Studio dell'efficacia dei pretrattamenti spettrali nella regione del vicino infrarosso per mitigare gli effetti di scattering dovuti alla granulometria di campioni solidi

Abstract

Il vantaggio della spettroscopia nella regione del vicino infrarosso (NIR) è quello di consentire acquisizioni dei segnali strumentali senza necessità di preparazione dei campioni. Quando questi sono analizzati allo stato solido lo scattering della radiazione luminosa può portare a distorsioni spettrali indesiderate. Esistono numerose trasformazioni matematiche che cercano di mitigare l’impatto di questi fenomeni spettrali e, quindi, il lavoro in oggetto ha l’obiettivo di studiare l’efficacia di tali trasformazioni per mitigare gli effetti di scattering dovuti alla granulometria di campioni solidi. Grazie ad un disegno sperimentale è stato costruito un sistema ad hoc in cui si potesse studiare l’interferenza di una sostanza non assorbente (NaCl), a tre livelli di granulometria e in tre diverse proporzioni, nei confronti degli assorbimenti di una sostanza con segnale caratteristico nella regione NIR (saccarosio), sempre a tre livelli di granulometria. Il dataset è stato sottoposto ad analisi visuale degli spettri e ad analisi delle componenti principali (PCA). Grazie ad ASCA (Anova Simultaneous Component Analysis) è stato possibile quantificare per ogni fattore di variabilità evidenziato e per le relative interazioni, la significatività del loro effetto sugli spettri. Sui segnali spettrali sono state applicate trasformazioni matematiche, quali SNV (Standard Normal Variate) e SG (Savitzky-Golay first derivative), al fine di valutare le conseguenze dell’applicazione di tali pretrattamenti. Sono stati inoltre valutati tagli delle variabili spettrali tipicamente più influenzate dalle proprietà fisiche del campione in analisi. La migliore strategia di pretrattamento degli spettri risulta dipendere dall’obiettivo dello studio analitico. L’associazione di un’analisi spettrale ed esplorativa con una valutazione di tipo quantitativo con ASCA si rivela un approccio efficace per supportare il chimico analitico nella scelta della trasformazione da eseguire.

The advantage of near infrared spectroscopy (NIR) is to acquire instrumental signals without sample preparation. When samples are solids, radiation scattering can lead to unwanted spectral distortions. There are many mathematical transformations that try to mitigate the impact of these spectral phenomena. Thus, the main objective of this thesis is to study the effect of these transformations in mitigate particle size scattering effects of solid samples. Thanks to experimental design, an ad hoc system has been built to exploit the interference of a non-absorbent substance (NaCl) and a substance with typical NIR signal (sucrose), considered at three particle size levels and in three different proportions. Dataset has been submitted to spectral visualization and principal component analysis (PCA). ASCA (Anova Simultaneous Component Analysis) permitted to quantify for each factor and for their interactions, the effect’s significance on the spectra variation. Mathematical transformations such as SNV (Standard Normal Variate) and SG (Savitzky-Golay first derivative) were applied on the spectral signals to evaluate their effect. Also, the removal of spectral variables most influenced by the physical properties of the analyzed sample was evaluated. The best strategy of spectral pretreatment depends on the analytical study objective. The association of spectral visualization and exploration by means of PCA, followed by a quantitative evaluation of the effect’s significance with ASCA, was demonstrated to be a valuable approach to understand the impact of spectral pretreatments. Moreover, this chemometric strategy can support the analytical chemist in the choice of which algebraical transformation needs to be applied on spectral data.