Ep 52 — 商业软件评析：OMNIC、OPUS、Spectrum 等

系列：红外光谱百科：从原理到实战
篇章：第五篇 · 仪器与工具篇 — 软件生态（Ep 46–55 后段）
适合人群：仪器采购决策者、实验室管理者、QC/QA 主管、希望提升数据处理效率的技术人员、研究生新进实验室成员
前置知识：Ep 17（仪器操作）、Ep 18（谱图处理）、Ep 19（库检索）、Ep 46–47（主流品牌横评）、Ep 51（故障排查）
阅读时间：约 42 分钟

引子：同一个样品，四套软件四种体验

某高校分析中心同时拥有 Thermo Nicolet iS50、Bruker INVENIO R、PerkinElmer Spectrum 3 和 Shimadzu IRSpirit 四台仪器。研究生小李在做一个跨平台比对实验，需要把同一聚苯乙烯薄膜谱图导出为 CSV，再导入 Python 做后续分析。

• 在 OMNIC 上：File → Export → CSV，5 秒搞定，CSV 直接是两列（波数、吸光度）；
• 在 OPUS 上：File → Export → ASCII XY，对话框里要选 "Abscissa" 起止、点数、是否带表头，参数选错就只有数据没有波数；
• 在 Spectrum 上：File → Save As → 选择 CSV 格式，但默认导出透射率（%T），需先切到 Absorbance；
• 在 LabSolutions IR 上：导出 CSV 需要先"Print to File"，且默认是日文逗号分隔，部分中文 Excel 打开乱码。

"FTIR 软件的功能矩阵远不止'采谱'和'处理'。数据导出能力、宏编程生态、附件自动识别、第三方格式兼容性才是真正决定日常效率的关键。"
—— 改编自 Spectroscopy 杂志软件评测 [1]

本集将系统横评四大商业 FTIR 软件（Thermo OMNIC、Bruker OPUS、PerkinElmer Spectrum、Shimadzu LabSolutions IR），给出功能矩阵对比表、数据导出与格式转换实战技巧，并简介 ftir.fun 等在线工具作为补充。无论你是采购决策者还是日常使用者，都能找到优化工作流的方法。

💡 本集定位：Ep 46–47 评硬件，本集评软件。硬件决定"能不能测"，软件决定"测得爽不爽"。

一、Thermo OMNIC：成熟全面的"行业标准"

1.1 软件概览

OMNIC 是 Thermo Fisher（原 Nicolet）FTIR 系列的标配软件，是目前国内市场占有率最高的 FTIR 软件 [1][2]。从早期的 OMNIC 5.x 到当前的 OMNIC Paradigm，已经历 20 余年迭代。

配套仪器：Nicolet iS5、iS20、iS50、Nicolet Continuμm 显微红外、Nicolet iN10 MX 成像等 [2]。

图 1：OMNIC 主界面（来源：Thermo Fisher 官网，https://www.thermofisher.com/…

1.2 核心优势

① 附件自动识别（Smart Accessory） [1][2]

• Thermo 的 Smart 附件（如 Smart iTR ATR、Smart Orbit DRIFTS、Smart Spretter 镜面反射）插入后，OMNIC 自动识别型号并切换参数；
• 用户无需手动设置光路、增益、扫描次数默认值；
• 这是 OMNIC 最被推崇的功能之一，大幅降低误操作风险。

② 功能全面 [1][2]

• 采集：透射、反射、ATR、DRIFTS、光声、显微成像；
• 处理：基线校正（线性、Rubber Band、多项式）、平滑（SG）、归一化、ATR 校正、求导、差谱、谱图加减；
• 分析：库检索（自带 Aldrich、Hummel、Polymer 包装等）、峰检出、定量（峰高/峰面积/PLS）、多维分析；
• 报告：自动生成符合 21 CFR Part 11 的审计报告。

③ 宏命令（Macros） [1][3]

