近红外光谱检测关键技术
溶液的近红外光谱检测技术-概述说明以及解释
溶液的近红外光谱检测技术-概述说明以及解释1.引言1.1 概述近红外光谱技术作为一种非常重要的分析手段，被广泛应用于溶液的检测和分析领域。
通过对样品吸收、反射或透射光谱的测量，可以获取样品的化学信息，实现对溶液中各种成分的定量和定性分析。
近红外光谱技术具有快速、无损、非破坏性等优点，逐渐成为现代溶液分析的重要工具之一。
本文将深入探讨溶液的近红外光谱检测技术，包括其原理、应用与发展情况。
通过对该技术的全面介绍，希望读者能对近红外光谱在溶液分析中的作用有更深入的了解，并为未来相关领域的研究和实践提供参考依据。
1.2 文章结构本文主要分为三个部分：引言、正文和结论。
在引言部分中，首先会对近红外光谱检测技术进行概述，介绍其基本原理和应用领域。
然后会详细描述本文的结构和目的，为读者提供一个整体的框架。
在正文部分，将首先介绍近红外光谱技术的基本概念和原理，包括光谱仪的构成以及如何进行光谱数据的采集和分析。
然后会重点讨论溶液的近红外光谱检测原理，包括溶液光谱的特征和检测方法。
最后会探讨该技术在不同领域的应用和发展情况。
在结论部分，将对文章中介绍的近红外光谱技术在溶液检测中的作用进行总结，概括其优势和局限性。
然后会展望未来该技术的发展方向，提出一些建议和展望。
最后会得出结论，强调该技术在溶液检测领域的重要性和前景。
1.3 目的本文的主要目的是探讨溶液的近红外光谱检测技术在化学分析和质量控制领域的应用。
通过对近红外光谱技术原理和溶液样品特性的分析，展示其在溶液成分分析、反应监测、溶解度测定等方面的优势和潜在应用。
同时，总结近红外光谱技术在溶液检测中的作用，探讨其未来的发展方向与挑战。
通过本文的研究，旨在为相关领域的研究和实践提供参考和借鉴，推动近红外光谱技术在溶液检测中的进一步应用和发展。
2.正文2.1 近红外光谱技术简介近红外光谱技术是一种非常重要的分析检测技术，它利用近红外光波段（700-2500nm）的光谱信息来获取样品的化学信息。
_近红外光谱解析实用指南_
_近红外光谱解析实用指南_近红外光谱解析是一种非常常用的分析技术，可用于定性和定量分析。
本指南旨在向读者介绍近红外光谱解析的基本原理、仪器设备、样品制备和数据分析方法。
一、基本原理近红外光谱是指在800至2500纳米波长范围内的光谱。
近红外光谱的原理是利用样品中分子振动和拉伸产生的光谱吸收特征来推测样品的成分和属性。
这些光谱特征是由于化学键振动、倾角、水合作用等引起的。
二、仪器设备近红外光谱仪是近红外光谱解析的关键设备。
现在市场上常见的仪器一般采用光栅技术，具有高分辨率和高精度。
仪器的重要参数包括光源、光路、检测器和光谱仪。
选择合适的仪器要考虑样品类型、分析要求和预算。
三、样品制备样品制备对于近红外光谱解析至关重要。
样品制备的目的是使样品以均匀、透明、薄膜形式呈现在仪器上。
常用的样品制备方法包括将样品粉碎后与固体粉末混合，或将液体样品稀释后滴在红外透明基底上。
四、数据分析方法近红外光谱解析的数据处理过程包括光谱校正、预处理、模型建立和模型验证等步骤。
首先，需进行光谱校正，如仪器平滑、波长校准和零点校准等。
接下来，进行样品的预处理，包括去噪、光谱标准化和特征选择等。
然后，构建合适的模型，可以采用主成分分析、偏最小二乘法或支持向量机等方法。
最后，进行模型验证和检验，评估模型的准确度和鲁棒性。
近红外光谱解析的应用非常广泛，涉及农业、食品、化学、药品、生物医学等领域。
它可以用于农产品质量检测、食品成分分析、药品质量控制等。
近红外光谱解析具有快速、非破坏性、准确度高等优点，因此备受研究者和工程师的青睐。
总结起来，近红外光谱解析是一种有效的分析技术，具有广泛的应用前景。
通过正确选择仪器设备，合理制备样品，以及采用科学的数据处理方法，可以实现准确、快速和可靠的分析结果。
希望本指南能够为读者提供有关近红外光谱解析的基本知识和实用指导。
近红外光谱(NIRS)分析技术及其在农业中的应用
标题：近红外光谱（NIRS）分析技术及其在农业中的应用作者：---- 摘自：农林科学院玉米研究中心摘要论述了近红外光谱（NIRS）分析技术的原理、技术发展进程及其应用现状、发展前景。
