中红外光谱分析

HAMAMATSU（滨松） PHOTONICS近红外光谱在食品分析中的作用近红外光谱（NIR）是指在750至2500 nm的电磁光谱近红外区域内研究物质和光之间的相互作用[1]。当红外光与样品分子相互作用时，每个波长反射、透射和吸收的电磁能的量取决于样品中存在的键类型[1]。C-H、N-H和OH振动键在近红外区域最普遍，决定了给定物质的光谱形状。近红外光谱通常用于测量和量化样品的近似成分，如蛋白质、水分、干物质、脂肪和淀粉。此外，近红外光谱反映了其物理性质或特性[1]。因此，当应用于食品时，样品的近红外光谱不仅可以提供有关食品化学成分的信息，还可以通过不需要使用试剂的无损、快速和清洁的方法提供有关其功能的信息[2]。便携式仪器的影响直到最近，近红外技术才向小型化设备发展，使近红外分析从实验室进入现场成为可能。便携式近红外光谱是监测作物质量、确定最佳种植条件和收获时间的绝佳工具。鉴于食品易受含量变化的影响，需要保持新鲜以防止质量损失，以及非法掺假的可能性，控制食品质量的重要性怎么强调都不为过。此外，食品生产、配送链的复杂性以及将分析时间降至最低的需要，使便携式光谱仪在该领域向前迈出了革命性的一步[5][6]。用于食品分析的近红外光谱示例Parastar等人将计算技术应用于近红外分析仪获得的吸收光谱，能够准确区分新鲜肉和解冻肉，并根据鸡的生长条件对鸡柳进行正确分类[3]。使用类似的工具，Kucha和Ngadi能够评估猪肉末的新鲜度[4]。这些计算方法，通常被称为“化学计量学”，使用多种算法和统计技术，如多元线性回归、偏最小二乘回归和主成分分析来分析来自光谱仪的数据。这些方法将光谱信息转化为与样品相关的化学和功能特性[2]。便携式近红外分析仪改善奶牛健康，优化灌溉和收割时间便携式近红外分析仪已被用于饲料和牧草的农场监测，以评估其质量。在这个过程中，将饲料样本放在扫描仪前进行分析，并将结果提供给农民或营养学家。这使他们能够及时做出有关提要的管理决策，将获得结果所需的时间从几天缩短到几秒钟。例如，牛饲料中玉米青贮饲料的干物质含量每天变化很大，在六个月内高达41%。通过现场调整，奶牛可以获得更一致的口粮，从而改善牛群的总体健康状况。这是通过血液参数的变化和乳腺炎的减少来观察的，从而增加了产奶量。此外，这项技术可以潜在地减少饲料浪费，从而降低成本并增加收入[7]。便携式近红外光谱法的另一个有价值的应用领域是对作物生长各个阶段的实地评估。Tardaguila等人研究了在不同环境条件下生长的八个不同品种的160片葡萄叶片的吸收波长。他们专门针对含水量评估来确定葡萄酒行业灌溉的优化策略[8]。在收获季节，近红外光谱已被用于评估橄榄果实[9]、葡萄[10]和番茄[11]在树上的成熟度，从而优化收获时间，甚至使用农业机器人实现自动化水果采摘。收获后，近红外光谱技术有助于农民、消费者和质量控制官员对产品质量进行快速无损检测。这项技术还允许检测由于将传统生产的水果错误标记为有机水果而导致的菠萝欺诈[12]。FTIR光谱提供更高的通量和更好的灵敏度在近红外光谱中，分析有机材料的吸收光谱主要有两种方法。第一种方法是基于二极管阵列的光谱学。该技术使用色散光栅将从样品反射或透射的光分离为其波长分量。然后将每个分量聚焦在线性检测器阵列的不同像素上。这种方法速度相当快，可以用于实时测量。然而，二极管阵列光谱仪的光通量与其光谱分辨率成反比，这限制了其有效性。此外，在近红外区域敏感的线性阵列的高成本可能会限制其在某些应用中的应用，特别是在农业和食品中。获得吸收光谱的第二种方法是傅立叶变换干涉测量法。在这种方法中，入射光被分成两条路径，一条指向固定反射镜，另一条指向可移动反射镜。当这些路径被重新组合时，就会得到干涉图。通过对该干涉图进行傅立叶变换，可以获得入射光的光谱，并且通过适当的校准，可以确定样品的吸收光谱。使用这种技术，可以同时测量所有波长，在不影响光谱分辨率的情况下提供更好的吞吐量和更高的灵敏度（通常被称为“Fellgett的优势”）。在该技术中，仅使用单个NIR光电探测器而不是阵列，从而保持低成本。滨松光子的FTIR引擎为食品行业带来了新的曙光滨松的FTIR引擎C15511-01是一个紧凑的傅立叶变换红外光谱模块，对1.1µm至2.5µm范围内的近红外光具有灵敏度，并具有USB连接。该设备的特点是在手掌大小的外壳中有一个迈克尔逊光学干涉仪和控制电路。为了补偿元件小型化造成的光损失，滨松光子公司的工程师为FTIR引擎配备了一个大型可移动MEMS反射镜和一个高灵敏度InGaAs PIN光电二极管。这种MEMS元件的特殊设计抵消了外部振动和器件内部杂散光反射的影响。可移动MEMS反射镜的位置使用专用激光系统进行连续和精确的监测，以确保最高的波长再现性。一般来说，滨松的FTIR引擎可以提供与更大、更昂贵的台式设备相当的高灵敏度、高分辨率和高速测量。