近红外光谱技术原理与应用

引言

近红外光谱（Near-Infrared Spectroscopy，NIRS）是一种快速、无损的分析技术，其波长范围覆盖 780~2500 nm（波数约 12820~4000 cm⁻¹），介于可见光与中红外之间。自 20 世纪 60 年代 Karl Norris 将 NIR 用于农产品水分分析以来，随着化学计量学、光学元件和探测器技术的发展，近红外光谱技术已成为食品、农业、制药、化工、环境等领域不可或缺的过程分析与质量控制手段。

与中红外光谱（反映分子基频振动）不同，近红外光谱主要体现分子振动的倍频（overtone）与合频（combination band）吸收，谱峰宽且重叠严重，难以像中红外光谱那样直接进行官能团特征峰归属。然而，正是这种"指纹式"的整体响应特性，结合多变量校正方法，使得近红外光谱能够同时快速预测样品中多种组分的含量，展现出独特的实用价值。

一、近红外光谱的基本原理

1.1 分子振动与近红外吸收

分子中的原子在其平衡位置附近做周期性的振动运动。在简谐振动近似下，分子振动能级是等间距的，允许的跃迁仅发生在相邻能级之间（即 $\Delta v = \pm 1$），此时吸收频率等于分子的基频振动频率——这对应于中红外区域的吸收。

然而，真实分子的振动并非严格简谐。在实际分子的非简谐势能函数下：

  • 倍频吸收：跃迁发生在 $\Delta v = \pm 2, \pm 3, \dots$，对应基频的整数倍频率，强度随倍频级数增加而迅速减弱；
  • 合频吸收：两个或多个简正模式的量子数同时发生变化，吸收频率等于相应基频之和或差。

这些倍频与合频吸收恰好落在近红外区域（780~2500 nm），构成了近红外光谱的物理基础。

1.2 主要吸收基团

近红外区域的吸收强度与化学键的非谐性常数密切相关。由于氢原子质量小、振动振幅大，含氢基团的非谐性最为显著，因此近红外光谱主要反映以下含氢基团的信息：

基团 典型倍频/合频位置 常见载体
—CH 1100~2500 nm 脂肪烃、芳香烃
—NH 1450~2200 nm 蛋白质、胺类、酰胺
—OH 1400~2100 nm 水分、醇类、酚类
—SH 1950~2300 nm 硫醇类

其中，水分在 1450 nm 和 1940 nm 附近的强吸收峰是近红外分析中最显著的光谱特征之一，使得含水样品中微量组分的测量需要更高灵敏度的仪器和更精细的建模。

1.3 测量方式

根据样品形态和光学特性的不同，近红外光谱主要有四种测量模式：

  • 透射测量：适用于透明液体或薄膜样品，光穿过样品后到达探测器，光程固定，符合 Beer-Lambert 定律；
  • 漫反射测量：适用于固体粉末、颗粒等不透明样品，探测器收集样品表面反射回来的漫反射光，常用于谷物、饲料、土壤等分析；
  • 漫透射测量：光源和探测器分别位于样品两侧，探测器接收透过样品的散射光，适用于有一定厚度的半透明样品（如水果内部品质检测）；
  • 透反射测量：光进入样品经散射后，携带样品信息从入射面穿回并被探测，常用于浑浊液体、乳液等。

二、近红外光谱仪的分光方式

近红外光谱仪的核心功能是将复色光按波长分散并测量各波长下的光强度。根据分光原理的不同，常见方案包括滤光片型、光栅扫描型、DLP/DMD 数字微镜型以及傅里叶变换型。

2.1 滤光片型

固定波长滤光片型仪器采用一组窄带通滤光片（干涉滤光片）选择特定波长进行测量。结构简单、成本低、适合专用型在线仪器，但波长点有限、灵活性较差。滤光片轮方式虽可容纳多片滤光片，但机械移动影响了重复性和速度。

2.2 光栅扫描型

光栅扫描型是近红外光谱仪中最经典的分光方案，利用光栅的衍射效应将复色光色散为按空间排列的单色光：

  • 平面闪耀光栅：通过精确设计的闪耀角将衍射能量集中到特定级次和波长范围，配合狭缝和旋转机构实现波长扫描，广泛用于台式高精度实验室仪器；
  • 凹面光栅：兼具色散和成像功能，可简化光路、减少反射面数量、降低杂散光，适合便携式和小型化设备。

光栅的刻线密度（通常为 300~1200 线/mm）决定了色散能力和波长覆盖范围：高刻线密度提供更高分辨率，但自由光谱范围变窄，需权衡选择。

2.3 DLP/DMD 数字微镜型

数字光处理（Digital Light Processing，DLP）技术在近红外光谱仪中的应用是近年来的重要发展方向。其核心在于使用德州仪器（TI）的数字微镜器件（Digital Micromirror Device，DMD）作为可编程波长选择器——光栅色散后的光谱投射到 DMD 阵列上，通过程序控制各微镜的开关状态，选择特定波长或波长组合反射至探测器。

