近红外系统适用性

为高质量筛选粮食收储快速检测方法标准应用的测定产品，国家粮食和物资储备局科学研究院粮油质量检验测试中心拟于近期组织开展粮食近红外快检方法及仪器行业适用性验证评价工作，验证测试评价的项目为粮食中的水分、粗蛋白质和粗脂肪含量。验证评价项目表评价项目验证标准方法基质样品形态编号名称名称标准代号1水分含量粮油检验稻谷水分含量测定近红外法GB/T 24896-2010稻谷颗粒2粉末3粮油检验小麦水分含量测定近红外法GB/T 24898-2010小麦颗粒4粉末5粮油检验玉米水分含量测定近红外法GB/T 24900-2010玉米颗粒6粉末7粗蛋白质含量粮油检验稻谷粗蛋白质含量测定近红外法GB/T 24897-2010稻谷颗粒8粉末9粮油检验小麦粗蛋白质含量测定近红外法GB/T 24899-2010小麦颗粒10粉末11粮油检验玉米粗蛋白质含量测定近红外法GB/T 24901-2010玉米颗粒12粉末13粮油检验大豆粗蛋白质、粗脂肪含量的测定近红外法GB/T 24870-2010大豆颗粒14粉末15粗脂肪含量粮油检验玉米粗脂肪含量测定近红外法GB/T 24902-2010玉米颗粒16粉末17粮油检验大豆粗蛋白质、粗脂肪含量的测定近红外法GB/T 24870-2010大豆颗粒18粉末按照通知要求，生产企业和单位需于2023年12月14日前提交粮食近红外快检方法及仪器行业适用性验证评价材料的电子版发送至指定邮箱。参与现场验证评价仪器设备的保障工作，提供至少3台（套）仪器参与验证，指派专人做好仪器设备操作、故障排除的培训工作，并协助国粮局科研院检测中心完成现场验证其他工作。详细通知如下：关于组织粮食近红外快检方法及仪器行业适用性验证评价工作的公告为高质量筛选粮食收储快速检测方法标准应用的测定产品，受中储粮质检中心有限公司委托，国家粮食和物资储备局科学研究院粮油质量检验测试中心拟于近期组织开展粮食近红外快检方法及仪器行业适用性验证评价工作。现面向社会邀约粮食近红外快检产品生产企业和单位参加，相关事宜公告如下：一、时间2023年12月20日至31日。二、验证评价工作地点北京市西城区百万庄大街11号粮科大厦。三、验证评价内容本次验证测试评价的项目为粮食中的水分、粗蛋白质和粗脂肪含量，具体项目详情见附件1，工作方案见附件3。四、生产企业和单位需提交的材料1.粮食近红外快检方法及仪器行业适用性验证评价申请表（附件2）；2.企业或单位法人资格证明材料；3.产品合格证书、产品说明书和相关技术证明材料；4.用户使用意见或相关材料；5.有关部门提供的与申请内容密切相关的证明材料（如检验报告、环保许可证、环境评价证明、安全生产许可证、采用国际或国家标准证明等）；生产企业和单位需提供包括上述内容的纸质版和电子版材料各一式三份（加盖公章）；用于验证评价的仪器设备至少三台（套）；生产企业和单位对所提供的材料的合法性、真实性和完整性负责。五、材料提交流程生产企业和单位需于2023年12月14日前提交粮食近红外快检方法及仪器行业适用性验证评价材料的电子版发送至指定邮箱，待验证评价工作人员确认后，各申请参与本次验证的生产企业和单位指定1名负责人（技术人员）与验证评价工作组联系，沟通验证评价工作的具体事项，签署技术服务合同，并将相关纸质版材料邮寄到指定地址。六、费用本次验证评价采用自愿报名的方式，工作的成本费用由各参加验证评价的企业和单位承担，用于支付验证所需的标准物质、试剂耗材采购等费用，以及承担验证评价工作的技术人员和专家的劳务费、专家费等，按照“一项一申请”原则计算相关费用，每个项目收费标准6000元人民币。请各参与企业和单位签署技术服务合同后，按要求及时将款项汇至指定账户，本次验证评价工作只接受对公银行账户转账汇款。汇款账号信息如下：收款单位名称：国家粮食和物资储备局科学研究院收款账号：110060774012015000329开户银行：交通银行北京百万庄支行七、工作组联系人韩老师：010-58523432 hyt@ags.ac.cn郭老师：010-58523432 gyy@ags.ac.cn纸质材料邮寄地址：北京西城百万庄大街11号1102室 100037附件：附件1 粮食近红外快检方法及仪器行业适用性验证评价意向表.doc附件2 粮食近红外快检方法及仪器行业适用性验证评价申请表.doc附件3 粮食近红外快检方法及仪器行业适用性验证评价工作方案.doc国家粮食和物资储备局科学研究院粮油质量检验测试中心2023年12月1日

