本文列举了AACC对于近红外方法使用中的一些问题，其中有大家最为熟知的有关定标模型评价的几个关键指标的解释:
目的
本总论为提供有关近红外定标模型建立，定标性能判定标准，定标评价和相似近红外品牌仪器间定标转移策略。
本总论用于指导近红外（NIRS）定标开发，定标性能评估和的定标传递。近红外光谱，应用于分析谷物成分的技术，以其操作简单，处理量大，客观和准确而广泛使用。由于广泛存在于生物体中的O-H，C-H和N-H等分子基团的倍频和合频吸收，使得样品的分析成为可能；这些吸收信号通可过光度计检测，借助于计算机的处理，就能够从谷物的NIR光谱中进行有关蛋白，碳水化合物，水分和脂类等成分分析。NIR定量分析通常称为第二手的方法，其采用线性或非线性回归模型来关联NIR读数和真正的化学成分含量，而这些化学成分含量需由传统的实验室分析获得。同样的，NIR定标模型的稳定性和准确度极大依赖于选择的参与定标的样品和定标程序本身。
仪器设备
反射型：选择几家不同公司的近红外反射类仪器用于样品分析，反射分析通常需要粉碎，均匀的样品，但有时，也有一些生产商将反射技术应用于谷物整粒分析。由于样品粒度，形态和分布的波动，不同的样品磨在同一仪器上会得到不同结果，所以样品常规分析必须选择与仪器定标时相同的样品磨和研磨步骤。对于谷物分析，推荐选择研磨粒度可达到小于1mm（含油种子为2mm）的样品磨。
透射型：选择几家不同公司近红外透射仪器（NIRT）用于样品分析，其通过测定透过固定厚度的样品(依赖样品种类)的光来完成定量分析，在近红外透射仪器（以及漫反射类仪器）中，对于样品粒度和籽粒的随机分布现象，通过对样品不同部位子样品数据平均化将把取样误差和光谱变异度降到最低。
步骤
定标
1. 开始测试前，按照生产商规定的日常检测程序检测仪器
2. 定标样品必须是具有代表性的样品集。如果在定标前样品的化学分析数据信息已经获，可由此确定不同成分各浓度段样品个数呈阶梯形均匀分布。生产商也可以提供一个光谱选择程序从光谱数据中确定对定标最重要的样品，采用这种方法时，各指标不同浓度范围的样品个数也应尽可能均匀分布。每个生产商一般推荐最少的样品数，通常为不少于100个不同品种和背景的样品建立定标，建立稳定的定标，一般期望收集比实际更多的光谱数据。
3. 定标前，按照日常测样方式清理样品。如果样品以原样形式扫描，则无需进行去除明显大颗粒异物的清理工作；如果需要样品粉碎，除非样品磨具有自清洗功能，否则必须在各样品间使用真空清洗。
4. 收集光谱数据。水分测定必须使用认可的方法并与样品扫描同时进行。其它指标可以后进行，甚至在样品干燥后。如果样品水分很高，如10%或更多，采用湿基的数据建立定标会获得更高的近红外预测准确度。如果样品制备需要干燥处理，需再次进行水分分析将结果校正到扫描时的湿基状态。采用参比实验室方法对所有样品至少进行平行样分析。
5. 在NIR光谱中，样品温度和仪器温度都可能导致波长的漂移。如果测样的温度条件与定标样品不同，按照生产商的建议的方法进行校正。这些方法包括调整光谱数据以模仿固定温度时状态，这包括根据经验，在定标文件中添加热的和冷的样品和在多元定标方程中将温度因素作为一个独立的变异量。冷冻的样品往往会产生大的光谱变异，所以定标时须剔除此类样品。
6. 从光学上讲，NIR仪器不尽相同，即使是相同型号的仪器。如果定标将转移到其他同样品牌的仪器上，建议将光谱噪音加到定标中，这样可以使得子机仪器对定标不太敏感。有些厂家已经有清晰的方法做到这点，其中一个好的方法是将定标集5-10%的样品采用同品牌的1-3台设备进行扫描并将光谱加到定标中。计算最终定标常数，按照仪器手册输入到仪器中。有许多数据前处理的运算方法可以减少光谱数据的噪音。起始的建议步骤是获得可接受的结果，见参考2 .用于补偿温度和仪器变异的数据在定标文件中不能超过定标集总光谱变异度的25%。