• OMNIC 内置宏录制器，可记录操作序列并保存为 .mac 文件；
• 适合重复性 QC 任务（如：采背景 → 采样品 → 基线校正 → 库检索 → 导出报告）；
• 高级用户可用 OMNIC Macros 语言编写复杂逻辑。

示例宏（伪代码示意）[3]：

Macro "Daily_QC"
  Collect Background, scans=32, resolution=4
  Collect Sample, scans=32, name="QC_sample"
  Baseline Correct, method=RubberBand
  Search Library, libraries=["Aldrich", "InHouse"]
  Export, format=CSV, path="C:\QC\"
  Print Report, template="QC_template.rpt"
End Macro

④ 软件生态 [1][2]

• TQ Analyst：高级定量分析软件（多元统计、PLS、CLS），与 OMNIC 无缝集成；
• OMNIC Specta：智能谱图解析，自动识别混合物组分；
• OMNIC for Dispersive Raman：与拉曼软件统一界面。

1.3 不足

• 高级功能（如 Macros、Specta）需额外购买 license；
• 软件体积大（> 2 GB），启动慢；
• 仅支持 Windows；
• 部分老版本（OMNIC 8.x 之前）对新操作系统兼容性差 [1]。

二、Bruker OPUS：强大但学习曲线陡

2.1 软件概览

OPUS（Optical User Software）是 Bruker Optics 的旗舰软件，覆盖 FTIR、FT-Raman、NIR 全产品线 [1][4]。从 ALPHA II 到 VERTEX 70v，从 IFS 66 到 INVENIO R，全部使用 OPUS。

配套仪器：ALPHA II、Tensor II、INVENIO R/S、VERTEX 70v、HYPERION 显微红外等 [4]。

图 2：OPUS 主界面（来源：Bruker 官网，https://www.bruker.com/en/pro…

2.2 核心优势

① 测量宏（Measurement Macros） [4][5]

• OPUS 的宏编程能力是四大商业软件中最强的；
• 基于专门的 OPUS Macro 语言，可控制采集、处理、报告全流程；
• 支持条件判断、循环、变量、文件操作；
• 适合自动化 QC、批量样品测试。

OPUS 宏示例（伪代码）[5]：

MACRO Batch_QC
  LOAD METHOD "QC_Method.opm"
  LOOP i = 1 TO 96
    MOVE STAGE TO POSITION i
    ACQUIRE BACKGROUND
    ACQUIRE SAMPLE
    BASELINE CORRECT RUBBERBAND
    EVALUATE QUANT METHOD "Calibration.opu"
    EXPORT RESULT "Sample_" + i + ".csv"
  END LOOP
END MACRO

② 算法丰富 [1][4]

• OPUS 内置的基线校正算法多达 10 余种：Rubber Band、Convex Hull、多项式、ALS、Load/Save Point 等；
• 求导支持 SG、Norris 等；
• 多维分析（PCA、PLS、CLS）原生集成于 OPUS 软件包。

③ 3D 数据处理 [4]

• OPUS 对 FPA（Focal Plane Array）成像数据有原生支持；
• Hyperion 3000 显微红外 + 64×64 FPA 一次采集 4096 张谱图，OPUS 可直接处理为数据立方体；
• 支持化学成像（Chemigram）、PCA 分解、组分提取。

④ 跨平台 Linux 版 [4]

• OPUS 有 Linux 版本（部分仪器型号），适合工业在线应用；
• 这是四大商业软件中唯一支持 Linux 的。

2.3 不足

• 学习曲线陡峭：界面术语抽象（如 "AB"、"TR" 不直观）、菜单层级深 [1]；
• 中文支持不完善，部分版本菜单仍以英文为主；
• 附件识别不如 OMNIC 智能，需手动选择；
• 软件价格高，高级模块单独收费。

