Pour résoudre le problème de la faible universalité des modèles dans la technique d'analyse spectrale dans le proche infrarouge, une nouvelle méthode de transfert de modèle a été proposée — la régression angulaire minimale combinée à la méthode de calibration directe linéaire simple univariée (Least angle regression combined simple linear regression direct standardization, LAR-SLRDS). Cette méthode commence par un prétraitement des données spectrales des échantillons à l'aide de la transformation en ondelettes, puis utilise LAR pour sélectionner les longueurs d'onde caractéristiques des spectres dans toute la gamme spectrale des échantillons, et enfin applique SLRDS pour calibrer les variables sélectionnées. Les performances de LAR-SLRDS ont été validées avec des données spectrales dans le proche infrarouge de carburants et de médicaments. Les différences spectrales des composants C7, C8, C9 et C10 du jeu de données carburant étaient respectivement de 0,0028, 0,0027, 0,0026 et 0,0027, avec des écarts-types de prévision de 0,4106, 0,8492, 1,0349 et 1,2158; les différences spectrales des composants d'activité, de dureté et de poids du jeu de données médicament étaient de 0,0300, 0,0318 et 0,0336, avec des écarts-types de prévision de 1,9338, 0,4402 et 2,1309. Les résultats montrent que l'algorithme LAR-SLRDS peut non seulement éliminer les différences entre les spectres d'instruments principaux et auxiliaires pour réaliser le transfert du modèle, mais aussi améliorer la précision et la stabilité du modèle quantitatif PLS, offrant un potentiel d'application large.

technique de spectroscopie proche infrarouge; transfert de modèle; régression angulaire minimale; calibration directe linéaire simple univariée