褚小立中国石化石油化工科学研究院，cxlyuli@sina.com第21届国际近红外光谱会议(NIR 2023)于2023年8月20日至24日在奥地利召开。由于护照和签证的延迟，很遗憾没有现场参加这次会议。最近一段时间我认真研读了会议摘要和会议墙报，深感近红外光谱的研究和应用方兴未艾。除了近红外光谱在“科学研究”、“过程分析技术”、“高光谱成像”等领域的快速深入发展，本次大会的关键词“小微型近红外光谱”、“数据融合”、“深度学习”给我留下了深刻的印象，可以说是目前近红外光谱领域的研究热点。小微型NIR虽然小微型化的近红外光谱仪在光谱范围、分辨率、信噪比等方面优势不明显，但它具有廉价、快速、操作简单、易于野外使用等诸多优点，近年来越来越受到人们的关注(O01.12)。在NIR 2023上，不仅有新的小微型近红外光谱仪器(O05.05，F05.03，P05.02)和便携式成像仪器(O07.11)的研发，还有应用方法学研究。例如，Shi等将实验室建立的土壤光谱库移植到便携式仪器上，用于田间土壤品质的快速分析(P10.09)；Lippl等也开展了类似的研究工作(P10.04)，以提高小型化近红外光谱仪在现场的部署效率。小型化近红外光谱仪在不同领域的应用研究仍然层出不穷。Gorji等人利用手持式近红外分析仪测量田间作物叶片的含水量，对农田精细灌溉管理具有实际应用意义(P01.22)；Sherif等人一直在利用手持式近红外光谱仪建立数据库，预测奶牛的粪便成分，从而监测养分利用效率，实时调整日粮配方(P01.53)；Gillay等人使用便携式近红外光谱检测奶牛的饲料，并评估这些奶牛的奶生产的奶酪，以评估改善的喂养对奶酪质量的影响(P01.21)。Popp等人花了三年时间在便携式近红外光谱仪上建立了一个校准模型，用于在田间实时直接测量药用植物的质量(PL08)；Hamed等人使用便携式近红外光谱仪确定大麻中具有高经济价值的化学成分的含量，这为种植者、经销商和生产者提供了一种工具，以管理其现场的质量控制并提高作物优化(P01.24)。Ikehata研究了使用小型可见-近红外光谱传感器评估蔬菜新鲜度的可行性(O01.11)；Giraudo使用廉价的便携式仪器识别加工肉制品中掺假的机械分离肉(MSM )( O 01.08)；Hernandez-Jimenez等人成功使用便携式NIR仪器根据品种鉴别伊比利亚火腿(P01.25)；Arroyo-Cerezo等人建立了一种利用便携式近红外光谱仪快速鉴别初榨橄榄油品质和真伪的筛选方法(P01.04)；加里多-奎瓦斯等人还评估了几种便携式仪器在现场检测初榨橄榄油质量的潜力，以便用于橄榄油生产和储存过程中的质量控制(P01.19)。这些有希望的结果表明，微型近红外光谱仪可以成功地应用于直接检测市场上的食品欺诈。Rais等人研究了使用超便携近红外技术对伪造药物进行即时无损分析的可行性，包括治疗勃起功能障碍的药物和预防艾滋病毒治疗的药物(P08.09)；近红外技术可以为纺织废料识别问题提供解决方案，Stipanovic等人使用手持式近红外光谱仪对消费后纺织品进行分类(P07.20)。多源数据融合近年来，多源数据融合技术通过综合优化和整合多个来源的信息，充分发挥多种光谱或/和图像之间的互补性，可以全面深入地挖掘信息，达到提高校正模型预测精度和稳定性的目的(KN11)。在NIR 2023上，出现了很多多源数据融合的应用研究实例，尤其是在食品领域。