倪力军，肖丽霞，张立国，栾绍嵘

(华东理工大学 化学与分子工程学院，上海 200237)

近红外光谱技术(Near infrared spectrum,NIRS)由于无需采用化学方法进行样品前处理，具有绿色、高效、无损和便于在线检测等优点，在药物、食品、石化、农产品、饲料、烟草等行业得到了广泛应用[1]。其基本原理是以光谱信息为自变量(X)，待测性质为因变量(Y)，采用各种统计回归方法建立Y与X之间的数学关系后，根据待测样品的光谱信息实现对样品性质的快速预测[1]。建立一个可靠的近红外光谱模型需采用常规分析方法确定几十乃至上百个定标样品的Y值，然后进行模型的优化和建立,样品收集及建模过程耗费大量人力和物力，通常希望在源机(主机，Master)上所建光谱模型可在从机(目标机，Slaves)上共享[2]。

在实际运用中，由于仪器生产批次不同、使用环境及零部件更换、样品测试温度、湿度[3-4]等因素的影响，导致仪器间光谱信号存在差异，使得主机模型转移到从机时“失效”[5]。解决模型“失效”的过程称为模型传递[6]。实现近红外模型传递的方法主要分为有标样和无标样两类[7]。有标样的算法通常选取若干样品作为转移集，根据转移集的主机与从机光谱对从机光谱或主机模型进行校正。由于标样性质会随时间推移发生变化，且在不同仪器上同时测量标样光谱困难，影响了该方法的应用。无标样模型传递过程中无需提供标样光谱，通常利用基线校正、数字滤波[8]、光谱求导等方法减小仪器间的光谱差异，或通过模型参数校正实现无标样模型传递[9]。……