三、PerkinElmer Spectrum：直观友好

3.1 软件概览

Spectrum（升级版为 Spectrum 10 / Spectrum LIve）是 PerkinElmer（现部分业务并入 Horiba）FTIR 产品线的软件 [1][6]。

配套仪器：Spectrum Two、Spectrum 3、Frontier、Spotlight 200i/400i 显微红外等 [6]。

图 3：PerkinElmer Spectrum 软件（来源：PerkinElmer 官网，https://www.perkinelmer.com/p…

3.2 栟心优势

① 界面直观 [1][6]

• Spectrum 软件以"按钮大、图标清晰、流程化"著称；
• 适合新手和教学场景；
• "Spectrum LIVE" 实时显示模式可边采边看，适合动态过程监测。

② 兼容性好 [1][6]

• Spectrum 对第三方数据格式兼容性好；
• 可直接读取部分 Thermo、Bruker 的数据（通过插件）；
• 数据导出格式丰富（CSV、JCAMP-DX、SPC、DPT）。

③ Spotlight 显微红外集成 [6]

• Spotlight 200i/400i 显微红外与 Spectrum 软件深度集成；
• 可视化样品台控制、自动点位、化学成像；
• 自动混合物识别（AVI）功能强大。

④21 CFR Part 11 合规 [1][6]

• Spectrum 11+ 版本原生支持 GMP / FDA 21 CFR Part 11；
• 审计追踪、电子签名、权限分级；
• 适合制药行业 QC。

3.3 不足

• PerkinElmer 仪器市场份额下降，软件更新节奏放缓 [1]；
• 高级定量分析模块（Spectrum Quant）功能不如 TQ Analyst 强大；
• 部分老版本对新 Windows 系统兼容性差。

四、Shimadzu LabSolutions IR：与色谱软件统一

4.1 软件概览

LabSolutions IR 是 Shimadzu（岛津）的 FTIR 软件，是 LabSolutions 系列（含 GC、HPLC、FTIR 统一框架）的一个模块 [1][7]。

配套仪器：IRSpirit、IRAffinity-1S、IRTracer-100、AIMsight 显微红外等 [7]。

图 4：LabSolutions IR 主界面（来源：Shimadzu 官网，https://www.shimadzu.com/an/p…

4.2 核心优势

① 与色谱软件统一 [1][7]

• 一个 LabSolutions 平台同时控制 GC、HPLC、FTIR；
• 数据管理统一，适合综合分析实验室；
• 减少培训成本（同一界面操作多类仪器）。

② 紧凑设计配套 [7]

• IRSpirit 便携 FTIR 与 LabSolutions IR 配合良好；
• 现场检测、教学场景适用。

③ 日本市场占有率 [1]

• 在日本本土市场，Shimadzu FTIR 占有率领先；
• LabSolutions IR 在日本实验室普及率高。

④ Macro 命令 [7]

• LabSolutions IR 支持 Macro 编程；
• 简单的批处理可通过 Macro Recorder 实现。

4.3 不足

• 算法丰富度不如 OMNIC、OPUS；
• 国际化支持不完善（部分版本默认日文标点）；
• 第三方格式兼容性一般 [1]。

五、共同功能与差异对比表

下面是四大软件的功能矩阵对比（综合 [1][2][4][6][7]）。

表 1：四大商业 FTIR 软件功能矩阵对比（综合 [1][2][4][6][7]）

选型建议 [1]：

• 教学 / QC 常规：OMNIC 或 Spectrum（易用性优先）；
• 科研 / 复杂自动化：OPUS（宏编程最强）；
• 显微成像 / FPA 数据：OPUS（与 Hyperion 配合最佳）；
• 跨仪器综合实验室：LabSolutions IR（与色谱统一）；
• GMP 制药：四款均支持，看公司 SOP 兼容性。

