频谱与构图之间的桥梁
FT-NIR 光谱仪测量吸收光谱——每个波长吸收了多少红外光。光谱不会直接告诉您脂肪或蛋白质的含量；它是原始的物理测量。一个化学计量学校准模型从光谱中提取成分需要将光谱特征映射到成分值的数学函数。
“校准模型是光谱仪看到的（光吸收）和您需要知道的（蛋白质、脂肪或水分等成分值）之间的数学桥梁。”
PLS 回归 — 行业标准
偏最小二乘 (PLS) 回归是最广泛使用的 NIR 校准化学计量方法。 PLS 找到光谱变量的线性组合 -潜在变量— 同时解释光谱数据和参考成分值的最大方差。
与简单的线性回归不同，PLS 处理 NIR 光谱数据的高度相关性，并且可以同时对来自多个组件的复杂、重叠的吸收进行建模。这就是为什么它已成为两者的黄金标准食品和饲料, 奶制品， 和化学和制药应用程序。
校准开发流程
| 步 | 描述 |
|---|---|
| 1 | 收集涵盖生产中预期的全部成分范围的代表性样品 |
| 2 | 使用经过验证的参考方法（凯氏定氮法、索氏提取法、卡尔费休法等）分析每个样品 |
| 3 | 使用以下方法从相同样品中收集 NIR 光谱ProLine2550 |
| 4 | 构建 PLS 模型caliX光谱套房化学计量学软件 |
| 5 | 在独立样本集上验证模型 - 计算 RMSEP |
| 6 | 质量体系或监管文件的文件验证 |
什么是良好的校准
- ✓ 代表性抽样— 涵盖您生产中的所有成分变化
- ✓ 高质量参考数据— 准确、精确、可追溯至经过验证的方法
- ✓ 足够的样本数— 每个矩阵通常有 80–200 个以上
- ✓ 良好的光谱多样性— 不同的颗粒大小、温度、湿度水平
- ✓ 独立验证集— 切勿对校准样品进行验证
- ✓ 目标 RMSEP：蛋白质<0.12%（配合饲料），脂肪<0.06%（全脂奶）
“校准模型的质量取决于参考数据的质量。投资于准确、可追溯的参考方法来构建可靠的 NIR 预测。”
有关在实践中构建校准的分步操作教程，请参阅我们的指南caliX 套件中的 PLS 回归。一旦您的模型得到验证，ProChem部署它们进行实时在线测量。
