近红外谱区早在1800年就被发现。但是，受当时光谱仪性能和信息提取技术条件的限制，在中红外光谱技术快速发展期间，近红外光谱分析技术应用并不多。不过，由于早期科学家使用近红外光谱和多元线性回归分析进行水分、蛋白和脂肪含量测定取得的研究结果，激励人们对近红外光谱分析技术进行不断地研究。

    随着计算机技术的高度发展和化学计量学学科的诞生，近红外与之结合产生了现代近红外光谱分析技术。近年来，尤其是近10年，近红外在仪器、软件和应用技术上获得了高度发展，以高效和快速的特点异军突起，曾被誉为分析巨人。

    如在事先建立好校正模型的基础上，一个人使用一台近红外光谱仪仅需2分种即可完成一个样品的全性质（十几种）的测量。与传统分析方法相比，分析工作效率具有划时代的改变。近红外光谱仪除消耗少量电能外，不消耗任何试剂、标准物质和设备零件，被测样品量仅为几毫升，极为经济。一台近红外光谱仪用于控制分析，可以替代多种多台分析仪器，节省了大量设备、人力和物力。因此，近红外光谱技术的应用将使许多化验室的繁忙状况得以改观。近红外光谱仪用于过程分析，可及时反馈分析数据，实现装置的平稳运行和质量卡边操作，可产生巨大的经济效益和社会效益。

    近红外光谱为分子振动光谱的倍频和组合频谱带，主要是含氢基团（C－H，O－H，N－H，S－H）的吸收。近红外光谱包含了绝大多数类型有机物组成和分子结构的丰富信息，不同的基团和同一基团在不同化学环境中的吸收波长有明显差别，可以作为获取组成或性质信息的有效载体。近红外吸收系数小，样品不经稀释直接测量，可分别用0.5～10厘米和0.1～0.5厘米长的测量池。样品池可用玻璃窗片，操作很方便。但近红外各谱带宽和交叠多，使用传统方法（工作曲线）难以进行定性和定量分析。现代近红外光谱分析依靠化学计量学和计算机技术有效地克服了这一局限。

    近红外光谱不仅能够反映绝大多数的有机化合物的组成和结构信息，而且对某些无近红外光谱吸收的物质（如某些无机离子化合物），也能够通过它对共存的本体物质影响引起的光谱变化，间接地反映它存在的信息。加上近红外光谱可测量形式如漫反射、透射和反射，能够测定各种各样的物态样品的光谱，因此，近红外光谱分析已被广泛地应用到石油化工、农业、食品、生化、医药临床、造纸和环保等领域。

    近红外光谱可以快速测定谷物和麦子的蛋白、脂肪和水分含量和硬度等性质。美国官方检测机构在谷物市场采用近红外光谱仪Infratec Models 1225和1226作为检测麦蛋白、豆蛋白和油脂含量的标准仪器，替代了传统的费时费力的克氏定氮和油脂抽提分析方法，每年平均分析16500个豆样品， 500000个麦样品。我国曾在小麦优良品种的筛选工作中使用了近红外光谱快速分析技术，大大提高了工作效率。加拿大谷物研究实验室使用近红外光谱快速测定硬质小麦的黄色颜料含量，分析结果与标准方法测定结果十分符合，对于硬质小麦的筛选可提高工作效率。近红外光谱在农业中的应用最早，分析的项目种类很多，如谷物产品缺陷和污染（杂种、虫害等）分析、家畜饲料品质分析，作物年龄测定、水果品质（甜度、脆度和口感）和蔬菜等级检验、棉花和木材的等级测定、烟草品质及成分测定等，替代传统分析方法，大大节约时间和分析费用。

    近红外光谱技术不仅能测定饲料中的常规成分，如水分、粗蛋白、粗纤维、粗脂肪、粗灰分，而且能测定饲料中的微量成分，如氨基酸、维生素、有毒有害物质，现在近红外光谱技术已经向饲料营养价值评定方面发展。

