Ep 56 — ftirfun 工具使用技巧与实战案例：你的在线红外实验室
系列：红外光谱百科：从原理到实战
篇章：第六篇 · 实战与拓展篇 — 从实验室走向无限可能（开篇）
适合人群：全系列观众，尤其适合需要频繁解析红外谱图的实验人员、学生和科研工作者
前置知识：Ep 01–55 全部内容，尤其是 Ep 05–06（官能团频率）、Ep 18（谱图处理）、Ep 19（库检索）
阅读时间：约 30 分钟
引子：当红外光谱遇见 Web
五十集下来，我们走过了从赫歇尔的温度计到同步辐射红外、从 KBr 压片到 O-PTIR 的漫漫长路。但你可能已经发现一个尴尬的事实——做完实验拿到谱图后，最耗时的不是测量，而是解析。
传统工作流往往是这样的：在仪器配套软件里导出 CSV → 打开 Origin 拟合 → 翻教材查官能团 → 上 NIST WebBook 一张张比对 → 在 Excel 里整理报告。整个流程下来，半天就过去了。
"红外光谱领域长期面临一个矛盾：仪器越来越智能，但数据分析工具却还停留在'各自为战'的阶段。"[1]
如果有一个工具，能让你打开浏览器就完成峰位识别、官能团查询、谱图对比，那该多好？这正是 ftir.fun 诞生的初衷。
本集是实战与拓展篇的开篇，我们将系统介绍这款国产开源 Web 工具的核心功能、使用技巧和实战案例，帮你把谱图解析效率提升一个数量级。
一、ftirfun 项目简介
1.1 它是什么
ftir.fun 是一个基于 Web 的 FTIR 光谱数据分析工具，访问地址为 https://ftir.fun。它的核心定位是：
- 在线化：无需安装，浏览器打开即用
- 结构化：以官能团和峰位为索引，组织红外知识
- 开放性：数据公开可查，鼓励社区贡献
与传统的商业软件（如 OMNIC、Opus、LabSolutions IR）不同，ftir.fun 走的是"知识图谱 + 工具"的路线——它不替代你做测量，但它帮你更快地理解谱图。
1.2 它能做什么
| 功能模块 | 说明 | 典型场景 |
|---|---|---|
| 官能团页面 | 按官能团查看特征频率、峰形、示例谱图 | 学习、查证归属 |
| 峰位查询 | 输入波数，反查可能对应的官能团 | 解析未知峰 |
| 光谱数据上传 | 支持 JCAMP-DX、SPA 等格式的谱图导入 | 在线查看自有谱图 |
| 峰值识别 | 自动/手动标注吸收峰 | 快速概览谱图特征 |
| 光谱搜索与对比 | 谱图比对、数据库查询 | 未知物鉴定 |
| 可视化 | 交互式谱图绘制 | 报告与展示 |
💡 定位说明：ftir.fun 并非要取代商业软件的深度分析能力，而是作为快速查询和辅助解析的轻量级工具，尤其适合教学、自学和初筛场景。
二、核心功能演示
2.1 光谱数据上传与多格式解析
ftir.fun 支持多种常见光谱格式的上传：
- JCAMP-DX（.jdx / .dx）：国际通用交换格式，NIST、SDBS 等数据库均支持
- SPA（.spa）：Thermo Fisher 仪器原生格式
- CSV / TXT：导出的两列数据（波数、吸光度/透射率）
上传流程：
- 进入 ftir.fun 首页
- 点击"上传光谱"按钮
- 选择本地文件
- 系统自动解析并渲染谱图
"JCAMP-DX 是由国际纯粹与应用化学联合会（IUPAC）制定的光谱数据交换标准，旨在让不同厂商的仪器数据互通。"[2]
2.2 峰值识别与管理
上传谱图后，ftir.fun 提供峰值识别功能：
- 自动拾峰：基于阈值和导数算法，自动标出主要吸收峰
- 手动标注：点击谱图任意位置添加峰位标签
- 峰值列表：以表格形式列出所有标注峰的波数、强度
- 峰位编辑：修改、删除、调整标注
这一功能在快速概览谱图特征时非常实用。例如，你拿到一张未知样品谱图，先自动拾峰，再对照官能团页面逐一分析，往往几分钟就能锁定主要结构信息。
2.3 光谱搜索与数据库查询
ftir.fun 内置了一定规模的谱图数据库，支持：
- 谱图相似度搜索：上传谱图与库内谱图比对，给出匹配度排序
- 化合物名称搜索：直接搜索特定化合物的标准谱图
- 官能团筛选：按官能团筛选含特定结构的化合物
💡 与 NIST WebBook 的关系：ftir.fun 的数据库覆盖范围不及 NIST WebBook 全面，但其结构化索引（按官能团、峰位）更适合"反向查询"。两者配合使用效果最佳 [3]。
2.4 可视化与对比分析
ftir.fun 的可视化模块支持：
- 交互式缩放：鼠标拖拽放大特定波数区间
- 多谱图叠加：同时上传多张谱图进行对比
- 峰位对齐：对比模式下高亮相同峰位
