近红外光谱建模的核心：样本选择为什么这么重要？

​ 近红外（NIR）光谱技术被誉为“绿色分析神器”——快速、无损、几乎不耗试剂，就能测出粮食水分、饲料蛋白、药品含量、土壤养分等关键指标。但很多人建模后发现：实验室精度很高，一拿到工厂或田间样品就“**”——预测值偏高/偏低、误差**，甚至完全失效。罪魁祸首往往不是算法，而是样本选错了。因为NIR是间接测量：模型本质是学“光谱变化与浓度变化”的映射。如果训练样本没覆盖真实世界的变异，模型就像“井底之蛙”。

样本具有代表性是样本选择的灵魂。定标样本必须尽可能完整、均匀地反射未来所有可能遇到的真实样品。选择样本应注意以下几点：

1.宽广

浓度/性质范围要足够宽，要保证覆盖实际使用范围，即极端高/低值必须有足够样本。

2.均匀

浓度分布要均匀，不能集中在某一个浓度上。例如：80%样本集中在中间30%范围，那么模型对高/低端预测会严重偏差。

3.精确

参考值（湿化学、金标准法）必须准确、一致。不同批次参考值不能有系统偏差（不同实验室或不同分析师的误差）。

4.典型

包含所有真实干扰和变异源，比如产地、季节、年份、批次、供应商等等。

总之，在建模之前的样本选择上，必须挑选有代表性的样本，代表性**，数量第二。