红外光谱结合化学计量学对栽培滇重楼的产地鉴别研究

目的 比较滇重楼Paris polyphylla var. yunnanensis不同生长年限不同产地红外光谱特征,建立产地鉴别模型。方法 收集13个产地3～8年生栽培滇重楼样品,共计841株个体;通过衰减全反射-傅里叶变换红外光谱仪(attenuated total reflection-Fourier transform infrared spectra,ATR-FTIR)采集样品红外光谱;结合多元散射校正(multiplicative scattering correction,MSC)、一阶导数(first derivative,FD)、二阶导数(second derivative,SD)和三阶导数(third derivative,TD)筛选最佳光谱预处理方式;利用偏最小二乘判别模型(partial least squares discrimination analysis,PLS-DA)鉴别相同生长年限不同产地的样品。结果 三阶导数与多元散射校正结合是对3年生和5～8年生样品进行产地鉴别的最佳光谱预处理方式;二阶导数与多元散射校正结合是鉴别4年生不同产地样品最佳光谱预处理方...     

应用近红外光谱技术对茯苓药材进行定性定量检测研究

目的: 利用傅里叶变换近红外漫反射光谱结合化学计量学方法对茯苓不同部位进行定性判别建模,并建立茯苓多糖的定量检测模型和茯苓多糖定量分析. 方法: 采用紫外分光光度法测定茯苓多糖含量,漫反射方式采集样品近红外光谱,采用一阶导数 + 矢量归一化法处理近红外光谱图,运用偏最小二乘法(PLS)建立光谱数据与多糖的定量校正模型,运用主成分分析(PCA)法建立茯苓定性模型, 结果: 偏最小二乘定量校正模型R 为0.9440,RMSEC为0.072 1,RMSEP为0.076 2;定性分析模型对10个预测样品的判错数为0. 结论: 利用傅里叶变换近红外漫反射光谱快速判别不同部位茯苓的方法是可行的,多糖含量PLS定量分析模型从预测精度、稳定性及适应性考虑均具一定的通用性,具有良好的市场应用前景.     

淫羊藿水分和灰分的近红外快速检测

目的建立基于近红外漫反射光谱的淫羊藿Epimedium Herba水分、灰分快速检测新方法,调查我国市售淫羊藿药材的水分、灰分量。方法采用标准正常化+去散射处理(SNV+D)进行散射校正,采用主成分分析(PCA)进行聚类分析,采用"2,4,4,1"方式进行数学处理,采用改进偏最小二乘法进行回归分析。结果建立的淫羊藿药材水分与灰分近红外定标模型预测效果较好,稳定性较高,水分与灰分的定标决定系数分别为0.884 3、0.938 7,交叉验证相关系数分别为0.8009、0.851 9,预测相关系数达到了0.9,剩余预测差超过了3.0。采用近红外分析方法首次测得我国市售淫羊藿药材水分合格率为100%,灰分合格率为82%。结论近红外分析方法具有快捷、精确、无损等优点,在淫羊蕾药材质量控制中具有参考意义。     

矿物药硼砂的近红外光谱快速定性定量研究

目的利用近红外光谱技术建立矿物药硼砂的快速定性定量分析模型,为硼砂的质量控制提供新的快速分析方法。方法采集各样品近红外光谱,以一阶导数为预处理方法,将正品硼砂样品的平均光谱作为参考光谱,在全谱段范围内计算所有样品光谱与参考光谱之间的相关系数,确定正品与非正品之间的相关系数阈值,建立硼砂的定性分析模型。所有正品硼砂均采用酸碱滴定法测定四硼酸钠的含量,并作为参考值,以矢量归一化加一阶导数17点平滑为预处理方法,在9 100～5 700 cm~(-1)谱段内,采用偏最小二乘法建立硼砂的定量分析模型。结果硼砂的定性模型,当相关系数(r)≥75.45%时为正品硼砂,当r75.45%为非正品硼砂,模型的预测准确率为100%。硼砂定量分析模型,在内部交叉验证中,RMSECV为0.36,R~2为99.06%,说明建模的效果好;在外部验证中RMSEP为0.37,R~2为98.99%,预测结果最大相对偏差为1.02%,平均相对偏差为0.57%,平均回收率为99.74%,说明模型的预测能力强。结论采用近红外光谱技术建立的硼砂定性定量模型效果良好,可以用于硼砂的快速定性定量分析。     