    一、常规成份的检测
    
   近红外光谱分析技术(NIRS)用于测定谷实类、油料作物籽实的水分、粗蛋白质可获得满意的结果。 许多学者在这方面做了研究工作。Norris最早应用NIRS法测定了谷物的粗蛋白、水分和脂肪含量，其后Law(1979)、Williams(1985)、Hartwig(1990)等用NIRS测定了谷实类、油料籽实的粗蛋白质和水分含量。到1978年加拿大和美国两国的谷物协会已将近红外光谱分析方法作为公用方法。 国内也有许多学者在这方面做了研究工作，如农科院畜牧所的任鹏(1993)用NIRS对四种能量饲料(玉米、小麦、高梁、米糠)及两种蛋白饲料(米糠饼、豆粕)做了水分和粗蛋白质的定标和检测。水分分析的准确性基本达到烘干减量法水平，其定标的相关系数为0.94～0.99；预测标准误差为0.14～0.34%；变异系数为1.4～ 4.9%。

    能量饲料粗蛋白质NIRS 测值与化学法测值的相关系数达0.95以上（表2）。米糠饼和豆粕的粗蛋白估测值效果较差，只能达到粗估水平。对粗纤维、粗灰分的估测效果不理想，需作进一步的研究。李大群等(1989)测定了大麦和小麦中粗蛋白含量，结果表明NIRS 法与常规法有较好的相关性。冯平(1986)用NIRS法测定的麦麸粗蛋白和粗纤维值与常规法测值相当近似，但粗脂肪和粗灰分的NIRS法测值与常法比只能达到粗估水平。

    二、NIRS进行氨基酸的检测 

    Williams（1984）用NIRS测定了小麦的氨基酸含量，结果表明近红外预测值与实测值的标准差小于2.07％，变异系数除蛋氨酸外均小于0.8％；大麦14种氨基酸中除蛋氨酸外，化学法测值与近红外值间的相关系数（r）为0.93～0.99，变异系数均小于6.5%。吴秀琴（1985）用近红外仪测定了小麦种子中的赖氨酸含量，化学法测值与NIRS值间的相关系数达0.95，相对误差不超过5％。 冯平（1986）测定了小麦麸中赖、精、苏、缬、亮、组氨酸的定标，相关系数在0.84～0.97之间，相对偏差在5％以下。魏瑞兰（1987）作了花生粕中赖、精、组、缬、亮、异亮、苏、苯丙氨酸的定标及检验。定标相关系数均在0.970以上，残余标准差（RSD）分别为0.04%、0.16%、0.03%、0.05%、 0.08%  0.06% 、0.3% 和0.03%，变异系数均在3.7%以下，达到了定量水平。陆国权等（1987）做了甘著干中氨基酸的定标，9种必需氨基酸的NIRS测值与化学法的测值的复相关系数为0.92～0.98，其中蛋氨酸为0.84，残余标准差在0.02% 以下，8种必需氨基酸变异系数为3.4%～11.4%，蛋氨酸的变异系数为13.4%；15个检验样品的上述两值间的相关系数为0.55～0.91，变异系数为6.2～22.6%。除蛋氨酸外，其它氨基酸均达到了实用程度。杜荣等（1990）用40个裸大麦进行了11种氨基酸的定标，除蛋氨酸和胱氨酸外，其余9种氨基酸的相关系数均大于0.95，变异系数小于6%。

10个样品的检验结果表明，相关系数在0.88～0.99之间，变异系数为2.25～6.50%。D.A.Jackson（1996）等做了动物产品（肉骨粉 、鱼粉和家禽副产品）及植物产品（玉米、小麦、大麦）的通用定标方程，及肉骨粉、鱼粉和豆粕、玉米的定标方程，相关指数（R2）都大于0.90，标准差介于平均值的5％～10%之间，取得了令人满意的定标效果。

    三 、NIRS进行有效能的检测

    NIRS技术向评定饲料营养价值方向发展，已有一些学者在此方面进行了研究工作。冯平等(1986)用NIRS对小麦麸猪的消化能（DE）及鸡的代谢能（AME）进行了测定，相关系数在0.96以上。DE的残余标准差（RSD）为0.07兆卡/千克，变异系数为3％，AME的 RSD为0.11兆卡/千克，变异系数为5.6%。杜荣（1992）等用NIRS进行了鸡代谢能（AME）和猪消化能（DE）的定标，相关系数分别为0.863和0.897，残余标准差（RSD）为0.06兆卡/千克，变异系数为2.0%和1.9%，达到了粗估水平。陆国权（1992）用NIRS进行了甘薯干代谢能和猪消化能的估测，相关系数分别为0.912和0.694，残余标准差（RSD）为0.06和0.10兆卡/千克，变异系数为2.1%和3.0%。叶继丹等做了向日葵仁粕的有效能定标，鸡表观代谢能（AME）和猪离体消化能（IVDE）的相关系数为0.991和0.995，残余标准差（RSD）为0.26和0.25兆焦/千克，估测变异系数为5.0%和3.4%。