- 导出图片：生成可用于报告的谱图图片
对比分析在以下场景特别有用：
- 样品 vs 标准品：判断纯度或一致性
- 不同批次：监控生产工艺稳定性
- 反应前后：跟踪官能团变化
2.5 官能团页面：结构化知识库
这是 ftir.fun 最具特色的功能。每个官能团都有专属页面，包含：
- 特征频率范围：伸缩、弯曲等各类振动的波数区间
- 峰形特征：宽/尖、强/弱
- 影响因素：氢键、共轭、环张力等的位移规律
- 示例谱图：典型化合物的红外谱图
以下是核心官能团的 ftir.fun 链接：
| 官能团 | 链接 | 典型频率 |
|---|---|---|
| 羰基（C=O） | ftir.fun/ir/group/carbonyl | 1650–1850 cm⁻¹ |
| 羟基（O-H） | ftir.fun/ir/group/hydroxyl | 3200–3700 cm⁻¹ |
| 烷基 C-H | ftir.fun/ir/group/alkyl-c-h | 2800–3000 cm⁻¹ |
| 酯基（-COO-） | ftir.fun/ir/group/ester | ~1735 + 1000–1300 cm⁻¹ |
| 酰胺（-CONH-） | ftir.fun/ir/group/amide | ~1650 + ~1620 cm⁻¹ |
2.6 峰位查询：从波数反查官能团
除了"官能团 → 频率"的正向查询，ftir.fun 还支持"频率 → 官能团"的反向查询。访问形如 ftir.fun/ir/peak/{波数} 的 URL 即可。
示例：
- ftir.fun/ir/peak/1700 → 1700 cm⁻¹ 附近可能对应：酮 C=O、羧酸 C=O（氢键）、酰胺 C=O
- ftir.fun/ir/peak/3400 → 3400 cm⁻¹ 附近可能对应：O-H 伸缩、N-H 伸缩
- ftir.fun/ir/peak/1100 → 1100 cm⁻¹ 附近可能对应：C-O-C 伸缩、C-OH 伸缩
这一功能在解析未知峰时极为方便。当你看到一个峰但不确定归属时，直接查询该波数，系统会列出所有可能的官能团及其判据，帮你快速缩小范围。
三、使用技巧
3.1 批量处理工作流
如果你有大量谱图需要处理，推荐以下批量工作流：
- 预处理：在仪器软件或 Python（scipy）中完成基线校正、平滑，导出为 JCAMP-DX
- 批量上传：依次上传到 ftir.fun，使用"多谱图叠加"模式
- 统一拾峰：设置统一的阈值，确保峰位标注一致性
- 结构化记录：将峰值列表复制到表格，逐张分析
- 官能团核对：对每个关键峰，访问对应的官能团页面确认
💡 效率提示：如果只是快速筛查，可以只关注官能团区（4000–1500 cm⁻¹）的几个关键峰，不必逐峰归属指纹区。
3.2 自定义峰值标注
ftir.fun 支持手动标注峰位并添加备注。建议养成以下习惯：
- 标注顺序：从高频到低频，与谱图阅读顺序一致
- 命名规范：使用"波数 + 归属"，如"1715 (C=O)"
- 强度标记：标注强/中/弱，便于后续判断
- 存疑标注：不确定的峰标记"？"，避免误导
3.3 与 NIST WebBook 数据联动
ftir.fun 与 NIST Chemistry WebBook 是互补关系：
| 对比维度 | ftir.fun | NIST WebBook |
|---|---|---|
| 数据规模 | 精选核心化合物 | 数千种化合物 |
| 索引方式 | 官能团 + 峰位 | 化合物名称 + CAS |
| 特色 | 结构化知识图谱 | 权威标准谱图 |
| 适用场景 | 辅助解析、学习 | 标准比对、最终确认 |
联动工作流：
- 在 ftir.fun 上传未知谱图，自动拾峰
- 用峰位查询功能列出可能官能团
- 结合官能团页面缩小候选化合物范围
- 到 NIST WebBook 搜索候选化合物的标准谱图
- 将标准谱图导出并上传到 ftir.fun，与未知谱图叠加对比
- 确认最终鉴定结果
"NIST Chemistry WebBook 提供了大量化合物的红外光谱数据（公开文档常见表述为约 16000+ 种量级，并随库更新变化；请以 WebBook 当前页面为准，勿与“谱图条数”混用）。"[3]
四、实战案例：从上传到鉴定全流程
让我们用一个完整案例演示 ftir.fun 的实战应用。
4.1 案例背景
实验室收到一个未知白色固体样品，已测得 ATR-FTIR 谱图，导出为 JCAMP-DX 格式。需要鉴定其成分。
4.2 步骤一：上传与概览
- 打开 ftir.fun
