La Spettroscopia nel vicino infrarosso: applicazioni

La chemiometria è l’applicazione di metodi matematici o statistici a dati chimici utilizzata per fornire il massimo delle informazioni chimiche rilevanti analizzando dati chimici dai vari spettri NIR. Sappiamo che gli spettri NIR sono caratterizzati da moltissimi picchi sovrapposti fra loro che rendono impossibile una lettura e rendono quindi questi dati inutilizzabili . La Chemiometria si avvale di tecniche per la raccolta di dati (ottimizzazione di parametri sperimentali, progettazione di esperimenti, calibrazione, elaborazione di segnali) e da queste poi riesce ad ottenere informazioni (statistica, riconoscimento di schemi, determinazione di modelli, stime di relazione strutturaproprietà). La chemiometria può essere definita anche come un software che riesce a correlare la statistica con i dati di laboratorio e gli spettri NIR. In questi ultimi anni la chemiometria ha fatto passi da gigante al pari passo delle altre tecnologie quali computer e calcolatori sempre a minor costo. Per capire perché la spettroscopia NIR esige l’utilizzo della chemiometria è sufficiente un'occhiata ad alcuni spettri. La figura 6 mostra uno spettro di riflettanza misurata su due pezzi di pasta per biscotti. Questi spettri sembrano essere composti da molte sovrapposizioni e picchi massimi, che rendono difficile l'uso degli spettri. Pochissimi metodi NIR quantitativi sono basati su una singola lunghezza d'onda, e quelli che ci sono tendono a misurare una proprietà fisica del campione piuttosto che la sua composizione. Alcuni metodi, però, possono essere basati su misurazioni a due lunghezze d'onda. Le proprietà di superficie dei campioni incidono sull’ assorbanza. Ma si possono ottenere buone calibrazioni combinando due o più lunghezze d'onda e questo è stato il punto di partenza della chemiometria. Normalmente è necessario utilizzare più di due lunghezze d'onda, perché abbiamo il problema della sovrapposizione di picchi da correggere. Molte calibrazioni usano centinaia di lunghezze d'onda, con metodi come la regressione delle componenti principali (PCR) (che è un algoritmo che controlla le proprietà del campione ) o la parziale regressione ai minimi quadrati (PLSR) (che è anche esso un algoritmo come il PCR e valuta oltre alle proprietà del campione anche le proprietà dei campioni di calibrazione dello strumento) per sfruttare di più le informazioni nello spettro. La PCR e PLSR sono diventati gli approcci standard per la maggior parte dei problemi. La PCR e PLSR riducono i dati spettrali ad un numero molto minore di variabili. In generale, la scelta tra i metodi di calibrazione è molto meno importante di altri due passaggi di base: la scelta di un buon set di campioni da testare e validazione dei risultati in modo corretto.