评估MIR和NIR光谱学与多变量分析相结合,用于检测和量化烟草制品中的添加剂
Zeb Akhtar1,2, Michaël Canfyn1, Céline Vanhee1
1Scientific Direction Chemical and Physical Health Risks, Service of Medicines and Health Products, Sciensano, Rue Juliette Wytsmanstraat 14, B-1050 Brussels, Belgium.
近红外 (NIR) 和中红外 (MIR) 光谱为检测烟草添加剂提供了更快,更具成本效益的方法. 与SIMCA相结合的NIR在分类方面表现出色,而MIR在量化方面最好,提高了消费者安全.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 化学测量 化学测量 化学测量
背景情况:
- 传统的烟草添加剂分析方法昂贵且耗时.
- 确保消费者安全需要准确检测和量化添加剂.
- 开发快速,高效的分析技术对于监管合规至关重要.
研究的目的:
- 评估中红外 (MIR) 和近红外 (NIR) 光谱学与多变量分析相结合,用于检测和量化烟草添加剂.
- 为了比较不同多变量技术 (PCA,HCA,PLS-DA,SIMCA) 的性能,用于光谱数据分析.
- 确定用于烟草添加剂分析的最有效的光谱和化学测量方法.
主要方法:
- 选择的烟草产品添加了咖啡因,薄荷醇,甘油和可可.
- 使用主要组件分析 (PCA) 和层次聚类分析 (HCA) 获取和分析了MIR和NIR光谱.
- 监督方法包括部分最小平方差异分析 (PLS-DA) 和软独立类类模拟建模 (SIMCA) 用于分类和回归.
主要成果:
- 无监督方法 (PCA,HCA) 通过使用MIR和NIR数据,成功区分了有刺的与没有刺的样本.
- 通过这两种技术,SIMCA 获得了添加剂的高分类准确度 (87-100%).
- PLS-DA模型表现出强大的性能,分类率为80-100%;回归分析证实了准确的度估计.
- 使用SIMCA的NIR光谱学产生了最准确的分类,而MIR显示出优异的定量估计.
结论:
- 与多变量分析相结合的MIR和NIR光谱学,为传统的烟草添加剂分析方法提供了有效的替代方案.
- 与SIMCA相结合的NIR光谱对于基于添加剂的烟草样本分类非常有效.
- MIR光谱显示了烟草添加剂准确定量估计的巨大潜力.
- 优化数据预处理对于实现目标添加剂的精确量化至关重要.
更多相关视频
08:39Generation of Electronic Cigarette Aerosol by a Third-Generation Machine-Vaping Device: Application to Toxicological Studies
Published on: August 25, 2018
10:44Examination of Rapid Dopamine Dynamics with Fast Scan Cyclic Voltammetry During Intra-oral Tastant Administration in Awake Rats
Published on: August 12, 2015
相关概念视频
Applications of IR Spectroscopy: Overview
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
Gas Chromatography: Types of Detectors-II
¹H NMR Signal Integration: Overview