六、数据导出实战：如何导出为通用格式

数据导出是 FTIR 软件最常被忽视、却最影响后续工作流的环节 [1][8]。导出格式决定了你能否用 Python、R、MATLAB 或其他工具进一步分析。

6.1 主流格式一览

表 2：FTIR 数据格式对比（综合 [1][8]）

💡 关键原则：私有格式长期保存有风险。厂商倒闭、软件升级、格式废弃都可能让数据无法读取。建议每份重要数据同时导出 CSV 或 JCAMP-DX 作为"安全备份" [1][8]。

6.2 OMNIC 导出 CSV [2]

1. 打开谱图，确保是吸光度模式（不是 %T）；
2. File → Export → CSV；
3. 选择保存路径，输入文件名；
4. 默认输出格式：两列，第一列波数（高到低），第二列吸光度；
5. 用文本编辑器打开验证：

4000.000000,0.012345
3999.000000,0.012456
3998.000000,0.012567
...
400.000000,0.087654

6.3 OPUS 导出 ASCII XY [4]

1. 打开谱图；
2. File → Export → ASCII XY；
3. 对话框设置：
   • "Abscissa Start"：4000
   • "Abscissa End"：400
   • "Number of Points"：3601（或选 "Resolution" 自动）
   • "Separator"：Comma 或 Space
   • "Header"：勾选（带元数据注释）
4. 输出格式示例：

   # OPUS Version 8.5
   # Data block: AB
   # X-axis: Wavenumbers (cm-1)
   # Y-axis: Absorbance
   4000.0,0.012345
   3999.0,0.012456
   ...
   

6.4 Spectrum 导出 CSV [6]

1. 打开谱图；
2. 确认 Y 轴为 Absorbance（Tools → Y-axis → Absorbance）；
3. File → Save As → 选择 "CSV Files (*.csv)"；
4. 保存；
5. 注意：默认导出可能含元数据行（前几行非数据），需用 Python 跳过：

import numpy as np
data = np.loadtxt("sample.csv", delimiter=",", skiprows=5)
wavenumber = data[:, 0]
absorbance = data[:, 1]

6.5 LabSolutions IR 导出 CSV [7]

1. 打开谱图；
2. File → Print to File → 选择 CSV；
3. 注意：默认可能用日文逗号（、）或全角字符，需检查；
4. 用 Python 处理时，必要时先做编码转换：

# 处理可能的 Shift-JIS 编码
with open("sample.csv", "r", encoding="shift_jis") as f:
    lines = f.readlines()
# 替换全角字符
text = "".join(lines).replace("、", ",").replace("　", " ")
with open("sample_utf8.csv", "w", encoding="utf-8") as f:
    f.write(text)

6.6 批量导出技巧

面对数十上百张谱图，手动导出不现实。各软件都支持批量导出 [1][2][4]：

• OMNIC：File → Batch Process → 选 Export 动作 → 选谱图文件夹；
• OPUS：用宏编程（如 6.2 节示例）批量处理；
• Spectrum：Tools → Macro Recorder → 录制导出动作 → 循环执行；
• LabSolutions IR：用 Macro 命令批量处理。

七、数据格式转换工具

如果数据已经以私有格式保存（如 .spa、.opu），如何转换？下面列出常用工具 [1][8][9]。

7.1 厂商工具

① OMNIC to JCAMP-DX [2]

• OMNIC 自带：File → Save As → 选 JCAMP-DX (.jdx)；
• 含元数据，跨平台兼容好。

② OPUS to JCAMP-DX [4]

• OPUS 自带：File → Export → JCAMP-DX。

③ Bio-Rad KnowItAll [9]

• 商业软件，支持几乎所有 FTIR 格式互转；
• 可读取 .spa、.opu、.sp、.spc 等；
• 适合跨厂商数据整合；
• 价格较高。

7.2 开源工具

① Python jcamp 库 [8]

import jcamp
# 读取 JCAMP-DX
data = jcamp.jcamp_read("sample.jdx")
print(data['x'])  # 波数数组
print(data['y'])  # 吸光度数组

