KLV大学分光コース

分光スペクトル解析の手順

分光スペクトル解析は、スペクトルデータから「物質」や「成分の割合」を判別・特定するための解析手法であり、多変量解析や機械学習が主に使用されます。
本記事では、実際にスペクトル解析を行うことを想定して、スペクトルの測定から多変量解析までの全体の大まかな流れを解説します。

分光スペクトル解析とは

今回取り扱う「スペクトル解析」は、分光スペクトルなどの大量のデータ（スペクトルデータ）から、データに含まれる情報を分析・抽出し、「成分の解析」や「状態の検査」などを行うの解析手法です。

スペクトル解析の詳細に関しては、以下の記事をご参照ください。
→「スペクトル解析とは?」をわかりやすく解説

分光スペクトル解析の手順

ここからは、本題である「分光スペクトル解析を行う手順」を以下の4つのステップに分けて紹介していきます。

スペクトルの測定
スペクトル解析に使用するスペクトルの算出
スペクトル解析のための前処理
スペクトル解析における多変量解析

1. スペクトルの測定

まず初めに、分光器やハイパースペクトルカメラを用いてスペクトルを測定します。

本記事ではスペクトルの測定方法に関して詳しく紹介しませんが、スペクトル測定には、”透過法”、”拡散反射法”、”全反射測定法”などがあり、これらを測定対象に合わせて適切に使い分けることでより精度の高いスペクトル解析を実現することができます。

スペクトル測定の詳細は、以下の記事をご参照ください。
→分光分析におけるスペクトル測定のコツ

2. スペクトル解析に使用するスペクトルの算出（リファレンススペクトルの考慮など）

正確な分光スペクトル解析を実施するためには、適切な「解析対象のスペクトル」の準備が不可欠です。
この過程で特に重要な要素は、「①リファレンススペクトルの考慮」、「②ダークノイズの考慮」、「③ピンクノイズの考慮」です。
これらの要素は、通常測定時に考慮され、スペクトルが得られることが一般的ですが、スペクトル解析手順として非常に重要なため、測定とは別に説明を行います。

①リファレンススペクトルの考慮

一般的に、測定したスペクトルには、”光源のスペクトル”、”媒体が吸収したスペクトル”、”解析対象が吸収したスペクトル”の３つの要素が含まれています。

解析に用いるのはこのうち、”解析対象が吸収したスペクトル”なので、測定したスペクトルの”光源のスペクトル”と”媒体が吸収したスペクトル”の影響を除く必要があります。

その方法として一般的に使用されるのが吸光度（A）で、”光源のスペクトル”と”媒体が吸収したスペクトル”をあらかじめ”リファレンススペクトル”として取得し、「”測定スペクトル”と”リファレンススペクトル”の比」で求めます。

そして、リファレンススペクトルを取得する際に注意するべきなのが、測定対象に応じて、取得するべき”リファレンススペクトル”の内容が変わるという点です。
例えば、大気中で吸収スペクトルを測定する場合には、”解析対象をおく前の大気のスペクトル”がリファレンススペクトルに、水に溶けた溶剤の吸収スペクトルを測定する場合には、”溶剤を溶かす前の水のスペクトル”がリファレンススペクトルになります。

また、同じ光源を使用していても光源の個体差や劣化によりスペクトルが変わる場合があるので、リファレンススペクトルの取得はスペクトル測定の直前に行うのが望ましいです。

②ダークノイズの考慮

ダークノイズは、分光器のセンサーから発生するノイズなど、光の測定に直接関係しないところで発生するノイズです。このノイズにより、測定スペクトルの信号対ノイズ比（SN比）が低下してしまいます。

このノイズを考慮するためには、分光器への光を遮断した状態のダークスペクトルを測定し、これを測定スペクトルとリファレンススペクトルのぞれぞれから減算して使用する必要があります。

ダークスペクトルは、温度などの影響を受ける事や、積分時間などの条件によって変わることから、スペクトルを測定する条件に合わせて測定する必要があります。

③ピンクノイズの考慮

ピンクノイズは、電子機器の電圧変動などによって発生する長周期で発生するノイズです。

このノイズを考慮するためには、測定時の測定時間（積分時間）を増やすほかに、複数回の測定結果の平均値を解析に使用する方法があります。

3. スペクトル解析の前処理

”解析対象のスペクトル”を取得したら、スペクトル波形を多変量解析などで解析しやすいように「前処理」します。

前処理は、データの分析を行う前に実行する処理すべてを指します。
代表的な前処理には、平滑化、１次微分フィルタ、2次微分フィルタなどがあり、取得したスペクトルデータの内容によってこれらを選択・併用する必要があります。

以下に、スペクトル解析における平滑化、微分フィルタに関して紹介します。

①スペクトル解析における平滑化

平滑化の主な目的は、解析対象のスペクトルに含まれたノイズを取り除くことです。

スペクトル解析の平滑化の代表的な手法であるSavitzky-Golay平滑化は、指定した区間に多項式を当てはめて算出した値を採用する中央移動平均に類似した手法です。

指定区間を広く取る方が平滑化されますが、平滑化を実行しすぎると必要な情報まで消えてしまうため注意が必要です。
また、当てはめる多項式の次数は大きい方が元のデータに沿った波形になりますが、その分スムージングの効果は低くなります。
実際に平滑化を行う際には、結果を見ながらトレードオフを考慮した上で適切なパラメータを選択することが重要です。