从“光谱无人区”到实用工具：计算机在近红外光谱中的决定性作用

近红外光谱（Near-Infrared Spectroscopy，NIR）技术的发展与计算机的进步密切相关，几乎可以说是计算机技术直接“唤醒”并推动了现代NIR从实验室理论走向实用分析工具。从历史与技术角度有多种原因。

1.NIR光谱的固有挑战：为什么需要计算机

近红外区（780–2500 nm）光谱主要记录含氢基团（C-H、O-H、N-H等）的倍频和合频吸收。这些谱带具有以下特点：吸收强度弱、谱带宽、重叠严重，难以直接归属特定基团、受样品物理状态（粒度、散射）、背景干扰影响大。

在计算机出现前，传统光谱学依赖肉眼或简单计算解析谱图。中红外光谱峰尖锐、特征明显，易于结构解析，而NIR谱图看起来“杂乱无章”，被视为“光谱学无人区”。从1800年Herschel发现NIR到20世纪50年代，NIR几乎处于沉睡状态，仅有少量初步应用。

2.Karl Norris的突破：计算机首次让NIR“活”起来现代

NIR的奠基人Karl Norris（USDA工程师）在20世纪50–60年代改变了这一切。他不是传统光谱学家，而是工程师，结合新兴数字计算机技术，开创了NIR定量分析。Norris开发了世界上第一台计算机化近红外分光光度计，直接将光谱数据输入计算机处理。他创新使用log(1/R)（漫反射率倒数的对数）代替传统透射吸光度，并建立多元线性回归（MLR）模型预测农产品（如谷物）的水分、蛋白质、油脂含量。并提出波长比率、导数处理（二阶导数）和Norris导数滤波等预处理方法，这些都需要计算机快速计算大量数据。

没有计算机，这些复杂数学运算不可能实时完成。Norris的工作直接证明：通过计算机处理重叠谱带，NIR能实现快速、无损、多参数定量分析。这奠定了化学计量学（Chemometrics）的基础（一门专门用统计和数学方法从复杂光谱中提取信息的学科）。

3.计算机发展的关键推动作用

1960–1970年代：小型计算机和电子技术进步，使Norris能构建计算机化仪器。首批商用滤光片式NIR仪器（如Neotec、DICKEY-john）出现，加拿大谷物委员会率先用NIR测小麦蛋白质。

1980–1990年代：计算机性能飞跃（更快CPU、更大数据存储），带动**偏最小二乘回归（PLS）、主成分分析（PCA）**等高级算法发展。傅里叶变换NIR（FT-NIR）、光栅扫描仪数字化，使高信噪比光谱处理成为现实。

​  

1990年代后：光纤、多通道检测器、个人电脑普及，推动便携式/在线NIR。现代机器学习（如神经网络）进一步提升模型准确性。

如今：云计算、大数据、AI让NIR模型更鲁棒，能处理海量谱图，实现实时过程监测。

因此计算机是NIR成功的“引擎”。NIR的独特优势（快速、无损、适合固体/浑浊样品）本已存在，但谱图复杂性使其长期无法实用。计算机提供了必需的计算力，让化学计量学“解锁”了隐藏信息。没有计算机，NIR仍停留在农业粗测阶段；得益于计算机，它已成为食品、制药、石油、农业等领域的标准工具，年产值数十亿美元。正如Norris所说，他的成功源于将物理、数学、电子与新兴计算机技术融合。如果没有计算机革命，近红外光谱可能仍是被遗忘的“无人区”。