    四、NIRS进行可消化氨基酸的估测 

    NIRS技术用于预测饲料中真可消化氨基酸的研究还处于探索阶段，是本领域研究的热点和方向，在此方向研究的国内外学者并不多。魏瑞兰（1987）等用NIRS进行了花生饼表观可利用氨基酸（AAAA）的定标，结果指出生物学法测值与NIRS法测值间呈强相关(0.85～0.982)，估测变异系数分别为3.2～9.9％。除赖氨酸AAAA测试精度较差外，NIRS法AAAA测值均达到了与动物法测值相近似的水平，表明通过系统的标样及软件研制工作，NIRS分析技术可作为饲料可消化氨基酸的一种快速评定手段。

    D.A.JACKSON(1996)用NIRS进行真可消化氨基酸的定标研究。结果表明，动物蛋白（包括肉骨粉、鱼粉和家禽副产品）、谷物（包括玉米、小麦和大麦）的通用定标及肉骨粉、鱼粉和豆粕（见表3）特殊定标方程的相关系数均在0.90以上，认为NIRS能够替代体内法预测可消化氨基酸。D.A.JACKSON研究的定标方程以通用定标方程为主，特殊定标方程的研究是将来研究的方向。

    体内测定氨基酸消化率费时、昂贵，在实际配方时不能做到实测，常用查表或用体外法来预测氨基酸消化率。所以近年在体外预测氨基酸消化率方面做了大量的研究。常用体外酶法估测可消化氨基酸，创造与体内相似的条件。因许多因素影响体内消化率，体外条件不可能完全模拟体内。它不仅要考虑体内酶的消化，而且要考虑肠道微生物的活动。由于肠道后段的发酵作用，许多研究消化生理的学者（Tanksley和Knabe, 1984; Just, 1985; Sauer和Ozimek, 1986等）建议消化率应在回肠末端测定, 尤其是氨基酸的消化率。评价体外方法的优劣时，应特别注意那些简便，快速和重复好的方法，并且用同种饲料测定时体内法与体外法有高度相关。而那些复杂的方法花费大，操作技术要求高，实用性差。
但这些体外方法都存在以缺点：耗费时间或价格昂贵。对于那些花费时间长，程序繁琐或者非常昂贵的预测方法根本无法应用于日常分析，它们与NIRS技术相比，是没有多少实际意义的。

    相反，NIRS技术却适应这种需要快速分析的要求，它的精度虽低于实测值，但与查书面值和某些其他体外预测方法相比，进行实际的应用是可行的，也只有通过NIRS技术才能使以可利用氨基酸配合日粮成为可能。    

    五 应用前景和有待近一步研究的问题

    NIRS技术有广阔的应用前景。测定成份由测定水分、粗蛋白质、 脂肪、糖、淀粉、纤维素等成份发展到测定烟草中的尼古丁、 咖啡碱及饲料中的某些有害成份，如，棉酚、总葡萄苷、植酸磷以及氨基酸、可利用氨基酸和有效能的测定。测试准确性来看，在测定饲料原料水分、 大多数谷物及牧草的蛋白质含量、动物性副产品、豆饼及大多数饲料原料、脂肪含量低于5%饲料的脂肪及油分方面,均可达到较好的预测效果。 对于动物性副产品，鱼粉或含较高动物性副产品及鱼粉的配合饲料的蛋白质的测定，准确性稍差。对饲料的粗灰分、粗饲料中的矿物元素的测定，虽然NIRS 法与化学法存在一定相关，但仍不能达到实用程度。