使用FTIR引擎进行红外光谱分析有两种测量方法：“反射测量”和“透射测量”。使用这些方法，我们测量了坚果（杏仁、腰果、核桃）和酒精饮料（啤酒、清酒和白兰地）的光谱。透射测量：酒精饮料吸收光谱的比较及其酒精浓度的估计FTIR引擎C15511-01用于观察几种酒精饮料产生的吸收光谱的差异。将液体放入对近红外透明的石英池中，提供1mm的光路长度。使用卤素灯作为本实验的光源。来自灯的宽带光部分被液体吸收，并通过光纤部分传输到FTIR引擎。图中所示的吸收光谱是在室温下获得的，平均128次扫描，并减去参考测量值。这些光谱的形状主要受水中的OH基团（吸收波长：1450 nm和1900 nm）和醇中的CH基团（吸收光谱波长在2100 nm和2500 nm之间）的影响。还测量了纯水和乙醇的光谱，并将其添加到图中进行比较。此外，使用2300nm处的吸收峰来估计每种饮料中的酒精浓度。该测量显示的值与液体中酒精的实际存在一致，证实了使用这种紧凑的设备和方法进行精确估计的可能性。漫反射测量：使用近红外光谱对坚果进行分类当照射到样品上的光的一部分被其表面颗粒有规律地反射时，其余的则穿透样品。在这里，光通过折射透射、光散射和表面反射反复散射，直到它离开待测量的样品。通过该测量获得的漫反射光谱与样品的吸收光谱相似。漫反射信号通常比通过透射获得的信号弱。因此，使用这种方法的主要挑战之一是提高照明效率。在传统配置中，使用光纤将来自单个卤素灯的宽带光引导到样品。滨松光子最近设计了L16462-01，这是一种针对漫反射测量进行优化的创新光源。该装置配备了多个灯，以特定角度靠近样品。通过光纤收集从样品散射的光，并将其引导至NIR光谱仪。这种配置可测量信噪比，最大限度地减少杂散光的影响。e照射到样品上的部分光被其表面颗粒规则反射，其余部分穿透样品。在这里，光通过折射透射、光散射和表面反射反复散射，直到它离开待测量的样品。通过该测量获得的漫反射光谱与样品的吸收光谱相似。食物过敏是一种遗传易感个体在食用某些食物成分后出现不利免疫反应的情况。这种反应可能导致立即或延迟的症状，可能是严重或致命的[13]。在过去的几十年里，这种免疫紊乱已经成为全世界关注的一个重要问题，在西方国家，至少有8%的儿童和5%的成年人受到影响。它给医疗系统带来了相当大的压力，并可能严重限制日常甜梅干动[14]。许多种类的坚果，包括核桃（胡桃）、腰果（西方腰果）和杏仁（甜梅干），都被欧洲法规1168/2011列为过敏原，只要存在于食品中，就需要添加到成分表中[15]。出于这些原因，坚果的检测和分类对于食品工业来说是必要的。滨松利用近红外光谱对杏仁、腰果和核桃的吸收光谱进行了研究和分类。使用FTIR引擎C15511-01和新的灯L16462-01获得测量结果。将坚果放置在光源上，无需任何预先准备，平均进行128次扫描以获得每个样品的吸收光谱。所获得的光谱的特征在于1600-1800nm处的峰，这是由从脂质和蛋白质拉伸的CH的第一泛音引起的。当观察光谱的二阶导数时，各种光谱之间的差异更加明显。通过主成分分析法可以对不同种类的坚果进行分类。结论近红外光谱在食品工业中的潜在应用已经被许多科学出版物广泛记录了几年。便携式仪器的出现正在将分析从实验室转移到现场，将结果的时间从几天大幅缩短到几秒钟。最值得注意的是，这种由滨松MEMS技术驱动的硬件小型化在不影响灵敏度或分辨率的情况下实现。新的计算技术正在不断发展，以分析和比较吸收光谱，并估计食品中特定化合物的含量。这些方法使整个行业的非技术用户越来越容易访问该技术。便携式FTIR分析仪是解决食品行业许多重大挑战的宝贵工具。例如，它们可以帮助提高作物产量，从而在面临粮食需求增加时提供一种替代毁林的方法。将这些技术融入农业可以在优化灌溉和限制整个供应链的食物浪费时限制水浪费。最后，FTIR分析仪可以帮助改善我们的食物质量，使其对我们和所有依赖我们的动物更安全、更健康。参考文献[1] K. B. Beć, J. Grabska, and C. W. Huck, “Near-Infrared Spectroscopy in Bio-Applications”, Molecules, vol. 25, no. 12, p. 2948, Jun. 2020, doi: 10.3390/molecules25122948.[2] D. Cozzolino, “The Ability of Near Infrared (NIR) Spectroscopy to Predict Functional Properties in Foods: Challenges and Opportunities”, Molecules, vol. 26, no. 22, p. 6981, Nov. 2021, doi: 10.3390/molecules26226981.