Недавно ученые из Института физики Китайской академии наук в Хэфэе предложили новый алгоритм для улучшения точности прогнозирования в ближней инфракрасной спектроскопии (БИК). Метод назвали  «Отбор с внешней калибровкой» (ECA). Его суть в том, чтобы сделать модели устойчивыми к изменению условий измерений — ведь даже небольшие колебания температуры или влажности могут исказить результаты.

Ближняя инфракрасная спектроскопия (БИК) — метод анализа веществ, основанный на поглощении излучения в ближней ИК-области (700–2500 нм). Молекулы разных соединений поглощают свет по-своему, что позволяет определять состав образца без его разрушения. Используется для контроля качества продуктов, лекарств, топлива и др.

Результаты опубликованы в издании Analytica Chimica Acta.

Раньше исследователи фокусировались в основном на точности, но теперь сместили акцент на надежность. ECA использует дополнительные образцы, измеренные в новых условиях, чтобы быстро адаптировать модель. Ученые пошли дальше и объединили ECA с другим алгоритмом — CARS (конкурентный адаптивный отбор переменных). Получилась система ECCARS, которая не просто подбирает оптимальные параметры, но и проверяет, насколько модель стабильна в разных условиях.

Как это проверили

• Протестировали на данных по рисовой муке (лабораторные замеры) и двум открытым наборам по кукурузе.
• Сравнили с традиционным CARS: ошибки калибровки снизились на 12–725%, ошибки прогноза в новых условиях — на 27–482%.

Это значит, что ECCARS не только точнее, но и гораздо надежнее — даже если прибор используют в другом помещении или при иной влажности, результаты останутся достоверными.

Где пригодится

• Сельское хозяйство — быстрый анализ влажности зерна или питательности кормов прямо в поле.
• Фармацевтика — контроль качества таблеток без разрушения образцов.
• Пищевая промышленность — проверка состава продуктов на конвейере.

Почему это важно? Сейчас многие БИК-модели «заточены» под идеальные лабораторные условия, а на практике дают сбой. ECCARS решает эту проблему — оборудование станет менее капризным и более универсальным.

Слабые места

• Алгоритм требует дополнительных образцов для калибровки — не всегда удобно, особенно в полевых условиях.
• Тестировали только на трех наборах данных — нужно больше примеров из разных отраслей.
• Неясно, как метод поведет себя при экстремальных изменениях (например, резкие перепады температуры).

Ранее казанские ученые с помощью инфракрасной спектроскопии изучили оксид графена.