关键词：近红外光谱分析作物育种品质抗病虫应用在电磁光谱（EMS）中，400～700nm的可见光使生命得以生存，而位于可见光之外的近红外光谱（NIR，波长为0.75～2.5μm）可以分析生物的所有组分。
近红外光谱（Near Infrared Spectroscopy，简称NIRS）分析技术是20世纪80年代后期迅速发展起来的一项测试技术，在欧美等国，NIRS已成为谷物品质分析的重要手段。
由于可以非破坏性的分析样品中的化学成分，为当前作物育种研究领域的品质育种提供了一个新的技术手段。
1 NIR作为一种分析手段，可以测定有机物以及部分无机物。
这些物质分子中化学键结合的各种基团（如C=C，N=C，O=C，O=H，N=H）的伸缩、振动、弯曲等运动都有它固定的振动频率。
当分子受到红外线照射时，被激发产生共振，同时光的能量一部分被吸收，测量其吸收光，可以得到极为复杂的图谱，这种图谱表示被测物质的特征。
不同物质在近红外区域有丰富的吸收光谱，每种成分都有特定的吸收特征，这就为近红外光谱定量分析提供了基础。
但由于每一物质有许多近红外吸收带，某一成分的吸收会与其他成分的吸收发生重组，因此当测定某一复杂物质，如豆饼中的粗蛋白质时，在所选择的近红外光谱区会受到水、纤维、油吸收的干扰。
Herschel在1800年发现NIR光谱区，但NIR区的倍频和合频吸收弱、谱带复杂和重叠多，信息无法有效的分离和解析，限制了其应用。
随着光学、电子技术、计算机技术和化学计量学的发展，多元信息处理的理论与技术得到了发展，可以解决NIR术是依据某一化学成分对近红外区光谱的吸收特性而进行的定量测定，所以应用NIR光谱进行检测的技术关键就是在两者之间建立一种定量的函数关系。
近红外光谱技术在氨基酸发酵过程中的应用
近红外光谱技术在氨基酸发酵过程中的应用近红外光谱技术（NIRS）是一种非破坏性、快速、无污染的分析技术，被广泛应用于各个领域，包括食品、药物、化学等。
在氨基酸发酵过程中，NIRS可以用于监测关键参数的变化，优化发酵过程，并实现精准控制。
以下将详细介绍NIRS在氨基酸发酵过程中的应用。
首先，NIRS可以用于氨基酸发酵中关键参数的在线监测。
传统的分析方法需要样品的取样和处理，耗时且对样品有一定破坏性。
而NIRS可以快速、无损地获得样品的光谱信息，通过对样品的波长范围进行扫描，可以快速获得大量的化学信息。
通过建立模型，将光谱与关键参数的浓度进行相关联，可以实现对关键参数的快速监测和预测。
例如，可以通过NIRS监测发酵液中氨基酸的浓度变化，从而实现对发酵过程的实时控制和调整。
其次，NIRS可以用于优化氨基酸发酵过程。
发酵过程中，各种因素如温度、pH值、氧气含量等会对氨基酸的生产产生影响。
传统的优化方法需要耗费大量时间和资源，而NIRS可以在短时间内获取样品的光谱信息，并通过建立模型分析出关键因素与氨基酸产量之间的关系。
通过对关键因素进行优化，可以提高氨基酸的产量和质量。
此外，NIRS还可以用于氨基酸发酵过程中的过程控制。
发酵过程中，如何控制各个参数以实现最佳产量是一个关键问题。
传统的方法需要通过取样后进行离线分析再进行调整，耗费时间且操作不便。
而利用NIRS，可以在发酵过程中直接在线监测关键参数的变化，并通过建立模型对其进行预测。
通过实时监测和预测，可以及时调整控制参数，使发酵过程达到最佳状态。
最后，NIRS还可以用于氨基酸发酵过程中的质量控制。
传统的方法需要通过取样后进行离线分析，而NIRS可以实现在线、实时监测氨基酸的质量。
通过建立质量模型，可以将光谱与氨基酸的质量相关联，实现对质量的实时监测和控制。
通过及时调整相关参数，可以避免质量问题的发生，提高产品的合格率和一致性。
综上所述，NIRS作为一种快速、无损的分析技术，在氨基酸发酵过程中具有广泛的应用前景。
nirs_kit近红外氧合血红蛋白计算
nirs_kit近红外氧合血红蛋白计算近红外线光光谱分析技术（NIRS）在医疗诊断和组织代谢研究中发挥了重要的作用。
近红外光光谱分析技术能够通过测量组织中氧合血红蛋白和非氧合血红蛋白的吸收光谱，从而得到血液氧饱和度的信息。
然而，近红外光谱数据通常包含大量的噪声和干扰，需要进行预处理和特征提取，以便准确地计算氧合血红蛋白含量。