红外光谱法快速预测箭叶淫羊藿中黄酮类成分含量北大核心CSCD

淫羊藿为传统常用中药,具有补肾壮阳的功效,主要活性成分是黄酮类化合物。该研究选择了60个箭叶淫羊藿校正集样本,基于UPLC测定获得药典规定的总黄酮苷含量(朝藿定A、朝藿定B、朝藿定C和淫羊藿苷4个成分的总量,简称ABCI),以及又加含量较高的鼠李糖基淫羊藿次苷Ⅱ和淫羊藿次苷Ⅱ共6个成分总量(TF)2个指标,分别在“1 900~650 cm-1波段的一阶导数+多元散射校正(4点平滑)”和“4 000~650 cm-1全波段的一阶导数+标准正态变量校正(4点平滑)”等校正参数下,采用傅里叶红外光谱法加衰减全反射附件法(FTIR-ATR)结合偏最小二乘法(PLS)进行定量模型构建,进而用于11个验证集样本的含量预测,验证得出校正集和验证集样本ABCI指标的平均预测准确率分别为98.985%、96.087%,校正集和验证集样本TF指标的平均预测准确率分别为98.998%、94.771%。说明FTIR-ATR结合PLS定量模型可用于箭叶淫羊藿黄酮含量的快速预测,且预测准确率均在94.7%以上。该法的建立对淫羊藿大量样本的检测提供了新的解决方法。     

近红外光谱技术快速鉴别淫羊藿药材产地

目的淫羊藿作为一种药食两用植物,在祛湿补肾方面有显著疗效。应用近红外光谱,以甘肃、陕西和辽宁三个不同产区的淫羊藿为研究对象进行产地鉴别。方法采用主成分分析(principal component analysis,PCA)、前馈人工神经网络(back feed forward-artificial neural network,BP-ANN)和支持向量机(support vector machine,SVM)进行定性判别分析;其中,在支持向量机分类模型中,研究了三种参数寻优方法包括网格全局搜索(grid search)、遗传算法(genetic algorithm,GA)及粒子群算法(particle swarm optimization,PSO)对模型性能的影响。结果 PCA得分图产地间有部分重叠,较难区分;前馈人工神经网络和支持向量机定性识别方法都能完全准确地鉴别产地。结论该研究表明近红外光谱技术结合化学计量学可作为一种快速可靠的方法用于淫羊藿产地的鉴别,并为市场规范提供一种新思路。     

基于高光谱成像技术的中药栀子产地识别北大核心CSCD

为实现快速无损识别中药栀子的产地,建立一种基于高光谱成像技术的方法。利用高光谱成像系统分别从可见-近红外波段(410~990 nm, VNIR)和短波红外波段(950~2 500 nm, SWIR)获取8个产地栀子样品的高光谱图像,使用ENVI 5.3软件提取并计算感兴趣区域内的平均光谱反射率,最终获得1 600个样品的光谱数据。将VNIR和SWIR的光谱数据结合即得覆盖410~2 500 nm的可见-短波红外波段(即融合波段)光谱数据。从VNIR、SWIR和融合波段这3个维度,使用多元散射校正、Savitzky-Golay平滑、标准正态变换、一阶导数(FD)和二阶导数等5种常用的预处理方法,对3组光谱数据进行降噪处理。使用偏最小二乘判别分析、线性支持向量机分类器(LinearSVC)和随机森林这3种分类算法分别建立栀子产地识别模型。结果表明,融合波段光谱数据经FD预处理后建立的栀子产地识别模型结果较好。根据混淆矩阵评估结果,使用LinearSVC构建的模型预测集识别准确率达到100%,确定栀子产地最佳识别模型为融合波段-FD-LinearSVC。因此,高光谱技术能够实现快速、无损、准确地识别不同产地栀子样品,可为栀子及其他中药材鉴别检测提供技术参考。     