    除此之外，NIRS还用于产品质量及原料的在线分析。

    近红光谱分析技术虽是具有快速、简便，相对准确等优点，但该法估测准确性受多种因素的影响。其中以样品的粒度及均匀度影响最大，粒度变异直接影响近红外光谱的变异。定标样品选择对近红外分析估测准确性影响也很大。标样选择时不仅要考虑样品成份含量和梯度，同时应考虑标样的物理、化学及植物学特性，使定标软件具有广泛的应用范围。对于开放性定标方程应不断增加标样，使定标样品群尽可能包容各方面的变异特性，不断完善定标软件。特别是做为近红外光谱分析的基础方法--化学法的准确性也是影响其估测准确性的重要因素。

   尽管近红外光谱分析技术在估用范围愈来愈广泛，已被应用于农业、饲料及食品等行业。因此，近红外光谱分析技术在饲料质量监测方面有广阔的应用前景，该法的出现为现场快速监测饲料质量提供了可能。除此之外，近红外光谱分析技术还可用于产品质量及原料的生产线抽样（on-line）分析，通过监控饼粕类饲料加工过程壳的数量，保证饼粕的各项指标要求。美国明尼苏达州利用可移动近红外光谱分析实验车（大蓬车）到田间或交易市场为用户分析牧草样品，提供适时收割的日期，提供饲料配方，在提高饲料、牧草的可消化性及其营养价值方面收到良好的效果。

    1992年9月，美国国家牧草协作组已同美国农业部及Nebraska大学合作，建立直播牧草的近红外光谱分析定标网络，该网络是中心实验室应用近红外光谱仪，选择数百个样品在近红外光谱区挑选最适宜波长制定定标方程，这些定标方程可通过电话线传送到边远农场设置的近红外光谱仪，农民就可利用该定标方程分析牧草的品质，同时农民测试结果又反过来通过网络输送到中心实验室，并可使定标软件进行修正。因此不久的将来，美国及欧洲的农民可通过近红外网络，定期地从中心实验室获得新版本的定标软件，用于田间牧草品质分析。

    我国近年来进口了一大批各种型号的近红外光谱仪，“七五”期间还研制成功了用于农产品分析的近红外光谱分析。如前所述，软件是影响测值准确性的关键，因此有必要建立一套适用于我国国情的各种饲料原料及产品的定标软件，充分发挥已有的硬件的作用。

    对于已购置近外仪器的饲料加工厂，应立足本场，在进行产品、原料质量监测的同时，不断收集样品，逐步建立适宜于本场的常用原料及配合饲料的定标软件，使该仪器充分发挥其在质监中的快速、简便、准确的优势。

　

0前言

    近红外光(near infrared，NIR)是介于可见光(VIS)和中红外光(MIR)之间的电磁波，美国材料检测协会(ASTM)将波长780~2526nm的光谱区定义为近红外光谱区。近红外光谱主要应用两种技术获得：透射光谱技术和反射光谱技术。透射光谱波长一般在780~1100nm范围内；反射光谱波长在1100~2526nm范围内。近红外光谱区(NIR)是由Herschel在1800年发现的。真正用于农产晶方面的实用分析技术始于20世纪60年代。Karl Norris等人首先用近红外光谱区测定谷物中的水分、蛋白质。但是由于分子在该谱区倍频和合频吸收弱，且谱带重叠严重，给分析和鉴定带来了困难，以致于NIR分析技术的研究曾一度陷入低谷，甚至处于停止阶段。20世纪80年代，随着计算机技术、仪器硬件的迅速发展，以及化学计量学方法在解决光谱信息提取和消除背景干扰方面取得的良好效果，使得近红外分析技术不仅用于农产晶、食品和生物科学领域，而且还应用到石油化工、烟草、纺织、环保等行业。

    1 近红外光谱分析原理

    近红外光谱是由于分子振动能级的跃迁(同时伴随转动能级跃迁)而产生的。近红外分析技术是依据被检测样品中某一化学成分对近红外光谱区的吸收特性而进行的定量检测的一种方法。它记录的是分子中单个化学键的基频振动的倍频和合频信息，它的光谱是在700—2 500nm范围内分子的吸收辐射。这个事实与常规的中红外光谱定义一样，吸收辐射导致原子之间的共价键发生膨胀、伸展和振动。中红外吸收光谱中包括有C—H键、C—C键以及分子官能团的吸收带。然而在NIR测量中显示的是综合波带与谐波带，它是R—H分子团(R是0，C，N和S)产生的吸收频率谐波，并常常受含氢基团X—H(X—C、N、O)的倍频和合频的重叠主导，所以在近红外光谱范围内，测量的主要是含氢基团X—H振动的倍频和合频吸收。使用NIR技术是因为它与样品相互作用时输出的能量效率比中红外光更为实用。