一、数据预处理在近红外光谱分析中，数据预处理是非常重要的步骤。
常见的预处理方法包括去除基线漂移、噪声消除、平滑处理等。
通过这些预处理方法，可以去除噪声和干扰，提高光谱数据的清晰度和准确性。
二、特征提取特征提取是近红外光谱分析的关键步骤之一。
特征提取通常包括计算光谱区域的差异、归一化、主成分分析等。
通过对光谱数据的特征提取，可以更好地反映样本的特征，从而提高分析的准确性。
三、近红外氧合血红蛋白计算基于上述预处理和特征提取的结果，可以进一步计算氧合血红蛋白含量。
近红外光谱中氧合血红蛋白的吸收光谱与非氧合血红蛋白的吸收光谱之间存在明显的差异，因此可以通过比较近红外光谱中的不同区域，来计算氧合血红蛋白含量。
通常使用偏最小二乘法（PLS）或支持向量机（SVM）等机器学习方法来建立模型，以便准确计算氧合血红蛋白含量。
四、结论近红外光光谱分析技术在医疗诊断和组织代谢研究中具有广泛的应用前景。
通过数据预处理和特征提取，可以有效地提高近红外光谱数据的清晰度和准确性。
同时，建立准确的模型来计算氧合血红蛋白含量，可以提高分析的准确性。
未来研究的方向包括开发更先进的算法和模型，以提高近红外氧合血红蛋白计算的精度和可靠性。
近红外光谱分析技术在农产品质量检测中的应用
近红外光谱分析技术在农产品质量检测中的应用近红外光谱分析技术（Near-Infrared Spectroscopy，简称NIRS）是一种非破坏性、快速、高效的分析方法，近年来在农产品质量检测中的应用越来越广泛。
该技术通过检测农产品样品中的近红外光谱信息，可以快速而准确地判断农产品的成分、质量和安全性，提高农产品的质量控制和食品安全监测的效率。
本文将介绍近红外光谱分析技术在农产品质量检测中的应用，并探讨其在未来的发展趋势。
首先，近红外光谱分析技术在农产品质量检测中的应用主要体现在成分分析方面。
农产品的成分分析是评估其质量、安全性和营养价值的重要指标。
传统的成分分析方法通常需要复杂的实验操作和耗时耗力的样品准备过程，而近红外光谱分析技术能够通过光谱信息直接提取样品的组分含量，无需样品破坏或前处理，大大提高了分析效率。
例如，通过近红外光谱分析技术可以快速测定粮食中的蛋白质、油分、水分和淀粉等关键成分，对于粮食质量的评估、产地溯源和贸易交易具有重要意义。
其次，近红外光谱分析技术在农产品质量检测中还可以用于判别品种或分类鉴别。
农产品的品种或分类鉴别对于保护农产品的地理标志、加强品种保护和品牌营销都具有重要意义。
传统的品种鉴别方法通常依赖于形态学特征或基因分析，而近红外光谱分析技术能够通过光谱图像的差异判断不同品种或分类的农产品。
研究表明，近红外光谱分析技术在茶叶、葡萄酒、水果和蔬菜等领域的品种鉴别上具有较高的准确性和可靠性，为农产品的品质认定提供了便利和可行性。
此外，近红外光谱分析技术还可以应用于农产品的质量检测和安全控制。
农产品的质量检测和安全控制是保障消费者权益和食品安全的重要环节。
近红外光谱分析技术可以通过检测农产品中的有害物质、污染物和残留物等，预测农产品的质量和安全问题。
例如，该技术可以用于检测农产品中的农药残留、重金属含量、真伪鉴定等方面，对于农产品的质量检测和食品安全监测具有较高的灵敏度和准确性，能够帮助农民和监管部门进行农产品质量控制和风险评估。
近红外光谱rpd-概述说明以及解释
近红外光谱rpd-概述说明以及解释1.引言1.1 概述概述随着科学技术的不断进步和人类对事物认识的不断深化，近红外光谱技术作为一种非破坏性、无接触、快速、准确、可重复性好的分析检测方法，在农业领域得到了广泛应用。
近红外光谱技术以其独特的物理特性和高度灵敏的分析能力，为农业种植、育种、病虫害检测、食品质量检测等方面提供了有力的支持。
近红外光谱技术基于物质与电磁波的相互作用原理，通过测量物质在近红外波段的吸收、反射和散射特性，获取物质的光谱信息。
通过对物质光谱进行分析和处理，可以推断出物质的组分、结构和性质等关键信息。
这使得近红外光谱技术在农业领域的应用变得无比重要和有益。
在农业生产领域，近红外光谱技术已经广泛用于对农作物品质、营养成分、水分含量、疾病害虫的快速检测和分析。
通过非破坏性的近红外光谱分析手段，可以准确、快速地对作物的成熟度、病虫害情况等进行检测评估，为农业生产提供科学依据和决策支持。