基于近红外光谱技术的道地山药快速无损分析

目的：采用近红外漫反射光谱技术,建立对道地山药的快速无损鉴别方法。方法：收集三个产地（河南、河北、广东）的山药饮片共90份,采集其近红外漫反射光谱。采用判别分析法建立定性鉴别模型,并考察不同数据预处理方法对模型预测结果的影响。结果：道地山药饮片与其他产地的山药饮片在原始光谱与主成分得分的空间分布中均表现出较大的差异性。所建定性判别模型中,经多元散射校正结合二阶导数及SG平滑处理的模型表现出最佳预测结果,其对校正集与验证集的判正率均为100％。结论：近红外漫反射光谱技术在道地药材的质量分析中具有可行性,可实现道地山药饮片的快速无损鉴别。     

掺伪宁夏枸杞近红外光谱鉴别

目的利用近红外漫反射光谱分析技术和化学计量学方法对掺伪宁夏枸杞Lycium barbarum L.进行快速定量鉴别。方法以掺杂不同比例其他产地枸杞的宁夏枸杞作为掺伪样本,采用偏最小二乘法建立校正模型,预测掺伪宁夏枸杞含有量。光谱数据预处理方法为二阶导数/多元散射校正,光谱范围为4 100～9 900 cm~(-1)。结果 100个样本经交叉验证建立校正模型,交叉验证均方差为1.33,交叉验证相关系数为0.999 0;用20个样本进行外部验证,预测均方差为3.85,预测相关系数为0.994 1,平均预测偏差为3.2%,最大预测偏差为7.7%。结论该方法可用于掺伪宁夏枸杞的定量快速鉴别。     

近红外漫反射光谱法用于不同产地白术的鉴别

目的应用近红外漫反射光谱(NIRS)的聚类分析法建立白术药材产地的定性分析模型,以此来鉴别不同产地白术药材。方法将45个样本随机地分成两个部分:42个建模样本和3个预测样本。采用Bruker公司的MPA型光谱仪对建模样品进行光谱分析,获取42个样本数据。在预处理试验过程中,采用矢量归一化去高频噪声。然后使用OPUS软件自带的聚类分析因子法进行产地鉴别,得出结论。最后,将3个预测样本放入实验,进行准确度的判断。结果该实验方法对不同产地白术药材的分辨率为100%,实现了运用近红外光谱技术快速、准确地进行白术的产地鉴别。结论该实验为快速识别白术产地的研究提供了理论支持和实用方法,适宜推广。     

NIRS结合TQ软件对不同产地野菊花定性定量分析

目的:采用近红外光谱技术(NIRS)结合TQ软件对不同产地野菊花进行定性定量分析。方法:运用近红外漫反射光谱技术采集不同产地野菊花药材的NIR光谱,采用TQ软件中的判别分析法对不同产地野菊花进行产地判别;采用HPLC法测定野菊花中绿原酸含量,偏最小二乘法对不同产地野菊花药材中的绿原酸进行定量预测,分别建立了定性定量分析模型,并对模型进行了验证。结果:所建定性模型可快速准确鉴别出不同产地的野菊花药材,验证集样品错判例数为0;绿原酸定量预测模型的校正集内部交叉验证相关系数(R2),校正均方差(RMSEC)和预测均方差(RMSEP)分别为0.995 38,0.008 12和0.012 8。结论:定性定量模型可准确地对不同产地野菊花进行定性定量分析,该方法简便可靠,可用于野菊花药材的快速质量分析。     

