成分检测主要是检测产品的已知成分，对已知成分进行定性定量分析，是一个已知成分验证的过程，一般需要做成分检测的是产品出现质量问题，或是产品本身是委托他人生产，为了验证其是否严格按照所提供的配方及要求进行生产。成分检测(包含成分检测、成分测试项目)是通过谱图对未知成分进行分析的技术方法，因该技术普遍采用光谱，色谱，能谱，热谱，质谱等微观谱图。成分检测所得到的检测报告具有法律证据的作用，可以用来打官司，具有法律效应。国内有很多进行检测的机构。百检网打造检验检测行业的头部社交媒体是我们的宗旨，让检测人、质量人每天即可获取到行业的*新政策、改革、标准和法规、机构动态、商机等信息，减少信息差，实现信息对等。百检网入驻的检测机构业务覆盖全检测行业。在线一对一服务。检测报告按时按质送到手，坐享报告配送服务：在百检平台上，客户从订购服务到提交委托信息到*后支付检测费用全都可以在线完成,不用出门就可以完成报检流程。报告按时按质送到手。百检平台致力于为企业及个人提供检测服务，利用互联网+检测电商，为客户提供多样化检测服务。
用途
我们*常见的成分检测有土壤成分检测，传统的土壤成分含量检测仍沿用实验室分析的方法，存在耗资、费时、检测速度慢、污染大等缺。而近红外光谱技术(NIRS)是一种利用物质某些官能团，如c—H、0一H、N—H等对红外光的选择性吸收，快速测量物质中一种或几种成分含量的技术。因其具有快速、简便、低成本、非破坏性和多组同时测定等优点，广泛应用于农业、食品、石油、医药等领域。
近年来，国外已将NIRS应用于土壤学及植物营养学研究领域，并显示出广阔的应用前景。而国内的相关研究较少cs-s~。为此，对NIRS分析技术在土壤成分检测中的应用研究进行总结，并对NIRS技术在土壤学方面的发展方向进行讨论。以促进NIRS技术在土壤研究和调查中的应用。加速土壤科学研究手段的现代化。
NIRS分析
1 NIRS分析技术的原理
近红外光是介于可见光(VIS)和中红外光(MIR)之间的电磁波，波长在780—2 526 nm之间。习惯上又将近红外划分为近红外短波(780 1 100 nm)和近红外长波(1 100～2 526 nm)2个区域。
近红外光谱主要是分子的非谐振定使分子从基态向高能级跃进时产生的，记录的是分子中单个化学键基频振动的倍频和合频信息。由于常常受到含氢基团X—H(X—C、N、0、s)的倍频和合频的重叠主导，因此在近红外光谱范围内，测量的主要是含氢基团x—H振动的倍频和合频吸收。获得近红外光谱主要使用2种技术：透射光谱技术和反射光谱技术。透射光谱(700～1 100 am)是指将待测样品置于光源与检测器之间.利用检测器检测透射光或与样品分子相互作用后的光(承载了样品结构与组成信息)。若样品混浊。则表示样品中含有对光产生散射的颗粒物质，光在样品中经过的路程是不确定的，应使用漫透射分析。反射光谱(1 100～2 500 nm)是指将检测器和光源置于样品的一侧，检测样品以各种方式反射回来的光。
物体对光的反射又分为规则反射(镜面反射)与漫反射。规则反射是指光在物体表面按入射角等于反射角的反射定律发生的反射：漫反射是光投射到物体后(粉末或其他颗粒物体)，在物体表面或内部发生的不确定反射。应用漫反射进行的分析称为漫反射分析。利用NIRS预测物质中的某种成分含量或特征的基本过程是：选取适宜的样本集进行光谱扫描。建立物质组分或性质的定标模型。也就是近红外光谱数据与实验室标准分析’狈4定的样品成分(或性质)的相关回归方程，然后根据待测样品的光谱特征，利用相应的定标模型对样品成分(或性质)进行预测。
NIRS应用
2 NIRS在土壤成分检测中的应用
土壤学领域内的绝大部分研究对象是固体.对光具有散射和漫反射作用，适合用漫反射的近红外光谱
进行分析。
2.1 有机质
土壤有机质主要来源于土壤微生物和植物残体。其中腐殖酸是土壤有机质的主体，按其在酸碱溶液中的溶解性可分为胡敏酸(HA)、富里酸(FA)和胡敏素(HM)。土壤有机质具有有机物中的多种官能团(羧基、酚羟基、醇羟基、醚基、胺基)，因此土壤有机质在近红外区具有可辨别的指纹特征。徐彬彬指出，胡敏酸的反射能力比较低，整个波段几乎为一条直线.呈黑色，而富里酸则在黄光部分开始强反射，呈棕色[引。水热条件不同，土壤腐殖酸中的胡敏酸和富里酸比值不同;所属地域不同，土壤的光谱特征也不同。周淑平等利用NIRS分析技术建立了定量检测土壤中有机质含量的数学模型，指出有机质的决定系数(尺 )为85.70%，均方差为3.190，近红外预测值与实测值的平均相对误差为7.05%[m]，这表明NIRS在测定土壤有机质方面具有实用性。综上可知。利用NIRS测定土壤有机质或有机碳含量是可行的，不过要注意定标样品和样品的粒度、土壤类型等因素的影响。
2.2 总氮及碱解氮
选用土壤全氮和碱解氮的含量来评价土壤氮素的供应情况，能够快速、简便的实现变量施肥，对精准农业的发展具有一定的指导意义。一些学者研究发现，利用NIRS技术可以快速、低成本的预测土壤中全氮和碱解氮的含量。Cheng等用NIRS预测土壤总氮的研究表明，NIRS能够很好的预测土壤总氮量，检验结果的相关系数 >0.85，预测的根据是NIRS对土壤氮的一个独立光谱响应，而不是已有的有机质和总氮的密切相关关系。
但NIRS的预测结果受土壤类型的影响。于飞键等应用NIRS测定土壤中的全氮和碱解氮，结果表明交互检验确定的碱解氮、总氮*佳预测所需的波段个数分别为4和5。光谱预测值和化学分析值之间的相关决定系数对2 mm风干土碱解氮为92.39%、全氮为88%，而对0.15 mm土壤全氮为89.86%。李伟等利用偏*小二乘法(PLS)和人工神经网络方法(ANN)建立土壤碱解氮含量预测的近红外光谱分析模型，校正模型的决定系数分别为0.952 0和0.956 3，相对误差分别为3.42%和2.67%E ].这也佐证了NIRS预测土壤碱解氮含量的可行性。NIRS预测生物态氮和活性氮量是否可行主要取决于所要求的准确度。总体看来，NIRS预测土壤全氮和碱解氮是可行的，但它们之间相关性的高低受准确度和供试样品处理措施影响。