此外，近红外光谱技术在农业领域的应用还包括农产品质量检测、土壤养分分析、农药残留检测等方面。
通过测量近红外光谱与农产品的相互作用，可以检测和评估农产品的质量指标，如含水量、营养成分、残留农药等。
这为农产品的质量控制和食品安全提供了可靠手段。
尽管近红外光谱技术在农业领域的应用已取得了显著的成果，但也面临着一些挑战和困难。
比如，如何优化光谱数据处理算法，提高分析的准确性和稳定性；如何降低设备成本，提高仪器的可靠性和使用便捷性；如何加强标准化管理和监测体系建设，确保检测结果的可靠性和可比性等。
对于这些挑战，我们需要进一步研究和探索，以不断完善和拓展近红外光谱技术在农业领域的应用。
综上所述，近红外光谱技术在农业领域具有巨大的应用潜力和发展前景。
通过充分发挥近红外光谱技术的优势，我们可以更好地满足农业生产和食品安全领域的需求，提高农业生产效率和质量，推动农业可持续发展。
1.2 文章结构文章结构部分的内容可以包括以下内容：文章结构：本文主要由引言、正文和结论三个部分组成。
H_(2)S及CO的近红外波段光声光谱检测技术
H 2S 及CO 的近红外波段光声光谱检测技术张晓星1，2，陈振伟1，程宏图1，张引2，唐炬1，肖淞1（1.武汉大学电气与自动化学院，湖北武汉430072；2.湖北工业大学电气与电子工程学院，湖北武汉430068）摘要：SF 6常用于电力设备内部充当绝缘介质，在SF 6绝缘设备内部出现过热或局部放电时，进一步反应后还会出现SO 2、SOF 2、SO 2F 2、H 2S 、CO 等分解产物。
本研究基于光声光谱检测技术对H 2S 、CO 进行定量测量，从理论出发对影响光声信号的因素进行探讨，搭建光声光谱试验平台，根据气体的光声效应对气体进行光声光谱检测。
通过选择合适的气体吸收谱线作为特征谱线进行检测，避免其他组分气体存在潜在的交叉干扰。
根据HITRAN 仿真结果，选定的H 2S 气体特征谱线为6336.6cm -1，CO 气体特征谱线为6380.3cm -1。
结果表明：所测气体CO 、H 2S 的气体浓度与净光声信号幅值之间的线性度非常高，即通过测量气体光声信号值可精确反演计算出气体浓度。
在SF 6作为背景气体情况下，CO 检测下限为9.88×10-6，H 2S 检测下限为1.75×10-6。
关键词：气体近红外吸收；光声光谱；痕量气体检测；SF 6分解组分中图分类号：TM213文献标志码：A文章编号：1009-9239（2021）04-0095-07DOI :10.16790/ki.1009-9239.im.2021.04.016Near Infrared Photoacoustic Spectrum Detection Technology ofH 2S and COZHANG Xiaoxing 1,2,CHEN Zhenwei 1,CHENG Hongtu 1,ZHANG Yin 2,TANG Ju 1,XIAO Song 1(1.School of Electrical Engineering and Automation,Wuhan University,Wuhan 430072,China;2.Schoolof Electrical and Electronic Engineering,Hubei University of Technology,Wuhan 430068,China )Abstract :SF 6is often used in GIE as an insulating medium,it will decompose when overheating or appearing partial discharge inside GIE,the decomposition products,such as SO 2,SOF 2,SO 2F 2,H 2S,and CO will produce after further reaction.In this paper,the components H 2S and CO were quantitatively measured by photoacoustic spectroscopy detection technology,and the