基于近红外光谱技术对硫磺熏蒸白芷的定性鉴别和定量研究

白芷中的香豆素类成分在硫磺熏蒸后显著下降,因此需要对硫磺熏蒸的白芷建立快速定性鉴别,并建立欧前胡素含量定量模型,实现药材质量控制的目的。该文使用近红外（NIR）漫反射光谱技术采集硫磺熏蒸和非硫磺熏蒸的白芷的NIR光谱,以一阶导数和矢量归一化的方法进行预处理,采用OPUS/INDENT定性分析软件Ward’s Algorithm法进行聚类分析,在8 806.0~3 811.0 cm^-1的聚类分析结果可以简单,快速地鉴别白芷是否被硫磺熏蒸。同时,以高效液相色谱法测定的欧前胡素分析值为参照,结合OPUS/QUANT定量分析软件偏最小二乘法,建立欧前胡素含量的定量模型。该模型的相关系数（R²）,内部交叉验证均方差（RMSECV）和预测均方差（RMSEP）分别为0.982 8,0.006 8和0.011 8。建立的欧前胡素NIR定量模型可准确地用于快速测定白芷中欧前胡素的含量。     

������΢���۽����������о�������ƽƬ���ͼ����б�ģ�͵Ľ���

??OBJECTIVE To analyze the polymorphs of carbamazepin tablets by laser confocal micro-Raman spectrometer and establish the identification test model. METHODS Reference Raman spectra of the four crystal forms of carbamazepin were established; then the polymorphs of the carbamazepin tablets from different manufacturers were analyzed,and an identification test model was established to distinguish the unknown samples. RESULTS According to the results of the cluster analysis,the four batches of carbamazepin tablets from domestic manufacturers belonged to crystal form??. A qualitative model was created by choosing the first derivative and vector normalization method to process the spectra,using the factorization method to calculate,and selecting the 200-500, 650-850, 1 000-1 100, 1 500-1 700 cm^-1 regions to compare. This model was verified to have high sensitivity, specificity, precisicion, negative prediction ability, and detection efficiency. CONCLUSION The laser confocal micro-Raman spectrometer canbe used to analyze the polymorphs of carbamazepin tablets and the qualitative identification is rapid and accurate.     

DOSC-SBC在近红外定量模型批次间传递中的应用

模型传递可使特定条件下建立的近红外模型能够应用于新的样品状态、环境条件或仪器状态。正交信号回归是一类基于"光谱背景校正"的模型传递方法,利用虚拟标准光谱拟合主从批次光谱间的线性关系,将从批次光谱向主批次光谱映射,以实现近红外定量模型的传递,但该方法对虚拟光谱的代表性要求较高,回归过程中易出现较大偏差。因此,该文提出一种直接正交信号校正法(direct orthogonal signal correction,DOSC)联合斜率截距校正算法(slope and bias correction,SBC)(DOSC-SBC)的数据处理方法,针对近红外定量模型对不同批次样本制剂过程中目标成分含量预测准确度较差的问题,分析不同批次样本间因组分差异带来的光谱背景差异和模型预测误差的性质,通过DOSC消除与目标值无关的光谱背景差异,联合SBC算法对不同批次间样本批次间系统误差进行校正,实现近红外定量模型在不同批次间传递。该研究将DOSC-SBC应用于金银花水提和醇沉制剂过程中,模型对新批次样本的预测误差由32.3%,237%降低到7.30%,4.34%,预测准确度显著提高,实现了制剂过程中新批次样本目标成分的快速定量。DOSC-SBC模型传递方法实现了近红外定量模型在不同批次间传递,且该方法不需要标准样品,有利于促进近红外技术在中药制剂过程的应用,为中药生产过程中有效成分的实时监测提供参考。     

近红外光谱法鉴别何首乌真伪的应用研究

目的:建立近红外定性分析模型能够对何首乌真伪进行鉴别,同时区分何首乌与其炮制品制何首乌,可用于该药材快速筛查,加强药品监管效能。方法:采集30多份何首乌和制首乌样品以及其伪品白首乌、冀蓼、毛脉蓼的近红外光谱图,利用近红外光谱技术结合化学计量学方法建立何首乌定性判别模型和一致性检验模型,并尝试对不同产地何首乌进行聚类分析。结果:所建模型能够将何首乌与其伪品准确识别,同时能够区分何首乌与制何首乌。结论:近红外光谱法在何首乌药材鉴别、分类中得到实际应用,可作为鉴别该药材的初筛手段。     