Vasefi等人开发了一种手持式多模式光谱系统，该系统结合了可见近红外(VIS-NIR)、短波红外(SWIR)和荧光(FL)光谱的反射率，用于鱼类物种识别、新鲜度评估、养殖与野生鱼识别、冷冻-解冻与新鲜鱼肉识别(O03.13)；Strani等人使用拉曼光谱和近红外光谱的融合来鉴定帕尔马干酪的PDO真实性(P01.58)；Bragolusi等人开发了一种基于近红外和拉曼光谱融合的光谱方法，用于快速准确地鉴定单花蜂蜜的植物来源(P01.47)；Jia等人使用可见光范围(400-1000 nm)和短波红外范围(900-1700 nm)光谱成像来预测贮藏期间包装的小牛肉产品的肌红蛋白谱(P07.07)。在制药领域，Kovacs等人将近红外光谱与传统的过程控制方法相结合，预测药物的溶出度(P09.04)；Tian等利用近红外光谱和中红外光谱融合技术对不同品种黄连的水分含量进行了鉴别和测定(P08.10)。在其他领域，Sormunen等人使用拉曼光谱和超光谱成像(1950-2500 nm)对高溴和低溴废塑料(O10.03)进行分类；Linderholm等人使用了五种光谱，包括分子振动光谱和原子光谱，对地质样品进行分类，多块模型的初步结果表明，光谱信息可以相互补充，提高了样本分类的准确性(P03.08)；Oravec等人使用便携式近红外光谱、紫外-可见近红外光谱、拉曼光谱和ATR-FTIR光谱设备进行了文化遗产领域的材料鉴定研究(P03.09)。深度学习近年来，深度学习方法在近红外光谱和高光谱成像的定量分析、模式识别和模型迁移等方面显示出越来越多的优势。深度学习适用于处理大样本光谱数据集，尤其适合高相似样本的判别分析和高差异样本的定量分析。在NIR2023大会上，深度学习与光谱成像相结合在水果和农业方面的应用研究尤为突出。Girones等人将近红外高光谱成像与3D定制卷积神经网络相结合，用于识别水果中的指状青霉感染(F07.01)；Chun等利用高光谱荧光成像数据研究了数据增强深度学习算法，用于草莓灰霉病的早期检测(P07.03)；Kim等人使用高光谱VIS-NIR成像和卷积神经网络来测量东方甜瓜植物的氮水平，以实现精确的氮素供应管理(P07.08)；Mo等评估了高光谱荧光成像和卷积神经网络用于测定柑橘果实成熟度的适用性(P07.15)。此外，Park等人利用田间测得的土壤NIR光谱建立了土壤含水量的深度学习预测模型(P10.07)；Chiniadis等人提出了利用近红外反射光谱和深度学习方法快速预测土壤中碳酸盐含量的方法(P10.01)；Benson等人提出了一种基于耳石近红外光谱和卷积神经网络的鱼类年龄新方法，该方法可以自动提取重要的光谱特征，并产生相当的精度，而且分析效率明显高于传统方法(O01.02，P01.07)。展望从仪器微型化技术的发展可以看出其对近红外光谱的推动力，从工农业生产、消费市场(如“from farm to fork”)和人们日常生活(如”point-of-care”)不断增长的需求可以看出其对近红外光谱的牵引力。在驱动力和牵引力的双重作用下，近红外光谱分析技术将在未来得到加速发展。可以预见，在上述背景下，仪器微小型化、多源数据融合和深度学习仍将是近红外光谱领域未来几年的研究热点和重点。近红外光谱无疑已经从光谱中的“丑小鸭”变成了“天鹅”，并继续与其他谱学技术一起在农业、工业、消费、甚至人类健康等领域中改变着人们的工作和生活方式，成为质量控制的新模式(KN04，PL04，F01.02，KN08，KN10)。目前，近红外光谱分析技术正处于其巅峰的前夜，我们期待着这一时刻的尽快到来。致谢：感谢臧恒昌教授、李连教授和郭隆海教授提供的NIR 2023会议摘要和墙报图片。

