基于近红外光谱的蒲公英橡胶的研究进展

近红外光谱近年来在快速无损检测中得到了十分广泛的应用，利用其特质，组内近期致力于将近红外光谱应用于蒲公英橡胶含量的预测。目前已成功采集了蒲公英橡胶的光谱数据并对其进行了模型数据的预处理与建模分析。

近红外光谱的理论依据是物质内部分子从基态向高能级跃迁产生的吸收光谱，包含的物质主要的含氢集团的泛频和倍频振动峰信号，所以包含的光谱信息复杂且信息量大，同时由于谱带重叠严重，解析复杂，所以需要借助一系列的数学算法、化学计量学等技术进行处理。去除杂质峰，从而来提高后期模型建立的准确度。

可以看出原始的光谱中虽然有和样品信息相关的部分，但是仍然有许多的杂质相关的峰信息，在原始光谱的基础上我们进行了系统的样品数据的处理。常用的光谱预处理方法有：背景扣除、校准、平滑、求导、傅里叶变换、正交信号校正（OSC）等方法。不同的预处理方法会有不同的效果，经过我们的实际数据处理比对，我们目前得到的较为良好的预处理方法为傅里叶变换下的二次求导的方法。

在经过光谱的预处理后，我们即可对近红外光谱进行模型的建立与评价，从而得到一个比较完整、精确的数据评价模型，从模型的分析中，我们可以得到较为良好的预测，从而实现近红外光谱对于橡胶含量的快速无损检测。同时我们结合了组内之前的工作，利用GPC对橡胶含量进行检测建立标准曲线，与近红外光谱进行校正比对，从而能够提高近红外光谱的检测准确度。

后续的工作我们会进一步的完善近红外模型，从干胶和胶乳两方面同时进行模型的建立和评价，完成蒲公英植株的优选工作。