[3] H. Parastar, G. van Kollenburg, Y. Weesepoel, A. van den Doel, L. Buydens, and J. Jansen, "Integration of handheld NIR and machine learning to 'Measure & Monitor' chicken meat authenticity" in Food Control, vol. 112, pp. 107149, 2020. doi: 10.1016/j. foodcont.2020.107149. [4] Kucha, C.T., Ngadi, M.O. “Rapid assessment of pork freshness using miniaturized NIR spectroscopy”. Food Measure 14, 1105–1115 (2020). https://doi.org/10.1007/s11694-019-00360-9 [5] J.-H. Qu, D. Liu, J.-H. Cheng, D.-W. Sun, J. Ma, H. Pu, and X.-A. Zeng, "Applications of Near-infrared Spectroscopy in Food Safety Evaluation and Control: A Review of Recent Research Advances" Critical Reviews in Food Science and Nutrition, vol. 55, no. 13, pp. 1939-1954, 2015. doi: 10.1080/10408398.2013.871693.[6] K. B. Beć, J. Grabska, and C. W. Huck, “Miniaturized NIR Spectroscopy in Food Analysis and Quality Control: Promises, Challenges, and Perspectives,” Foods, vol. 11, no. 10, p. 1465, May 2022, doi: 10.3390/foods11101465.[7] "Can On-Farm NIR Analysis Improve Feed Management?", Penn State Extension. [Online]. Available: https://extension.psu. edu/can-on-farm-nir-analysis-improve-feed-management.[8] J. Tardaguila, J. Fernández-Novales, S. Gutiérrez, and M.P. Diago, "Non-destructive assessment of grapevine water status in the field using a portable NIR spectrophotometer", J. Sci. Food Agric., vol. 97, pp. 3772-3780, 2017. doi: 10.1002/jsfa.8241.[9] A. J. Fernández-Espinosa, "Combining PLS regression with portable NIR spectroscopy to on-line monitor quality parameters in intact olives for determining optimal harvesting time", Talanta, vol. 148, pp. 216-228, 2016. doi: 10.1016/j.talanta.2015.10.084.[10] G. Ferrara, V. Marcotuli, A. Didonna, A. M. Stellacci, M. Palasciano, and A. Mazzeo, “Ripeness Prediction in Table Grape Cultivars by Using a Portable NIR Device”, Horticulturae, vol. 8, no. 7, p. 613, Jul. 2022, doi: 10.3390/horticulturae8070613.[11] H. Yang, B. Kuang, and A.M. Mouazen, "In situ Determination of Growing Stages and Harvest Time of Tomato (Lycopersicon Esculentum) Fruits Using Fiber-Optic Visible—Near-Infrared (Vis-NIR) Spectroscopy", Applied Spectroscopy, vol. 65, no. 8, pp. 931-938, 2011. doi: 10.1366/11-06270.