    NIR的辐射源(仪器上的灯)要比用在中红外的能量高得多，而且它的检测器也具有更高检测效率。这些因素意味着NIR仪器的信噪比值远高于中红外仪器。较高的信噪比意味着样品的观测时间可比中红外仪器短得多。近红外辐射对于样品的穿透性也较高，因此样品的前处理常较中红外简单。

    近红外光谱根据其检测对象的不同分成近红外透射光谱(NIT)和近红外反射光谱(NIR)两种。NIT是根据透射光与入射光强的比例关系来获得在近红外区的吸收光谱。NIR是根据反射光与入射光强的比例来获得在近红外光谱区的吸收光谱。

    近红外分析技术是综合多学科(光谱学、化学计量学和计算机等)知识的现代分析技术，使用包括NIR分析仪、化学计量学光谱软件和被测物质的各种性质或浓度分析模型成套近红外分析技术等。经过对这种模型的校正，就可以根据被测样品的近红外光谱，快速计算出各种数据。建立被测样品成分的模型时，主要用到的校正方法有多元线性回归法(MLR)、主成分分析法(PCA)、偏最小二乘法(PLS)、人工神经网络法(ANN)。

    2 近红外定量分析的性能与特点

    近红外分析技术是依照物质特征峰的强度来测定各组分的含量，关键是要建立时间与空间都稳定的数学模型——定标方程来预测样品成分含量，因此，定标方程的专一性很强。对某种物质成分含量进行定标时，两方面的因素对其有重要影响：一是定标样品必须具有代表性且数量不能过少(一般应达40个以上)；二是必须对定标样品成分进行准确的化学分析。近红外定标完成后还须经内部验证(对定标本身的·准确性进行检验)和外部验证(对应用定标分析未知样品的准确性检验)才能最终应用于生产实践。

    近红外光谱技术之所以成为一种快速、高效、适合在线分析的有利工具，是由其技术特点决定的。首先它适用的样品范围广，可以直接测量液体、固体、半固体和胶状体等不同物态的样品，测量方便，对样品不需要任何前处理，可进行无损检测；其次它的分析效率高，可进行多组同时测定，并且根据已建立的相应数学模型得出样品的多个组分的定性和定量结果；另外它的分析速度快，整个测量过程大多可在1rain内完成。在现实世界中，农产品与工业产品的成分分析面临着许多困难，分析结果常因样品基体的取样量、平均重量和基本成分差别而有异同。当面对大量样品(如工业产品)，而传统方法又不能及时提供可靠数据时，NIR分析却能快速无误地做到。