- 上传 JCAMP-DX 文件
- 谱图渲染后，先整体观察：
- 4000–2500 cm⁻¹：有一个宽强峰（~3300）
- 1700–1600 cm⁻¹：有一个强尖峰（~1650）
- 1600–1500 cm⁻¹：有中等强度峰（~1540）
- 指纹区：多个中强峰
4.3 步骤二：自动拾峰
使用自动拾峰功能，识别出主要峰位：
| 波数（cm⁻¹） | 强度 | 初步判断 |
|---|---|---|
| 3300 | 宽强 | O-H 或 N-H |
| 1650 | 强尖 | C=O（酰胺？） |
| 1540 | 中强 | 可能 Amide II |
| 1450 | 中 | C-H 弯曲 |
| 1350 | 中 | C-N / C-O |
| 1240 | 中 | C-N 伸缩 |
| 1080 | 中 | C-O 或 C-N |
4.4 步骤三：峰位查询
逐个查询关键峰位：
- 访问 ftir.fun/ir/peak/3300 → 可能：O-H、N-H、炔 C-H
- 访问 ftir.fun/ir/peak/1650 → 可能：酰胺 C=O（Amide I）、共轭 C=O、C=C
- 访问 ftir.fun/ir/peak/1540 → 可能：Amide II（N-H 弯曲 + C-N 伸缩）
4.5 步骤四：官能团页面核对
观察到 3300 + 1650 + 1540 的组合，强烈提示酰胺结构：
- 访问 ftir.fun/ir/group/amide 核对：
- Amide I（C=O 伸缩）：~1650 cm⁻¹ ✓
- Amide II（N-H 弯曲 + C-N 伸缩）：~1540 cm⁻¹ ✓
- N-H 伸缩：3300 cm⁻¹ ✓
进一步判断酰胺类型：
- 3300 是单峰而非双峰 → 仲酰胺（-CONH-）或聚酰胺
- 1450 的 C-H 弯曲 + 指纹区特征 → 可能含长链烷基
4.6 步骤五：数据库搜索与确认
- 在 ftir.fun 搜索"聚酰胺"或"尼龙"
- 调出尼龙 66（聚己二酰己二胺）的标准谱图
- 与未知谱图叠加对比——峰位高度吻合
- 到 NIST WebBook [3] 搜索尼龙 66 的标准谱图，最终确认
鉴定结果：尼龙 66（聚酰胺 66，Nylon-66）
4.7 流程总结
上传谱图 → 自动拾峰 → 峰位查询 → 官能团核对 → 数据库搜索 → 标准谱图比对 → 确认结果
↓ ↓ ↓ ↓ ↓ ↓
ftir.fun ftir.fun ftir.fun ftir.fun ftir.fun NIST
整个流程在浏览器中完成，无需切换多个软件，从上传到初步鉴定约 10–15 分钟。
五、与其他开源工具的配合
ftir.fun 并非孤立存在。在红外光谱的开源生态中，还有许多优秀工具可以配合使用：
5.1 Python 生态
| 工具 | 功能 | 配合方式 |
|---|---|---|
| SciPy / NumPy | 数值计算、信号处理 | 批量预处理后上传 ftir.fun |
| scikit-learn | 化学计量学、PCA/PLS | 与 ftir.fun 互补，做定量分析 |
| matplotlib | 谱图绘制 | 生成报告级图片 |
| JupyterLab | 交互式分析 | 编写自定义分析流程 |
"Python 已成为光谱数据分析的事实标准，其丰富的科学计算库为红外光谱的自动化分析提供了强大支撑。"[4]
5.2 专用光谱工具
| 工具 | 功能 | 链接 |
|---|---|---|
| OpenSpecy | 微塑料光谱在线分析 | github.com/wincowgerDEV/OpenSpecy-package |
| RamanSPy | 拉曼光谱分析框架 | github.com/barahona-research-group/RamanSPy |
这些工具我们将在 Ep 59 详细介绍。
5.3 推荐工作流
对于深度分析需求，推荐以下"组合拳"：
- ftir.fun：快速查询、辅助解析、谱图对比
- NIST WebBook：标准谱图确认 [3]
- Python + SciPy：批量处理、自定义分析
- 仪器软件：原始数据获取、深度处理
"工具的价值不在于功能多少，而在于是否适合你的工作流。ftir.fun 的优势在于'即开即用'，让你在最短时间内获得结构化的解析线索。"[1]
六、ftirfun 使用常见问题
Q1：ftir.fun 支持哪些文件格式？