[12] C. L. Y. Amuah, E. Teye, F. P. Lamptey, K. Nyandey, J. Opoku-Ansah, and P. O. Adueming, "Feasibility Study of the Use of Handheld NIR Spectrometer for Simultaneous Authentication and Quantification of Quality Parameters in Intact Pineapple Fruits", Journal of Spectroscopy, vol. 2019, Article ID 5975461, 9 pages, 2019. doi: 10.1155/2019/5975461.[13] Z. Husain and R.A. Schwartz, "Food allergy update: more than a peanut of a problem", International Journal of Dermatology, vol. 52, pp. 286-294, 2013. doi: 10.1111/j.1365-4632.2012.05603.x.[14] S. H. Sicherer and H. A. Sampson, "Food allergy: Epidemiology, pathogenesis, diagnosis, and treatment", The Journal of Allergy and Clinical Immunology, vol. 133, no. 2, pp. 291-307.E5, Feb. 2014. doi: https://doi.org/10.1016/j.jaci.2013.11.020 [15] A. Luparelli, I. Losito, E. De Angelis, R. Pilolli, F. Lambertini, and L. Monaci, “Tree Nuts and Peanuts as a Source of Beneficial Compounds and a Threat for Allergic Consumers: Overview on Methods for Their Detection in Complex Food Products”, Foods, vol. 11, no. 5, p. 728, Mar. 2022, doi: 10.3390/foods11050728.本文来源：HAMAMATSU PHOTONICS（滨松电子），Applications for portable NIR spectroscopy in food analysis，www.hamamatsu.com供稿：符 斌，北京中实国金国际实验室能力验证研究有限公司

近红外光谱分析技术在玉米品质检测中的应用近红外应用”1介绍玉米是我国重要的粮食作物。根据国家统计局数据显示，我国 2021 年玉米播种面 4332 万 hm2，玉米产量达 2.7 亿 t。玉米中的水分、蛋白质、脂肪、糖类等主要化学成分含量会直接影响到玉米的经济效益。化学成分含量的测定已成为原料品质评价中的重要环节。玉米种子作为生产中最基本的资料，其质量的好坏直接影响玉米的产量及品质。玉米品质指标（水分、蛋白质、淀粉等）的检测常用理化方法，安全指标（毒素等）的检测使用液相等物理或化学方法，可用冷浸法等对种质品质进行分析，但这些方法均会对样本本身造成破坏，存在处理时间较长以及需要专业人员操作、仪器成本高等缺点。因此，探究一种可以对玉米进行无损、快速检测技术显得尤为重要。近红外光谱分析技术具有样品不需复杂耗时的前处理、无损耗、多成分同时分析、无污染的检测优势，近年来得到了广泛关注。近红外光谱分析技术是利用物质对光的吸收、散射、反射与透射等特性对待测物进行分析的检测技术，通过样品的吸收光谱及理化分析结果可对样品进行定性或定量分析。近红外光谱分析技术的检测步骤为使用化学计量法对近红外光谱数据进行预处理及建立模型，将样本的预测集通过模型进行检测，验证模型是否精准，并对模型进行评价及优化。近红外光谱技术常用处理方法，由于近红外光谱中强大的背景信息造成的噪声干扰和存在冗余变量，导致从样品的近红外光谱中提取与检测目标相关的信息较困难，因此，需对光谱数据进行预处理。常用的光谱预处理方法有去噪自编码器（DAE）、正交信号校正法（OSC）、标准正态变换（SNV）、多元散射校正（MSC）等。