La spectroscopie proche infrarouge est une technique d’analyse écologique et rapide, largement utilisée dans la recherche scientifique, la production industrielle et les contrôles quotidiens. L’application des algorithmes de chimie mathématique a joué un rôle important dans le développement de la technologie proche infrarouge. Les méthodes de chimie mathématique trouvent les corrélations entre les variables mesurées, construisent des modèles mathématiques, quantifient les différences entre les échantillons et découvrent les lois internes de changement, permettant des prédictions inconnues raisonnables et précises. Cela constitue également une partie importante et le cœur de la stratégie des « big data ». Cet article traite du problème des signaux d’absorption faibles dans la spectroscopie proche infrarouge, du fort chevauchement des pics spectraux, ainsi que des interférences dues au bruit, au fond, aux variables sans information et aux facteurs environnementaux externes durant les mesures spectrales, ce qui entraîne une dégradation des modèles qualitatifs et quantitatifs établis par les méthodes de chimie mathématique. Il résume certaines nouvelles méthodes de chimie mathématique proposées récemment dans le domaine de la spectroscopie proche infrarouge, y compris le prétraitement des spectres, la sélection des variables, la calibration multivariée et le transfert de modèles, illustrant sous divers angles le rôle de ces méthodes pour éliminer les facteurs d’interférence dans les modèles proche infrarouge, améliorer la fiabilité, la précision des prévisions et l’applicabilité des modèles.

spectroscopie proche infrarouge; chimie mathématique; prétraitement des spectres; sélection des variables; calibration multivariée; transfert de modèles