目前主要支持 JCAMP-DX（.jdx / .dx）、SPA 和 CSV/TXT。如果你的仪器导出的是其他专有格式（如 Bruker 的 .0、Shimadzu 的 .irs），建议先在仪器软件中转换为 JCAMP-DX 或 CSV。
Q2：峰位查询的精度如何？
ftir.fun 的峰位查询基于官能团特征频率范围，给出的是"可能对应"的列表，而非精确匹配。实际应用中需要结合峰形、强度、伴随峰综合判断。
Q3：ftir.fun 可以替代商业软件吗？
不能完全替代。ftir.fun 擅长快速查询和辅助解析，但深度分析（如 2D-COS、化学计量学建模、原位反应监测）仍需商业软件或 Python 工具。它的定位是"红外光谱的随身手册"。
Q4：如何贡献数据或反馈问题？
ftir.fun 作为开放工具，欢迎社区贡献。可以通过项目仓库提交 Issue、贡献谱图数据或建议新功能。
七、ftirfun 的价值与局限
7.1 核心价值
- 降低门槛：让没有商业软件的人也能分析谱图
- 结构化知识：把零散的官能团频率整理成可查询的知识库
- 教学友好：适合课堂教学和自学
- 国产开源：中文界面，符合国内用户习惯
7.2 使用局限
- 数据库规模有限，复杂样品仍需 NIST 等大库
- 自动拾峰算法不如商业软件精细
- 缺乏高级定量分析功能
- 无法替代仪器软件的原始数据处理
💡 正确心态：把 ftir.fun 当作"红外光谱的速查手册 + 辅助工具"，而非"万能分析平台"。它的价值在于让你更快地找到方向，而非替代专业的深度分析。
配图（本集关键示意）
📷 图 6：本集核心概念示意
来源：真实/开源图片 · Project case study — PE spectrum（已加水印 ftir.fun）
📷 图 7：相关红外特征示意谱
来源：真实/开源图片 · Unsplash — laboratory scientist（已加水印 ftir.fun）
📷 图 8：学习路线位置
来源：真实/开源图片 · Unsplash — chemistry lab（已加水印 ftir.fun）
本集小结
| 要点 | 内容 |
|---|---|
| ftir.fun 定位 | 基于 Web 的 FTIR 光谱数据分析工具，即开即用 |
| 核心功能 | 谱图上传、峰值识别、官能团查询、峰位反查、谱图对比 |
| 官能团页面 | 按官能团查看特征频率、峰形、影响因素，如 羰基 |
| 峰位查询 | 访问 ftir.fun/ir/peak/{波数} 反查可能官能团 |
| 实战流程 | 上传 → 拾峰 → 峰位查询 → 官能团核对 → 库搜索 → 标准比对 |
| 配合工具 | NIST WebBook、Python 生态、专用光谱工具 |
| 最佳场景 | 教学、自学、快速筛查、辅助解析 |
思考题
如果你拿到一张完全未知的红外谱图，你会如何设计一个使用 ftir.fun 的解析流程？请写出具体步骤。
ftir.fun 的峰位查询功能返回的是"可能对应"列表而非唯一答案。为什么红外光谱无法实现"一个波数对应一个官能团"的精确映射？这与红外光谱的什么本质特性有关？
对比 ftir.fun 与 NIST WebBook 的定位差异。在什么场景下你应该优先使用哪一个？
假设你是实验室主管，要为团队制定"红外光谱分析 SOP"。你会如何将 ftir.fun 纳入工作流？它适合放在哪个环节？
参考文献
[1] ftir.fun 项目文档. ftir.fun — 在线 FTIR 光谱分析工具.
https://ftir.fun
[2] IUPAC. "JCAMP-DX: A Standard Form for Exchange of Infrared Spectra." Pure and Applied Chemistry, 1991.
https://iupac.org
[3] NIST Chemistry WebBook. Standard Reference Database. National Institute of Standards and Technology.
https://webbook.nist.gov
[4] McKinney, W. "Data structures for statistical computing in Python." SciPy Proceedings, 2010.
https://www.scipy.org
下一篇预告：Ep 57 — 趣味案例集锦（上）：太空中的红外——JWST 与火星探测
红外光谱不只属于实验室。当詹姆斯·韦伯太空望远镜把目光投向火星，红外光谱成了人类"远程感知"宇宙化学的终极武器。下一集，我们将离开地球，看看红外光谱如何帮助科学家寻找外星生命的迹象。