1.1 NIR 分析技術的原理
近紅外光是一種電磁波，其波長在 780～2526nm 間，根據波長通常可分為兩類，分別為短波近紅外光譜區（SW-NIR），其波長范圍為 780～1100nm，也稱之為透射光譜；其次是長波近紅外光譜區（LW-NIR），波長范圍為 1100～2526 nm，也可稱之為反射光譜。大部分生物材料組成中含有大量的含氫基團（-OH、-CH、-NH 以及 -SH 等基團），當用近紅外光照射待測物時，這些化學基團會發生振動，進而使能量增加，而通過 NIR 技術記錄這些基團的物理特性和化學特性，再結合化學定量分析，從而實現對待測生物樣品進行定量或定性的分析。
1.2 NIR 技術的分析流程 NIR 技術首先對標準品數據庫建立相應的數學模型和驗證模型，然后將待測樣品相應的組分代入至驗證模型中進行定量或定性分析，從而進行預測。具體流程為 5步： ①對標準品進行光譜分析； ②使用標準樣品數據建立數據庫、應用數據庫建立數學預測模型； ③對待測樣品的光譜進行測定； ④將待測樣品的光譜與數據庫中數據中標準品光譜進行比對，使用模型進行比對分析，得出定性或定量的分析結果； ⑤不斷的更新數據庫和優化模型。 1.3 NIR 技術的校正模型及評價指標 NIR 分析技術主要使用的校正模型為偏最小二乘回歸分析法 （PLS）、 多元線性回歸（MLR）、主成分分析（PCA）以及神經網絡（ANN）等計算校正模型。評價模型優劣的參數主要有相關系數（R2）、定標決定系數（RSQcal）、交叉驗證相關系數（1-VR）、校正均方根差（RMSEC）、驗證均方根差（RM-SEP）、 交 叉 檢 驗 標 準 誤 差（SECV），通常認為當 1-VR 值越大、SECV 值越小，表明建立模型的擬合度越好，即預測效力越高。