验证
1. 一个新的定标必须使用定标样品集之外的样品来验证。如果生产商的建议步骤是从原有定标样品集中选择部分样品作为验证集，注意，这不能称为独立验证。独立验证结果只有在采用新样品对定标进行评估才能获得。选择30-50个样品。采用近红外和参比化学法分析，根据以下的评估纲要确定参差，评估定标性能。
2. 交互验证是利用单样品的移出程序对样品集进行处理。取出一个样品，用剩下所有样品建立定标然后计算这个样品的近红外结果。将此样品放回然后再取出一个样品，重复这个步骤直到所有样品都被取出和放回并获得每个样品的近红外计算结果。报告所有的回归系数和标准误差作为验证统计信息。
3. 如果温度是主要的考虑因素，就必须在低温和高温下分析验证样品集，注意防止结霜现象。
定标转移（标准化）
1. 标准化实际上是一个将子机向定标主机校准的过程，以求在子机和主机上获得相同的结果。通常情况下，有两种方法：其一是光学校准法，即在计算预测结果之前从光学角度调整光谱数据（如分段直接标准化，波长线性化等），其二是根据预测结果进行斜率和截据的调整。如果几台仪器使用相同定标时，光学校准法更简便、稳定；如果根据结果采用调整斜率和截据的方法，必须选择20个或更多的有变异的样品作为标准化样品来操作。
2. 采用光学校正法时，选择一套至少10个有变异的样品为监查样品（check sample）。用于监查和标准化的样品必须在主机上给出重复性好的结果，即要求所有指标的近红外重复性预测结果与其标准值在±1标准偏差范围内，且选择的样品必须具有代表性。
3. 标准化之前分别在主机和子机上测试监查样品，然后测试标准化样品，按照生产商的程序说明计算标准化参数。
4. 安装标准化，然后再次测试监查样品。
5. 确认主机和子机的平均差属于非显着性差异范围内（p＝0.05），计算机主机和子机间的标准偏差。
评价
1. 主要的统计学变量如下:
a 相比于化学数据的定标标准偏差（SEC）
b 相比于化学数据(真正验证样品集)的预测误差（SEP）
c 数据范围(相关性R)对SEP比率 或者
准确度对变异度比RPD=数据的标准差SD/SEP
d 同一样品在同一台多次测试时，计算的标准偏差为精确度
e 子机之间定标传输的标准偏差
2. 推荐的性能指标
SEP/SEC <= 1.2
R/SEP >= 4 筛选型定标
>= 10 用于质量控制可接受的定标
>= 15 用于定量的好定标
RPD >= 2.5 用于筛选如育种品种筛选
>= 5 用于质量控制可接受定标
>= 10 用于过程控制，研发和应用研究
精度标准偏差 <= 0.33x SEP
传输性标准偏差 <= 0.5x SEP（同品牌仪器之间）
日常分析测试
1. 每天测试之前，按照生产商的要求运行日常检测程序，有可能的话，运行一个标准样品作一个不同时间的控制图。
2. 按照定标样品的方式准备样品，充分混合，装入测试单元，测定读数。
水分基础
1． 各个成分的含量可以以湿基或者固定的水分基础形式表示，许多仪器可以利用近红外的水分结果实现将湿基基础定标结果折算为固定水分基础下的预测结果。
2． 可对固定水分结果数据直接定标，化学数据在输入前全部转化成恒定水分下结果。在这种情况下，水分的定标无疑必须包括在内。在利用湿基数据直接定标时，如果定标样品中水分的浓度范围大于10个百分点时，湿基的水分定标可能会产生不可预知的变异度。在此种情况下，能预期的水分浓度范围必须包括在湿基数据直接定标样品集中。
注意
注意R/SEP≈2xRPD,只有在数据正态分布时此关系才成立，不适用于均匀分布的样品集。 统计数据的选择依赖于参比值得分布情况。
