李鑫++宾俊++范伟++周冀衡++陈沃若

摘要 近红外光谱（NIR）以漫反射模式对非均质样本进行测量时，由于其光谱散射和吸收系数差异较大，建立的校正模型准确性和稳健性较低，因此，本研究提出了一种基于均质样本和模型转移方法建立混合模型的策略，解决非均质样本近红外光谱检测的问题。以烟叶样本为研究对象，分别建立了基于henk专利算法（henk′s）、分段直接标准化（PD）和基于典型相关分析的模型转移算法（CCCA）的烟粉+烟丝、烟粉+烟片混合模型，用于烟丝和烟片样本中烟碱含量的预测。结果表明，混合模型对烟丝和烟片样本的预测均方误差（RMEP）较直接建模分别降低了139%和273%，预测结果有一定的改善，稳健性提高，3种方法中CCCA表现最优。因此，采用近红外光谱均质模型和模型转移方法建立的混合模型对非均质样本的测定具有可行性，有利于在线近红外光谱分析技术的发展，可为近红外光谱模型的共享提供参考。

关键词 校正模型； 均质样本； 不同物理状态； 模型转移； 混合模型

1引 言

近红外光谱（NIR）技术是一种简单、快速、无损的分析方法，已广泛应用于石油、化工、烟草、食品、医药等领域＼[1～5＼]。漫反射测量是NIR最常用的测量模式，样本状态对测量过程的影响较大。研究表明，非均匀样本的物理状态将会导致光谱散射及吸收系数的变化，从而可能降低模型的准确性和鲁棒性＼[6，7＼]。因此，NIR校正模型多建立在粉末或均质样本的基础上。而在许多应用中，如在线生产、质量控制、原位分析等＼[8～10＼]，样品都是非均匀状态的，所以为了保证模型长期的可靠性和准确性，可采用模型转移和混合建模的策略修正样品状态变化造成的影响。……