② Python pysptools [8]

• 适合高光谱数据；
• 可读取部分 FTIR 成像格式。

③ Python scikit-kinetic 等 [8]

• 可读取 .spc 格式（Galactic SPC）。

④ fileobj / binview [1]

• 二进制查看工具，适合解析私有格式头部。

7.3 命令行批量转换

对于大量 .spa 文件转 CSV，可用 Python + PyMS 步骤 [1][8]：

import os
import subprocess

# 假设已有 spa2csv.exe（部分 Thermo 工具带）
spa_files = [f for f in os.listdir(".") if f.endswith(".spa")]
for spa in spa_files:
    csv = spa.replace(".spa", ".csv")
    subprocess.run(["spa2csv.exe", spa, csv])
    print(f"Converted: {spa} → {csv}")

7.4 ftir.fun 在线工具补充

🔗 延伸：ftir.fun 提供 Web 端的光谱数据解析与可视化，支持上传 JCAMP-DX 等通用格式，无需安装软件即可快速查看、比对谱图。适合：

• 出差时快速查看客户谱图；
• 跨设备访问（手机 / 平板）；
• 与同事共享谱图（分享链接）；
• 与 NIST WebBook 等数据库联动检索。

ftir.fun 的核心定位是"中文友好的光谱工具补充"，可作为商业软件之外的高效补充 [10]。

八、宏编程与自动化：从重复劳动中解放

QC 实验室每天处理上百个样品，重复性操作占大量时间。宏编程能把这些操作自动化 [1][3][5]。

8.1 何时该用宏

• 同一样品类型批量测试（如 96 孔板 ATR 筛查）；
• 标准化 QC 流程（固定背景 → 样品 → 处理 → 报告）；
• 方法验证（同一标准品连续测 6 次 + 自动统计）；
• 数据归档（采集后自动命名、存档、备份）。

8.2 OMNIC 宏示例：每日 QC 自动化 [3]

Macro "Daily_QC_v2"
  ' 1. 仪器自检
  If Diagnostics.Failed Then
    MsgBox "Instrument diagnostics failed!"
    Exit Macro
  End If

  ' 2. 采集背景
  Collect Background
    Scans = 64
    Resolution = 4
    Name = "BG_" + Date$
  End Collect

  ' 3. 提示放入样品
  MsgBox "Place QC sample on ATR, press OK to start."

  ' 4. 采集样品
  Collect Sample
    Scans = 32
    Resolution = 4
    Name = "QC_" + Date$
    Background = "BG_" + Date$
  End Collect

  ' 5. 谱图处理
  BaselineCorrect Method=RubberBand
  Smooth Method=SG, Window=9, Order=2
  ATRCorrect

  ' 6. 库检索
  SearchLibrary
    Libraries = ["Aldrich_Condensed", "InHouse_Polymers"]
    Threshold = 0.85

  ' 7. 导出与报告
  Export Format=CSV, Path="C:\QC\" + Date$ + "\"
  PrintReport Template="QC_Daily.rpt"

  ' 8. 性能验证（聚苯乙烯）
  If DateDiff("d", LastValidation, Now) > 30 Then
    MsgBox "30-day validation due. Run PS film validation."
  End If
End Macro

8.3 OPUS 宏示例：FPA 成像批量处理 [4][5]

MACRO FPA_Batch_Analysis
  LOAD METHOD "Imaging_Method.opm"
  LOOP sample = 1 TO 10
    LOAD SAMPLE "Sample_" + sample + ".opu"
    ' 提取组分 1（聚酯）
    EXTRACT COMPONENT 1
    EXPORT CHEMIGRAM "Polyester_" + sample + ".csv"
    ' PCA 分解
    PCA COMPONENTS 5
    EXPORT LOADINGS "PCA_loadings_" + sample + ".csv"
  END LOOP
END MACRO