2近红外光谱技术模型评价指标定量模型评价指标 评价近红外光谱定量模型预测准确性的实质是模型的预测结果与样品结果的接近程度，评价预测模型一般采用校正决定系数（R2c）、验证决定系数（R2v）、校正相关系数（Rc）、验证相关系数（Rv）、校正均方根误差（RMSEC）、验证均方 根 误 差（RMSEV） 和 相 对 分 析 误 差（RPD）等参数，决定系数与相关系数是预测值与使用化学方法检测出的真值样本集相关性的标准，通常 R2c、R2v、Rc、Rv 越大时，认为所建模型效果越好；RMSEC 和 RMSEV 是校正集与验证集的预测值和使用化学方法检测出的真值之间差异大小的量度，RMSEC 和 RMSEV 越小，认为所建模型性能越优；RPD 是衡量模型可靠性的指标，当 RPD3，认为所建立的预测模型可靠性较高，3RPD2.5，认为模型可用于分析；RPD2.5 时，则表明模型分析难以进行。定性模型评价指标 近红外光谱技术在定性分析中多用于样品分类，常用判定指标有正确率、敏感性、特异性等。相关检测设备从采样现场到实验室快速无损检测样品的指标，主要包括水分、脂肪、蛋白、灰分等。可以帮助企业优化生产过程，控制最终产品质量，提高利润。近红外光谱仪检测过程无需化学试剂，可大大降低实验室湿化学成本。检测快速，可大大减少操作人员的劳动力，降低使用门槛，节约管理费用。▲ 步琦近红外光谱仪 ProxiMate防水型不锈钢外壳，入口防护等级为 IP69，可进行高压管冲洗，即使是最苛刻的工作环境也能满足多种即时可用的预校准，适用性广泛直观的现触摸屏界面，简单、明了样品使用磁耦合驱动装置旋转器，分析完成后该装置可拆除，轻松清洁允许用户利用近红外光，可见光或将两种信号结合来提高测量性能和全面评估样品，从而使其测量性能达到最大化3相关模型参数ProductParameterRangeSpectraSEPMaizeStarch16-76%6553.5MaizeFat3.14 -5.352980.2MaizeProtein6-21%6821.3MaizeMoisture7-13%6820.5MaizeAsh1-8%3070.04步琦公司为您提供完整的玉米检测解决方案，同时提供定制化服务和使用，欢迎用户前往我司实地参观考察。

p　　本文转载自微信公众号热分析与吸附，作者为中国科学技术大学丁延伟老师，并已获转载授权。/ppstrong　　/strong在《热分析/红外光谱联用的数据分析方法第4部分 仪器分析软件中热重部分的数据处理与作图》和《热分析/红外光谱联用的数据分析方法第5部分 仪器分析软件中红外光谱部分的数据处理与作图》中以实验室在用的美国PerkinElmer公司的热重/红外光谱/气相色谱质谱联用仪为例简要介绍了在仪器的数据分析软件中与热重部分和红外光谱部分相关的数据处理与作图相关的内容，在本部分内容中将简要介绍在Origin软件中GS曲线、FGP曲线以及实时红外光谱图的数据处理与作图相关的内容。由于在Origin软件中不同时刻/温度下的三维红外光谱作图十分繁琐，将在本系列内容第7部分中进行介绍。/pp　　为了保持本系列内容的完整性，以下介绍的大部分内容主要来自本公众号2019年10月6日发布的《在Origin软件中热分析/红外光谱联用的数据作图方法》一文，其中做了相应的修改并增加了实时红外光谱图(EGS图)的内容。/pp　　1. GS曲线的作图法/pp　　一般来说，在由红外光谱分析软件Timebase得到的Excel格式的文件中主要有EGP曲线(即通常所说的GS曲线)文件和不同时刻温度下的逸出气体红外光谱图(即EGS)文件，一共两个文件。/pp　　GS曲线可以直接由导出的Excel格式的GS曲线文件得到，通常说的官能团剖面图(即FGP曲线)可以由EGS文件中导出。/pp　　在Origin软件中对GS曲线的作图十分简单，在Origin软件中导入曲线所对应的Excel文件(图1至图3)。/pp style="text-align: center "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/1db6881e-d64f-41b6-8671-0ae37784c440.jpg" title="图1.jpg" alt="图1.jpg"//pp style="text-align: center "图1/pp style="text-align: center "img style="max-width: 100% max-height: 100% width: 500px height: 308px " src="https://img1.17img.cn/17img/images/202001/uepic/62609940-652e-42c0-967b-5e4165a0c4eb.jpg" title="图2.jpg" alt="图2.jpg" width="500" height="308" border="0" vspace="0"//pp style="text-align: center "图2/pp style="text-align: center "img style="max-width: 100% max-height: 100% width: 543px height: 750px " src="https://img1.17img.cn/17img/images/202001/uepic/54de575b-3929-471b-ad4f-c5b07c3b38ce.jpg" title="图3.jpg" alt="图3.jpg" width="543" height="750" border="0" vspace="0"//pp style="text-align: center "图3/pp　　选中A、B列，点击图4中plot选项，即可得到图5，即为EGP曲线。可以在图5中根据需要改变曲线的粗细、形状和颜色，在此不作详述。/pp style="text-align: center "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/947a9618-194f-4302-aff3-fd6c2fa954a0.jpg" title="图4.jpg" alt="图4.jpg"//pp style="text-align: center "图4/pp style="text-align: center "img style="max-width: 100% max-height: 100% width: 557px height: 464px " src="https://img1.17img.cn/17img/images/202001/uepic/e4ce67e8-3c64-471d-8782-d1ece89f1798.jpg" title="图5.png" alt="图5.png" width="557" height="464" border="0" vspace="0"//pp style="text-align: center "图5/pp　　2. 官能团剖面图(即FGP曲线)的作图法/pp　　下面介绍由逸出气体红外光谱图(即EGS)文件得到FGP曲线的方法。通常在Timebase软件中，可以按照图6的方法，选中Save Time Resolved Data选项导出在实验过程中得到实验范围内不同时刻/温度的Excel格式的所有的红外光谱图。按照图1至图3的方法打开文件，得到如图7所示的界面。图7中，第1行“Long Name”中所对应的数值为温度值(即该行为温度行)，1.98e+001即为19.8℃，其他以此类推。A列对应的为波数值(单位为cm-1)，其他B、C、D...列所对应的为不同温度下的吸光值。也就是说，在图7中，由除A列以外的其他列作为纵坐标轴对A列按照图4的方法作图，可以得到在不同温度下的红外光谱图。另外，在图7中，如果选中温度行和特定的官能团(即特定的波数值)所对应的行进行作图，则可以得到FGP曲线。下面介绍FGP曲线的作图方法。/pp style="text-align: center "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/f42afe19-16bd-432f-980f-506780617eab.jpg" title="图6.jpg" alt="图6.jpg"//pp style="text-align: center "图6/pp style="text-align: center "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/16d2682f-cb11-4132-8b1b-3be6cd40f10c.jpg" title="图7.jpg" alt="图7.jpg"//pp style="text-align: center "图7/pp　　按照图8的方法分别选中2358cm-1所对应的行和温度行，复制整行。br//pp style="text-align: center "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/dcdf9257-47da-4d8b-ad2d-df3abf22d3cc.jpg" title="图8.jpg" alt="图8.jpg"//pp style="text-align: center "图8/pp　　新建一个空白的Book文件，将温度行和对应波数(2358cm-1)的数值粘贴这两行，选中，点击Worksheet菜单下的Transpose选项(图9)，将这两行转换为两列，转换后的表格如图10所示。