8种含碳酸盐的矿物类中药近红外定性定量模型的建立

该研究探索应用近红外光谱技术对8种含碳酸盐的矿物类中药进行快速鉴别。利用OPUS软件中聚类分析法建立的定性分析模型,可以准确鉴别8种含碳酸盐的矿物类中药。另外,使用偏最小二乘法对其中7种矿物类中药的主要成分碳酸钙含量建立近红外定量分析模型,以EDTA滴定法测定值为参照,当碳酸钙含量为47.61%~99.17%时,预测结果的平均相对偏差为0.24%,平均回收率为100.3%。结果表明,该近红外光谱分析模型可以快速准确鉴别8种含碳酸盐类矿物类中药,对其中7种矿物类中药中碳酸钙的含量也可以快速测定,结果准确、可靠。     

Bagging-PLS的黄柏中试提取过程在线近红外质量监测研究

目的:采用近红外光谱技术,建立黄柏中试提取过程偏最小二乘法(PLS)定量模型,快速分析盐酸小檗碱含量,以Bagging-PLS集成建模方法提高所建模型的预测性能。方法:以HPLC为参考方法测定黄柏提取液中盐酸小檗碱含量,运用PLS建立与近红外光谱(NIR)预测值之间的多元校正模型,并建立Bagging-PLS模型提高模型的稳定性与预测性能。结果:盐酸小檗碱定量模型的校正均方根误差RMSEC为0.742 9,预测均方根误差RMSEP为0.961 4,校正集相关系数rc为0.986 6,预测集相关系数rp为0.977 0;Bagging-PLS模型预测均方根误差RMSEP均值为0.413 6,预测集相关系数rp均值为0.998 3,表现出了良好的稳健性与预测性能。结论:所建立的近红外定量模型拥有较好的预测性能,能够实现快速实时检测黄柏提取液中盐酸小檗碱的含量;所建立的Bagging-PLS模型稳健性与预测性能良好,可应用于中药近红外在线监测过程中。     

基于NIRS技术和PCA-SVM算法6种树脂及其他类中药的快速鉴别

目的:利用近红外漫反射光谱(NIRS)法,结合主成分分析(PCA)和支持向量机(SVM)联用算法,建立6种树脂及其他类中药安息香(Benzoinum),琥珀(Succinum),没药(Myrrha),乳香(Olibanum),松香(Colophonium),天竺黄(Bambusaen Concretio Silicea)的NIR模式识别模型,用于该6味中药的快速鉴别。方法:收集上述6种中药样品,经性状鉴别和理化分析确定正品药材55批,粉碎成均匀粉末,在4 000~12 000 cm~(-1)光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000~5 400,5 000~4 000 cm~(-1)为建模谱段,分别采用矢量归一化法(vector normalization,VN),一阶导数法(first derivative,FD),二阶导数法(second derivative,SD)3种不同光谱预处理方法进行预处理并分别进行PCA降维。根据主成分空间散点图,优选最佳预处理方法。利用最佳预处理方法处理后光谱的PCA降维数据,建立SVM模式识别模型,SVM模型参数c和g采用网格搜索法结合五折交叉验证进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立6种中药NIR快速鉴别模型。结果:在9 000~5 400,5 000~4 000 cm~(-1)建模谱段,确定最佳光谱预处理方法为SD,SD预处理光谱PCA降维后,确定最佳主成分数为3个,累计贡献率达93.57%。经网格搜索法确定最佳SVM建模参数组为c=65 536,g=512。所建PCA-SVM模型对训练集和验证集样品预测正确率均达100%,模型五折交叉验证准确率亦达100%。结论:所建的6种中药NIR光谱PCA-SVM鉴别模型,预测准确率高,模型预测能力强,结合NIRS技术无损、快速的优点,该模型可用于上述6种中药的无损、快速鉴别。