8.4 宏编程的"踩坑"提示

• 版本兼容：宏文件常随软件版本升级失效，需重新录制 [1]；
• 路径硬编码：宏中硬编码的路径在不同机器上失败，建议用相对路径或环境变量；
• 错误处理：简单宏常无错误处理，遇到异常直接中断；高级宏应加 try-catch；
• 审计追踪：GMP 环境下宏本身需要版本控制，不能随意修改 [1]。

九、软件选型的实战建议

9.1 按场景选型

表 3：FTIR 软件选型建议（综合 [1][2][4][6][7]）

9.2 软件采购谈判技巧

1. 软件 license 模式 [1]：

   • 单机永久 license（推荐）：一次性付费，永久使用；
   • 浮动 license：多机共享，需服务器；
   • 订阅制（年付）：长期成本高，但始终最新版；
   • 模块化：基础 + 高级模块分购，按需选。

2. 必备模块 [1]：

   • 基础采集 + 处理（必购）；
   • 库检索（必购，含基础库）；
   • 定量分析（如做 QC，建议购）；
   • 宏 / 自动化（如批量测试，建议购）；
   • 显微成像模块（如购显微红外，必购）。

3. 隐藏成本 [1]：

   • 升级费用（通常每年 15%–20%）；
   • 培训费用（建议谈判时含 1–2 次免费培训）；
   • 数据库订阅（Sadtler、Aldrich 等按年订阅）；
   • 服务合约（建议前 2 年免费保修）。

9.3 兼容性与未来扩展

• 跨厂商兼容 [1][8]：

  • 同一实验室多品牌仪器，数据统一管理困难；
  • 建议统一导出 JCAMP-DX 格式归档；
  • ftir.fun 等在线工具可辅助跨平台查看 [10]。

• 第三方软件生态 [1]：

  • 是否能导出 Python / R 友好格式（CSV、JCAMP-DX）；
  • 是否支持与 LIMS 系统对接；
  • 是否开放 API（少数软件支持）。

十、软件层面的常见"踩坑"

10.1 坑 1：导出 %T 而非 Absorbance

情境：导出 CSV 后导入 Python，发现峰是"倒过来"的（向下凸）[1]。

原因：导出时谱图在 %T 模式，导致 Y 轴是 0–100，峰是向下凹陷。

对策：

# 自动检测并转换
import numpy as np
data = np.loadtxt("sample.csv", delimiter=",", skiprows=1)
wn, y = data[:, 0], data[:, 1]
if y.max() > 2:  # 看起来是 %T
    y = -np.log10(y / 100.0)  # 转 Absorbance
    print("Detected %T, converted to Absorbance.")

10.2 坑 2：波数方向反了

情境：导入后发现谱图左右镜像 [1]。

原因：不同软件默认波数方向不同（OMNIC 高到低，部分 Python 库低到高）。

对策：

if wn[0] < wn[-1]:  # 低到高，反转
    wn = wn[::-1]
    y = y[::-1]

10.3 坑 3：分辨率 / 点数不一致

情境：两个仪器数据合并时点数不一致，无法对齐 [1]。

原因：不同仪器分辨率不同（4 cm⁻¹ vs 8 cm⁻¹），点数也不同。

对策：插值对齐

from scipy.interpolate import interp1d
f = interp1d(wn1, y1, kind='linear', fill_value='extrapolate')
y1_aligned = f(wn2)  # 重采样到 wn2

10.4 坑 4：私有格式无法读取

情境：5 年前用 OMNIC 5.x 采集的 .spa 文件，新电脑没装 OMNIC，无法打开 [1]。

对策：

• 提前导出 JCAMP-DX 归档；
• 用 Bio-Rad KnowItAll 转换 [9]；
• 联系厂商索取旧版软件（部分厂商免费提供）；
• 预防：建立"数据归档 SOP"，每个原始数据同时存 CSV + JCAMP-DX。