美国药典USP ，中国药典ChP 2020年版四部通则0682要求对制药用水中的总有机碳TOC进行测定，并要求测定蔗糖与1，4-对苯醌，以考察所采用技术的氧化能力和仪器的系统适用性。Sievers® TOC分析仪超过了USP与ChP对TOC测定系统适用性的要求。美国药典USP与中国药典ChP都包含对制药用水TOC含量的要求。为符合此规定，选择TOC分析仪时，有几项内容必须考虑。最基础的考虑是TOC分析仪是否符合药典要求，能够有效测定TOC。规定的要求之一是保证难以氧化的有机化合物与易氧化物能够同等程度被氧化，使用保证二者均能精确定量的TOC分析仪。USP与ChP选择1，4-对苯醌作为系统适用性化合物，蔗糖作为标准，或易于氧化的物质。当TOC成功测定蔗糖与苯醌时，这表明TOC测定能有效地监测广泛范围的有机化合物。本文阐述了使用Sievers TOC分析仪（紫外与氧化剂氧化+膜电导检测技术）测定苯醌与蔗糖的结果。数据清晰地表明Sievers TOC分析仪能够如测定标准溶液蔗糖一样，同样有效准确地测定系统适用性化合物苯醌。图1. 测定苯醌与蔗糖（5次测定的平均值）通过对比苯醌溶液与蔗糖溶液的TOC回收率，进行测定。USP与ChP规定了可以接受的比率，用百分比表示，为85%至115%。系统适用性化合物——苯醌，被认为是难以氧化的化合物，因此苯醌的测定对TOC分析仪采用的氧化方法提出了挑战。首先，使用被广泛接受的校准参考物质邻苯二甲酸氢钾（KHP）校准Sievers TOC分析仪。使用Sievers TOC分析仪《操作手册》中阐述的标准协议，完成此校准。此次校准可以在约一年的时间内保持稳定。定量准确度使用USP推荐的标准溶液确认。蔗糖溶液配制为500 ppb C，在进一步测定前，在不连续的三天内测定。图1表明了所有三天的蔗糖的平均响应值。对这些测定，蔗糖的响应为100.0%，说明仪器被准确校准。蔗糖测定后，每天测定三个不同浓度的苯醌溶液（USP与ChP要求分析500 ppb C的苯醌溶液）。这些测定的结果也表示于图1中。这些三种不同浓度的数据表明在应用范围内仪器对苯醌有线性响应。表1 使用Sievers TOC分析仪测定1，4-对苯醌与蔗糖的TOC数据苯醌测定的准确度与精确度非常优异。苯醌溶液的平均回收率为101%。三天里9个独立配制的溶液的全部结果给出苯醌的回收率为99-102%。五次重复测定同一个500 ppb C苯醌溶液，给出标准偏差范围为0.43-1.23 ppb（见表1）。这些数据表明Sievers TOC分析仪使用的氧化反应器的氧化效力——使用Sievers TOC分析仪可提供的最温和的氧化条件（紫外氧化）获得苯醌的回收率。仅使用紫外灯就可以完全氧化，要获得蔗糖或苯醌的完全回收率，均不需要过硫酸盐氧化剂。这与Sievers分析仪所建议的，对于TOC浓度低于1 ppm的情况，均不需要过硫酸盐氧化剂，是一致的。Sievers TOC分析仪针对USP与ChP规定的TOC测定有着优异的表现。蔗糖与苯醌的回收率均超出了USP与ChP的要求。使用正确配制的参考物质，响应效率（500 ppb C的苯醌对蔗糖的回收率比）为100%。使用Sievers TOC分析仪能够以优异的重现性，准确定量苯醌与蔗糖。分析仪的优异表现可以使用户持续满足USP与ChP的要求。实验结果给出了十分理想的响应效率，表明了仪器对易于氧化的物质与难于氧化的物质可以达到相同的回收率，并且很好地落在USP与ChP指明的85-115%范围。参考文献1.USP Total Organic Carbon, Pharmacopeial Forum, Jan-Feb. 1996, Volume 22, Number 1, page 1842.2.Draft of In-Process Revision scheduled to appear in Jan./Feb. edition of Pharmacopeial Forum.3.Also Quinone, 2.5-Cyclohexadiene-1,4-dione, and 1,4-benzoquinone. This compounds has a molecular weight of 108.09. The theoretical carbon content of this compound is 66.67% (Merck Index Eleventh Ed., 8108)4.《中华人民共和国药典》2020年版，国家药典委员会编。◆ ◆ ◆联系我们，了解更多！