DLP 方案与光栅扫描型的本质区别在于探测器配置：

对比维度 传统光栅扫描（线阵探测器） DLP/DMD（单点探测器）
探测器类型 InGaAs 线阵（像素约 256 或 512） 单点 InGaAs 探测器（典型直径 1 mm）
信噪比 受限于小像素面积 单点大面积探测器信噪比更高
灵活性 固定波长范围，等间隔采样 可编程模式，灵活选择波长和分辨率
信号增强 无 支持 Hadamard 编码，显著提高信号强度

DLP 方案的另一突出优势是可编程性：用户可通过软件灵活调整扫描的波长范围和步长，在需要高分辨率时缩小步长，在需要快速测量时增大步长并提高光通量。此外，Hadamard 编码技术通过同时打开多列微镜进行编码测量，利用矩阵变换恢复光谱，在保持相同信噪比的前提下大幅缩短测量时间。

2.4 傅里叶变换型（FT-NIR）

傅里叶变换近红外光谱仪采用 Michelson 干涉仪结构，通过动镜扫描产生干涉图，经傅里叶变换获得光谱。FT-NIR 具备多通道（Fellgett）优势和高通量（Jacquinot）优势，波长精度高、分辨率可调，是高精度实验室分析的常用选择。但其对振动和环境温度敏感，便携化难度较大。

三、关键性能指标

3.1 波长范围

近红外区域通常划分为：

  • 短波近红外（780~1100 nm）：可使用硅基探测器，穿透深度大，适合透射和漫透射测量；
  • 长波近红外（1100~2500 nm）：需使用 InGaAs 或扩展 InGaAs 探测器，信息量丰富，是主流分析区间。

完整的 780~2500 nm 覆盖能获取含氢基团的高阶和低阶倍频及合频信息，对不同组分的区分能力更强。

3.2 光谱分辨率

分辨率指光谱仪区分相邻吸收峰的能力，通常以纳米（nm）或波数（cm⁻¹）表示。近红外光谱峰宽较宽（通常几十纳米），对分辨率要求不如中红外苛刻——5~20 nm 的分辨率已能满足大多数定量分析需求。但过高的分辨率反而会增加噪声和扫描时间，实际应用中需在分辨率、信噪比和测量速度之间取得平衡。

3.3 信噪比（SNR）

信噪比是衡量仪器稳定性和检测灵敏度的核心指标。高 SNR 对于检测低浓度组分和建立稳健的预测模型至关重要。SNR 受光源稳定性、探测器灵敏度、光通量、电路噪声等多重因素影响。DLP/DMD 方案采用大面积单点探测器和 Hadamard 编码，在信噪比方面具有天然优势。

四、化学计量学——从光谱到结果

近红外光谱是一种间接分析技术：不能像滴定或色谱那样直接获得浓度或含量，而必须借助化学计量学方法建立光谱与待测性质之间的关联模型。典型的建模流程如下：

  1. 样品光谱采集：选取具有代表性的校正集样品（通常 50~200 个），采集其近红外光谱；
  2. 参考方法测定：使用标准湿化学或仪器方法（如凯氏定氮法、烘干法、HPLC 等）测定每个样品的待测组分含量或性质；
  3. 光谱预处理：对原始光谱进行平滑、求导（Savitzky-Golay）、标准正态变量（SNV）或多重散射校正（MSC）等预处理，消除基线漂移、散射效应等干扰；
  4. 建立预测模型：采用多变量校正方法建立数学模型，定量分析常用的方法包括：
  5. 主成分回归（PCR）：先对光谱矩阵进行主成分分解，再与浓度回归；
  6. 偏最小二乘回归（PLSR）：同时分解光谱矩阵和浓度矩阵，提取潜变量，是目前应用最广泛的方法；
  7. 支持向量回归（SVR）、人工神经网络（ANN） 等机器学习方法，适用于非线性体系；
  8. 模型验证与评价：使用独立的验证集评估模型的预测能力，常用指标包括决定系数（$R^2$）、预测均方根误差（RMSEP）和相对预测偏差（RPD）；
  9. 未知样品预测：对未知样品采集光谱，代入已建立的模型，实时输出预测结果。

优秀的化学计量学模型是近红外分析成败的关键——"垃圾进，垃圾出"的原则同样适用于此，校正集样品的代表性和参考方法的准确性直接决定了模型的可用性。

五、应用领域

5.1 农业与食品

农业是近红外光谱技术最早和最成熟的应用领域：

  • 谷物分析：快速测定小麦、玉米、水稻等谷物的水分、蛋白质、淀粉、脂肪、纤维等含量，是粮食收储和贸易中的标准方法；
  • 油料作物：大豆、油菜籽、花生的含油率和脂肪酸组成分析；
  • 饲料工业：粗蛋白、粗纤维、灰分、水分等多指标同时测定；
  • 水果品质：利用漫透射模式检测水果的可溶性固形物（糖度）、酸度和内部缺陷；
  • 乳制品：奶粉、液态奶中蛋白质、脂肪、乳糖、总固形物的在线和离线检测；
  • 肉类：水分、脂肪、蛋白质含量，甚至嫩度、持水力的预测。