10.5 坑 5：宏在新版本失效

情境：升级 OMNIC 9 → 10 后，老宏命令报错 [1]。

对策：

• 升级前在虚拟机测试宏；
• 保留旧版软件（部分厂商支持双版本安装）；
• 宏中避免用 undocumented 命令；
• 与厂商技术支持保持沟通，提前获取升级文档。

配图（本集关键示意）

📷 图 5：仪器能力对比示意

来源：真实/开源图片 · Project case study — PE spectrum（已加水印 ftir.fun）

📷 图 6：光路/附件概念

来源：真实/开源图片 · Unsplash — chemistry lab（已加水印 ftir.fun）

📷 图 7：软件/数据库工作流

来源：ftir.fun 教学示意图（带水印；非实测谱，仅供理解概念）

本集小结

思考题

1. 你需要把 100 张 OMNIC 谱图批量导出为 CSV，并保证每张图的 Y 轴都是吸光度、X 轴都是高到低、点数都是 3601。请设计一个完整的批量导出方案，含 OMNIC 宏与 Python 后处理脚本。

2. 同一聚苯乙烯薄膜在 Bruker OPUS 和 Thermo OMNIC 上各采一张谱图，导出 CSV 后发现峰强度差 20%。请列出可能导致差异的全部软件因素（不含仪器硬件差异）。

3. 公司决定把所有 5 年内的 FTIR 数据迁移到一个统一数据库，但数据散落在 .spa、.opu、.sp 三种私有格式中。请设计一个迁移方案，包括格式转换、元数据保留、数据完整性验证三个环节。

4. 用 OPUS 宏编写一个自动化 QC 流程：每天上午 9 点自动采集背景、提醒放样品、采集样品、Rubber Band 基线校正、库检索、生成报告并邮件发送。请列出宏的主要步骤与每步的关键命令。

5. 比较四大商业软件在 21 CFR Part 11 合规方面的能力。如果你是制药厂 QC 主管，需要采购一台新 FTIR，软件选型时会优先考虑哪些功能？

参考文献

[1] Smith B C. "Choosing and Using FTIR Software." Spectroscopy, 2018, 33(5): 18–24.
https://www.spectroscopyonlin…

[2] Thermo Fisher Scientific. "OMNIC Spectroscopy Software: User's Guide." Version 10.
https://www.thermofisher.com/…

[3] Thermo Fisher Scientific. "OMNIC Macros: Programming Guide." Technical Note.
https://www.thermofisher.com/…

[4] Bruker Optics. "OPUS Spectroscopy Software: User Manual." Version 8.5.
https://www.bruker.com/en/pro…

[5] Bruker Optics. "OPUS Macro Programming: Reference."
https://www.bruker.com/en/pro…

[6] PerkinElmer. "Spectrum 10 Software: User's Guide."
https://www.perkinelmer.com/p…

[7] Shimadzu. "LabSolutions IR: User's Manual."
https://www.shimadzu.com/an/p…

[8] IUPAC. "JCAMP-DX: Standard for Infrared Spectral Data Exchange." Pure and Applied Chemistry, 1995, 67(12): 1955–1984. DOI:10.1351/pac199567121955.

[9] Bio-Rad. "KnowItAll Informatics System: Spectral Data Management."
https://www.knowitall.com/

[10] ftir.fun. "在线红外光谱工具."
https://ftir.fun

下一集预告：Ep 53 — 开源工具篇（上）：SpectroChemPy、pybaselines
商业软件虽好，但价格不菲且封闭。下集开始我们转向开源世界，评析 SpectroChemPy（NDDataset 数据结构、多厂商格式读取）、pybaselines（200+ 基线校正算法）、spectrapepper（入门级光谱分析包）。每款都配有 GitHub 链接、star 数、实操代码示例，以及"何时该选开源、何时仍需商业软件"的判断框架。

本文使用 CC BY-NC-SA 4.0 许可。配图来自公开领域或已标注来源的网络资源，版权归原作者所有。