandas de longitud de onda óptimas mejora significativamente el rendimiento de la calibración, como se demuestra en este estudio de calibraciones del valor de hidroxilo de poliol (OHV):
| Configuración del modelo | Longitudes de onda activas (nm) | Variables latentes (LV) | Error de validación (RMSEP) |
|---|---|---|---|
| Global PLS (rango completo) | 1350 – 2550 nm (completo) | 10 LV | ± 2,45 mg de KOH/g |
| iPLS Seleccionado | 1680 – 1740 y 2200 – 2260 millas náuticas | 5 LVs | ≤ 1,12 mg de KOH/g |
| GA seleccionado | Bandas seleccionadas en regiones C-H/O-H | 4 LVs | ≤ 1,05 mg de KOH/g |
Optimización de longitud de onda en caliX Suite
Para optimizar tus modelos en caliXSuite:
- Abra su modelo de calibración y navegue hasta el menú "Selección de funciones".
- Seleccione `Intervalo PLS` para ejecutar una búsqueda en cuadrícula o `Algoritmo genético` para optimización evolutiva.
- Establezca su límite de variable latente objetivo para evitar el sobreajuste (por ejemplo, un máximo de 5 LV).
- Ejecute el optimizador. Una vez completado, haga clic en "Aplicar selección" y valide la calibración simplificada antes de la implementación.
Conclusión
La selección de bandas de longitud de onda utilizando iPLS y algoritmos genéticos cambia la construcción de modelos quimiométricos de la regresión de caja negra a la ingeniería de características específicas. Al aislar bandas de armónicos moleculares clave, los ingenieros pueden comprimir la complejidad de la calibración, evitar desviaciones de temperatura y construir modelos que se transfieran sin problemas a través de múltiples espectrómetros.
Referencias
- ISO 12099 -Directrices para la aplicación de la espectrometría de infrarrojo cercano..
- Nørgaard, L. et al., "Regresión de mínimos cuadrados parciales de intervalo (iPLS): una herramienta para la selección de longitud de onda",Espectroscopia aplicada, 2000.
- Leardi, R., "Aplicación de un algoritmo genético a la selección de longitud de onda en espectroscopia de infrarrojo cercano",Revista de quimiometría, 2001.
