NIR分析技术分级真的合理吗?

疑惑很值,打赏犒劳作者一下

已邀请:

陈斌 - 光学检测科学家

赞同来自: 郅建军 包锞炜

此处引用朱大洲博士的原话,


近红外一直被认为是一种二级分析技术,他的准确度赶不上其他分析技术,但这只是针对传统定量情况。用于定性判别,他就变成了一级分析技术,将具有巨大的潜力,变劣势为优势。


我一下子震动了,这是十多年来从没听说的观点,应该是一种理论创新。半夜醒来,觉得应该马上记录下来,传承下去。

王茜 - Galaxy Scienfific CEO

赞同来自: 陈平 包锞炜

这个可以证明,大概是98-2002年之前,我在国际会议上听到。向朱大洲博士的要来了他的PPT,,他当然是做血糖,后来我去了Ahura拉曼,2012年又去了苹果公司。因为新客户对近红外都有怀疑,我一般不讲这个概念,但在布鲁克给客户上培训课时,会提到。还有客户主动提出他们的结果证明这点。 
 
关健点是不少参考办法的重现性不如近红外,如果参考方法没有不同操作人员的系统误差,误差是随机时,那近红外比参考办法更接近平钧值。 

张建平 - 全息品质评价技术创始人,近红外逍遥子

赞同来自: 指点的知青们 包锞炜

作为一种仪器,近红外应该算应用得不错了,作为具有广泛应用潜力的新技术,其挖掘的潜力是巨大的,但需要在技术本身的能力发展、大家对其的认识提高两方面下功夫。我依然感觉,近红外本身仅仅是内涵非常丰富的信息源,关键看我们如何应用好!

罗苏秦 - 近红外科技探索家

赞同来自: 包锞炜

回到近紅外定量的准確性问题上…制药界的要求最为严厲!。我们过去在制药界向美国FDA及欧洲药监部门申请近红外的分析方法中,必须证明近红外测量与参考方法在统计比较上没有显着差别,均体现于烦琐的方法验证上! 近红外在国内已经有至少20年…各行业也一直努力推动(刚刚轉贴的附表为证)!也许周日在苏州時可以非正式讨论


为什么近红外推动的努力,而实际成功应用卻是不多,用者信心不夠?


找出原因,提出方法! 

包锞炜 - 指点江山,激扬科技,科技有担当,知识有力量

赞同来自: 指点的知青们

谢邀,我还是以门外汉的身份来谈谈个人看法,可能接下来的观点会有点冲动,希望专业人员不同意的话,可以分享你们的观点。
 
我觉得现在这个时代不缺分析技术,缺的是足够开放的思维拥抱近红外。如果说近红外技术是朵花,那么人的需求就是土壤。脱离了土壤的培养,再美的花就也会枯萎凋落。技术党容易犯一个错误:他们容易局限在分析技术本身或者仪器本身,却忘了技术最终还是要为人类服务的。
 
首先这个分级应该是只代表少数人的,我觉得未来需要大众需求的参与(若是针对消费者的话),罗苏秦先生说过一句话,


我在实践过程分析时常将在线光谱分析系统理念比拟成傻瓜型相机, 消费者不会研究相机如何自动对焦或是消除红眼睛效应的原理, 他们只要按下快门就可得到清晰照片的结果。


对于这句话我非常认可。那这种分级评审需要三个方面,专家负责需求评审,专家与大众之间需要进行交互评审,第三个就是融合各方。
 
我觉得近红外科学家在思考技术问题A的时候不要一直看问题A的数据,也会试着尝试发现问题B和C的数据都可以拿来用,而且这个数据完全可以不是你这个领域的数据。只有对这个问题理解深刻以后才能把别的数据背后的知识拿过来做融合。很多时候项目推动不了不是人数不够,而是因为缺乏中间灵魂的头脑,培养这样的人其实是非常困难的。
 
 
 
 

包锞炜 - 指点江山,激扬科技,科技有担当,知识有力量

赞同来自: 指点的知青们

题外话,我再看看我对近红外分析技术的理解,我觉得近红外这个技术真的是自带互联网基因的,应该是大数据学科下的一个分支,又是未来物联网里面一个实体部分存在。
 
我觉得近红外理论知识和实际应用的实践经验都很重要,但实践经验的获取过程更加困难。近红外测量数据挖掘的模型你可能买本书比如储小立先生的《近红外光谱分析技术实用手册》,学个两三年基本能学会一些模型,但是很多项目的经验,你就真的很少有机会接触到。同样的道理,看别人创业和自己创业是不一样的感受,就像罗苏秦先生说的,


二十多年的近红外光谱应用生涯开发和实施时酸甜苦辣, 真可谓如人饮水, 冷暖自知, 感触良深。当然一旦成功的为使用者接受, 彷佛是自己的孩子诞生一般, 兴奋不已


 
我觉得只有把近红外系统地部署到我们真实的世界中用起来,拿到新的反馈,再改进模型,经过这几次迭代过程你会学到很多东西,但是这个机会难能可贵。而且你怎么吸取和提炼这种经验数据也很重要,如果没有总结能力和提取能力的话,换个新问题你还是不会做。这方面我觉得张建平先生的全息理论就比较客观,从哲学角度切入近红外应用。
 
我觉得未来近红外数据可以交互产生指数化的变革,并通过近红外数据驱动辅助企业进行商业决策,比如一个从厂家选址到产品质量预测,饲料厂家的近红外数据可以作为下游奶牛场选择饲料的评价准则,而奶牛场的奶制品加工过程的近红外数据可以引导消费者健康选择,近红外在酿酒领域的数据,可以让消费者更好地健康饮酒,还可以通过消费者对酒的反馈来进一步深化模型,进而进一步改进工艺,改进原料质量,这是一个可持续的闭环。
 
其实近红外应用一直在说建模,建模,说实话我是门外汉真的不是特别懂,比如说我觉得两个类似的近红外模型的应用场景,我们不能直接把在A场景做的模型应用到B场景去,但是我觉得建议基于迁移学习的方法来做不同场景间的近红外的知识转移应该是可行的吧?
 
 
近红外科学家在有问题的时候不要先去看别人怎么做的,最重要的是你是否真的对用近红外解决问题感兴趣,我们基本上所有的工作都来源对生活的观察,通常我们在看到现实生活中真的有很难的题目后,会在设计完方法以后再看有没有相关的工作做过了,这避免了我们的思路跟别人重复。再此我也建议大家,如果你有问题的时候不要先去看别人怎么做的,比如昨天提到的近红外奶粉如何检测,看到一个课题马上就去搜别人怎么做的,然后马上跟着别人思路走进去了,很难有创造性的思维。
 
对于所有近红外科研工作者以及近红外科学家来说,要加强对要解决问题所在行业的了解,借助行业现有的知识来建立合理的近红外模型,明确行业传统方法为什么不行,并懂得跟行业专家有效沟通;近红外科学家也不再是关起门来在家里闭门造车的工匠或者学者,他需要把深奥的问题和理论用最浅显的语言讲出来,让政府以及传统行业的客户能够明白。
 
其实很多时候客户是提不出需求的,作为一个近红外科学家需要有超前的想象力和犀利的创造力。这点最难培养,跟一个人的成长经历有关吧,若有可能还是应该从哲学角度多思考这个问题。
 

万成富 - 近红外工匠大师

赞同来自:

即使是二次定量分析,重复性也不差一次分析技术,而且克服了许多人为因素。

要回复疑惑请先登录注册