删除图10中的第一行数据，按照图4的方法作图，即可得到CO2分子的特征官能团在2358cm-1处的FGP曲线(图11)。可以根据需要改变图中曲线的粗细、形状和颜色，在此不作详述。/pp style="text-align: center "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/98c364bc-5af7-4f17-b010-d6c6e9ef31df.jpg" title="图9.jpg" alt="图9.jpg"//pp style="text-align: center "图9/pp style="text-align: center "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/3fe819c4-81c9-4309-8fa2-eebc7492a9da.jpg" title="图10.jpg" alt="图10.jpg"//pp style="text-align: center "图10/pp style="text-align: center "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/8c655662-483b-4efa-9b6e-86d7e8f314c3.jpg" title="图11.png" alt="图11.png"//pp style="text-align: center "图11/pp　　3. 实时红外光谱图(EGS图)的作图法/pp　　在本部分第2节中提到“在图7中，由除A列以外的其他列作为纵坐标轴对A列按照图4的方法作图，可以得到在不同温度下的红外光谱图。”也就是说，在导出的Excel格式的在实验温度/时间范围内的所有红外光谱文件中，选中A列和所对应的一列和/或多列时间/温度列即可得到不同温度/时刻下的实时红外光谱图。/pp　　以下举例说明。图12是不同温度下的一水合草酸钙在加热过程中产生的气体产物的红外光谱图。图中第五行为不同的温度值，第A列为红外光谱的波数值。例如，需要比较第100℃、200℃、500℃和700℃下的红外光谱图的变化，则同时选中这些温度和波数(A列)所对应的列，复制并粘贴到新建的表格文件中，并定义相应列的名称(图13)。同时选中图13中A-E列，点击图4中plot选项，即可得到图14，即为不同温度下的红外光谱图。可以在图14中根据需要改变曲线的粗细、形状和颜色，在此不作详述。由图14可以看出，(1)样品在100℃时样品没有发生分解 (2)在200℃时产生了水，对应于结晶水的失去过程 (3)在400℃时产生了一氧化碳，少量一氧化碳被氧化为CO2 (4)700℃时的气体产物以CO2为主。/pp style="text-align: center "img style="max-width: 100% max-height: 100% width: 600px height: 220px " src="https://img1.17img.cn/17img/images/202001/uepic/a6b0f4c1-4385-4184-8530-572cc84c0cce.jpg" title="图12.jpg" alt="图12.jpg" width="600" height="220" border="0" vspace="0"//pp style="text-align: center "图12/pp style="text-align: center "img style="max-width: 100% max-height: 100% width: 557px height: 285px " src="https://img1.17img.cn/17img/images/202001/uepic/b989ef36-1508-4bde-b282-9029ef1766ff.jpg" title="图13.jpg" alt="图13.jpg" width="557" height="285" border="0" vspace="0"//pp style="text-align: center "图13/pp style="text-align: center "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/128d4fc6-623a-479c-9cdb-4f3865f22608.jpg" title="图14.png" alt="图14.png"//pp style="text-align: center "图14/ppbr//p