    3 近红外分析技术在粮油检测中的应用

    3.1 在粮食中的应用

    在粮食作物品质鉴定上，近红外使用最为成功、应用最为广泛的是分析小麦、大麦中的粗蛋白质。小麦的硬度是磨粉或食用时的重要指标，Brown等人通过对小麦粉的近红外技术研究得出结论，硬小麦品种中，水分与小麦硬度呈线性关系；而软小麦没有这种关系，并断定不论软硬小麦品种，其硬度与蛋白质都呈正比关系。Stefanis曾比较了小麦粉样品近红外测定结果与常规方法测定结果的差异，结果发现水分含量、蛋白质含量、干面筋的相关系数分别为0．95、0．98、0．92L2J。Manlev等讨论了光的散射对小麦反射光谱和透射光谱的影响。Chiba等还就近红外技术在面粉定级中的应用进行了研究。胡新中把近红外技术应用到小麦商品粮收购中。Zwingelberg已把光学在线测量系统应用于硬小麦加工产品的质量控制，实时对小麦蛋白质含量和粉粒粒度进行在线测量。王京宇等研究了水分含量对近红外光谱技术测定小麦蛋白质结果的影响。Jin Hwan Hong在荞麦方面也进行了近红外光谱研究，最后他认为近红外技术是一种快捷、准确、无损检测荞麦蛋白质、水分及干面筋含量的方法。高文淑等用近红外漫反射光谱法测定了谷子、玉米中的多种氨基酸含量。赵环环等利用傅里叶近红外漫反射光谱技术和PLS算法相结合，对玉米籽粒样品中的蛋白质含量进行分析，结果显示预测模型对预测样品的预测结果比较理想。在啤酒酿造业中，Sinnaeve等人通过对大麦质量和发芽质量的近红外光谱分析，结果显示不但可以预测大麦中的水溶性粗蛋白质含量，还可对精炼蛋白可溶性氮进行预测。安岭等利用近红外透射光谱技术评价大麦的品质。在饲料行业，丁丽敏等人用近红外技术测定棉籽粕、菜籽粕中的真可利用氨基酸含量，定标结果表明，棉籽粕除胱氨酸和色氨酸，菜籽粕除赖氨酸外，其它氨基酸的变异系数都在7％以下，经检验证明其定标具有良好的预测性能，近红外技术可作为日常测定真可消化氨基酸的实时分析方法。卢利军等对黄豆粕中的水分、蛋白质和粗脂肪进行了近红外光谱研究，结果与常规法测定结果呈密切相关。Villareal和Delwiche分别对大米直链淀粉含量用近红外光谱技术进行了测量。Delwiche等用近红外反射光谱测定稻米中的表观直链淀粉含量。舒庆尧等人用近红外反射光谱技术测定了小样本糙米粉中表观直链淀粉含量、糊化温度和蛋白质含量，还对精米粉样品中表观直链淀粉含量进行了近红外光谱技术研究及近红外光谱测定技术校正设置的优化。刘建学等人通过用近红外光谱的神经网络法来预测大米中的直链淀粉含量。

    3.2  在油脂方面的应用

    近红外光谱可以有效地用于作物中油脂含量的测定。Starr等在油菜籽近红外品质分析中取得较大的进展]。高文淑等用近红外光谱法测定了谷子中的粗脂肪含量。顾伟珠等建立了用近红外分析技术测定整粒带壳油菜籽含油量模型。吴建国等用近红外光谱法整粒测定油菜籽含油量，并得到很好的相关性(R=0.961)。王林友等用傅里叶变换近红外漫反射光谱法测定完整油菜籽含油量、油酸和硫甙，结果表明，该方法与常规方法有类似的准确性和精确性，其定标方程的决定系数分别为0．9924、0．9942、0．9841。张哗晖等用傅里叶近红外光谱法对油菜籽三种品质性状进行了初步研究。吴建国还对近红外光谱在测定油菜籽芥酸和硫甙时的技术进行优化设置。Voor等检测了脂肪和食用油的顺式和反式含量的百分率，他们以纯净甘油三酯为标准，用偏最小二乘法作为化学统计来预测油中的顺式和反式含量。David Pazdernik等用近红外技术分析了大豆中的氨基酸和脂肪酸的含量。在油脂工业中，近红外技术可以用来检测油脂不饱和程度。陈斌用近红外光谱分析技术检测了方便面的含油率，结果显示用小波变换法可提高方便面含油率近红外光谱的定量分析精度。赵龙莲等用傅里叶变换近红外光谱法测定完整的单粒玉米中油分的含量。

    4 近红外光谱分析技术的展望

    尽管目前近红外光谱分析技术还存在不足，如不同地区的不同单位，在近红外仪器的定标过程中，往往采用各自测定的标样，不同单位的标样之间有一定的差异，导致测定的结果也有一定的差异。样品的粒度大小、均匀程度及装样方法对漫反射测量结果的精度都有较大的影响，预测能力及预测精度有待进一步提高，但随着计算机技术、光谱学和化学计量学的不断发展，这些问题都会得以解决。近红外光谱分析技术不仅用在工农业生产过程中的检测，包括品质分析和质量控制，配以相应的附件或利用专用的在线分析仪，还可实现在线分析过程的质量监控。总的来说，近红外光谱分析技术在我国有广阔的应用前景，NIR工作者应大力研究并推广此项技术。