近红外光谱在食品领域的核心优势是快速（数秒至数十秒）、无需样品前处理（或仅需简单研磨）、可同时输出多个组分结果，显著降低了实验室人力与耗材成本。

5.2 制药工业

在制药领域，近红外光谱被广泛用于：

  • 原辅料身份鉴别：入库时快速确认原辅料种类和纯度，防止混淆；
  • 混合均匀度监测：在线监测粉末混合过程中活性成分的分布均匀性，确定混合终点；
  • 水分测定：干燥过程终点判断和成品水分质量控制；
  • 片剂含量均匀度：无损检测片剂中活性药物成分（API）含量是否均匀；
  • 包衣厚度与终点判断：在线监测薄膜包衣过程中的衣膜增厚。

制药行业对近红外技术的推动也极为显著——过程分析技术（PAT）概念的推广和监管机构（如 FDA）的认可，使近红外光谱成为现代制药质量控制体系中不可或缺的组成部分。

5.3 石油化工

  • 汽油辛烷值、馏程、苯含量、芳烃/烯烃含量等指标的快速测定，替代传统耗时费力的标准方法；
  • 柴油十六烷值、密度、馏程、硫含量的多指标同时预测；
  • 聚合物：聚乙烯、聚丙烯等产品的密度、熔融指数、共聚单体含量的在线监测；
  • 化工中间体：反应过程监测，终点判断，副产物含量控制。

5.4 环境监测

  • 土壤有机质、全氮、速效磷等肥力指标的快速检测，服务于精准农业；
  • 水体中化学需氧量（COD）、总氮、总磷等污染指标的快速筛查；
  • 固体废弃物热值测定，用于垃圾焚烧发电厂的入炉管理。

5.5 其他应用

  • 纺织：棉涤混纺比、纤维种类的快速鉴别；
  • 木材与造纸：木材密度、水分、纸浆卡伯值；
  • 生物能源：生物柴油的脂肪酸甲酯含量、乙醇发酵过程糖/醇浓度监测；
  • 临床与生物医学：血糖无创检测、血氧饱和度、组织氧合状态评估。

六、近红外光谱技术的优势与局限

优势

  • 快速：单次测量通常仅需数秒，适合大批量样品和在线实时分析；
  • 无损：样品测量后保持原状，无化学试剂消耗、无废弃物产生，真正绿色环保；
  • 无需样品前处理：固体、液体、粉末、浆状样品可直接测量；
  • 多组分同时分析：一个光谱即可预测多种组分含量，效率远高于逐一测定的传统方法；
  • 适合在线/现场分析：可通过光纤探头或在线流通池实现远程、连续监测。

局限

  • 依赖建模：必须建立并维护化学计量学模型，校正工作量大，模型传递需谨慎；
  • 灵敏度有限：检测限通常在 0.1% 量级，不适合痕量分析（ppm 及以下）；
  • 水分干扰：水分吸收强、谱带宽，可能掩盖其他组分信息，高水分样品中微量组分分析较困难；
  • 模型专用性强：一个模型通常只适用于特定类型的样品，更换样品类型需重新建模。

七、总结与展望

近红外光谱技术经过半个多世纪的发展，已从实验室走向现场、从离线走向在线、从单一指标走向多参数同步分析。其快速、无损、绿色、高效的特性，使其在从田间到餐桌的整个农业-食品产业链、从原料到成品的制药制造流程、从原油到聚合物的石化加工过程中发挥着不可替代的角色。

展望未来，近红外光谱技术的发展趋势包括：

  • 微型化与便携化：MEMS 技术、微型光谱仪芯片、智能手机光谱附件将使现场快检更加普及；
  • 智能化建模：深度学习和大数据技术将提升模型预测精度，降低对人工筛选校正样品和专业建模知识的依赖，模型自动更新与传递技术也将日趋成熟；
  • 多光谱融合：近红外与拉曼光谱、激光诱导击穿光谱（LIBS）、高光谱成像等多技术融合，将提供更全面、多维度的样品信息；
  • 云平台与物联网：光谱数据的云端存储、分析和共享，结合物联网实现远程建模、模型分发和仪器健康管理。

随着核心器件性能的不断提升和数据建模方法的持续进步，近红外光谱技术必将在更广泛的领域和更深入的程度上服务科学研究和工业生产，为智能制造和精准质检提供关键的感知能力。

本文由谱研互联整理编写