factors affecting photoacoustic signal were discussed theoretically.A photoacoustic spectrum experiment platform was built,and the gas was measured quantitatively based on the photoacoustic effect.Appropriate gas absorption lines were chosen as characteristic spectrum line to avoid the potential cross-interference of other gas components.According to the results of HITRAN simulation,the characteristic spectrum line of H 2S was chosen as 6336.6cm -1,and the characteristic spectrum line of CO was chosen as 6380.3cm -1.The results show that the linearity between the gas concentration of CO and H 2S and the amplitude of pure photoacoustic signal is extremely high,which suggests that the gas concentration can be accurately calculated through the measurement of photoacoustic signal value of gas.With the background gas of SF 6,the lower limit of detection for CO is 9.88×10-6,and the lower limit of detection for H 2S is 1.75×10-6.Key words:near infrared absorption of gas;photoacoustic spectrum;trace gas detection;SF 6decomposition com ‐ponents引言六氟化硫（SF 6）由于其优良的电气绝缘强度和良好的灭弧性能而常被用作高压电气设备的绝缘介质。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
两大原理
漫反射定量分析原理 近红外光谱分析与中红外、紫外可见光谱分析是完全不同 的。其测量方式主要是用漫反射技术完成，光与固体物质的 作用方式如下所示:
由光源发出的近红外光照射到固体物质后，进入样品内 部经过多次反射、折射和吸收后又返回到样品表面的光称为 漫反射光。其负载了样品的结构和组成的大量信息。但由于 漫反射光与样品的作用形式多样，除了样品的组成成分外， 其颗粒大小、软硬程度、颜色及温度等性质都会对漫反射光 的强度产生影响。因此，漫反射不遵守比尔定律，而遵守 Kubelka—Murk方程:
对光信号进行调制： 使用滤光片：
直流变交流，再通过后续滤波电路消除干扰信号
直接把不需要的光滤掉，减少量可靠的分光系统本身不会直接影响 到仪器的信噪比，但由于仪器中装载分光系统的可动部 件如光栅转轴、滤光片盘轴，在连续高强度的运行中可 能存在磨损问题，从而影响光谱数据的可靠性，这样也 可能会影响到仪器信噪比。 方法： 研制无移动部件光谱仪，直接使有用的光谱落在线阵探 测器的有效区域，这样整个分光系统就不存在移动部件 ，也就不存在磨损部件的问题。
探测器
合格的探测器一般都能满足使用要求，主要问题是探测器 多数对于温度十分敏感，保持恒温工作环境很重要。
方法： 人工通过安装空调、风扇、散热管等降温，另有一些高档 仪器会直接采用自带液氮、半导体制冷的探测器。
样品池
几乎所有近红外光谱仪在样品池的表面都是一个玻璃或石 英的盖子，其目的是保证样品有一个匀质的表面。但由于 各个盖子间的厚度不可能加工到完全一致，因此，盖子的 厚度和折射率的不同将影响分析结果的准确性。 方法： 配置开放式样品池，这种样品池没有玻璃或石英的盖子， 也就消除了由于盖子的不一致而产生的分析误差。但在装 样到上机扫描过程中，由于样品表面蒸发或吸湿作用，会 导致样品含水量的变化。
透射式近 红外光谱仪 适于半透明、大颗粒样品
漫反射式 近红外光谱仪 适于薄层、稀疏或粉末状样品
半反半透式 近红外光谱仪 结合前两种的优点，普适性好
近红外光谱仪的四个组成部分，每个部分都可能引入噪声。
光源
光源谱带足够宽 要保证光源的高稳定性 方法： 增大光信号强度：
噪声一定，增大光强=增加信号强度=提高信噪比
近红外光谱检测的关键技术
基本概念
近红外光谱分析技术主要利用有机分子的含氢基团在中红 外谱区的倍频与合频的吸收来分析分子的结构、组成、状 态等信息，记录的主要是C—H、O—H、N—H、S—H、 P—H等含氢基团振动的倍频、合频吸收。 不同基团(如甲基亚甲基、苯环等)或同一基团在不同化学 环境中的近红外吸收波长与强度都有明显差别。
光谱预处理技术
近红外光谱仪所采集的光谱数据不仅包含了被测样品的组 成和结构信息，而且还包含了噪音、背景及其它系统干扰 的信息。这些干扰信息使得近红外谱图信息复杂化，在有 些情况下甚至会湮没待测物质的信息。 光谱预处理主要内容就是是消噪。方法主要有滤波、基线 校正、归一化处理、多元散射校正。
滤波 一般认为，近红外光谱的谱带较宽，从频谱上看，有用 信息处于低频部分，而随机噪声一般处于高频部分；因 此，很容易通过平滑除去这部分噪声。 有关滤噪处理的数学方法有很多种，如小波变换、傅立 叶变换、奇异值分解及其它一些方法。这些方法在解决 不同类型的噪音、改善信噪比方面都各有特点。 其中，信号平滑是一种最常用的消除高频噪声干扰的方 法;其原理是将各数据点的值按一定的权重在自身和临 近点重新分配，得到较光滑的曲线;常用的平滑方法主 要有：平均窗口平滑法、中位值平滑法、savitsky— Golay平滑法等。
归一化处理 在使用多元校正方法建立近红外光谱分析模型时，将光谱 的变动（而非光谱的绝对量）与待测性质或组成的变动进 行关联。 基于以上特点，在建立定量或定性模型前，往往采用一些 数据增强算法增加样品之间的差异，从而提高模型的稳健 性和预测能力。 常用的算法有均值中心化、标准化和归一化等。从每个光 谱数据中减去各个样品的平均值，使所有数据都分布在零 点两侧，充分反映变化信息，消除光程或样品稀释等变化 对光谱响应造成的影响，并且可简化以后的回归运算。
多元散射校正
吸光度不仅与成分含量有关，还与样品颗粒大小、均匀性 及装样的松紧度有很大关系，这些因素统称为颗粒原因。 不同样品间吸光度的差异中通常只有极小部分与样品的成 分含量差异有关，其他绝大部分由颗粒度原因造成的吸光 度的差异可视为干扰信息，在对光谱进行分析时应当尽量 消除。 多元散射校正则在解决样品的粒径不均匀或测样容器不一 致对光谱的影响上有良好的效果。
基线校正 由于样品状态与测量条件的差异，导致近红外光谱的平移 或旋转，这对谱图解析造成了较大的干扰，如不加处理， 会影响所建立校正模型的质量和对未知样品预测结果的准 确性。 要消除这种干扰，可以通过基线校正处理，从而使校正模 型的稳健性更强。基线校正最常用的解决办法是对光谱进 行一阶导数或二阶导数处理，前者主要解决基线的偏移， 后者则解决基线的漂移。
仪器技术
关键在于：提高仪器的信噪比 表现在：吸光度的重现性
某一样品进行多次扫描，各扫描点下不同一次测量吸光度 之间的差异，通常用多次测量某一谱峰位置所得吸光度的 标准差表示。吸光度重现性对近红外光谱检测来说是很重 要的指标，它直接影响模型建立的效果和测量的准确性。
仪器系统由：光源、分光系统、样品池、探测器 组成。
信息提取技术
在近红外光谱分析中由于光谱谱带较宽、吸收峰重叠严重 、信息复杂。要使近红外光谱技术有所作为，就离不开信 息提取技术的支持。 光谱信息的提取有两种方式，一种是只提取特定波长点的 信息，在早期的光谱检测中经常使用这种方式。另一种方 法采用化学计量学知识进行连续谱校正，是现代近红外光 谱技术的特征之一。 不管哪种方式，都是建立在化学计量学(Chemometrics)理 论基础之上的。