近红外漫反射法测定茯苓中水溶性多糖及碱溶性多糖

目的:建立茯苓中水溶性多糖和碱溶性多糖的基于近红外光谱的含量预测模型。方法:建立并优化茯苓中水溶性多糖和碱溶性多糖的分光光度含量测定方法,并用建立的分光光度法对90个批次样品中的碱溶性多糖和水溶性多糖进行含量测定。采用积分球漫反射对样品进行红外光谱扫描,参考分光光度法获得的2种多糖的含量结果,经光谱预处理方法优选,并以Matlab R2012a软件,采用组合区间偏最小二乘法(synergy interval partial least squares regression SIPLS)对特征波长进行了筛选,建立了茯苓中水溶性多糖和碱溶性多糖的近红外含量测定方法。结果:建立的近红外预测模型水溶性多糖交叉验证均方根误差(RMSEC)为0.270,相关系数R_c~2=0.905 9,预测均方根误差(RMSEP)为0.119;预测集相关系数R_p~2=0.913 8。碱溶性多糖RMSEC=0.242,Rc2=0.999 6;RMSEP=0.243,Rp2=0.998 9。结论:所建立的近红外漫反射含量测定方法操作简便,快速,准确。适于茯苓中水溶性多糖和碱溶性多糖的质量控制。     

近红外光谱法快速测定白芍中芍药苷和水分的含量

目的:采用近红外光谱技术建立白芍中芍药苷和水分的定量模型。方法:收集不同产地白芍样品108批,采用偏最小二乘法建立白芍中水分和芍药苷含量的近红外光谱校正模型,以烘干法和超高效液相色谱法,分别测定样品中水分和芍药苷含量,作为参考值,并用相关系数和预测均方差对模型预测性能进行评价。结果:芍药苷和水分校正集的相关系数分别为0.967 6,0.873 1,校正集均方根误差分别为0.406,0.264;预测集均方根误差分别为0.599,0.252。结论:该方法快速、简便、无污染、结果可靠,实现了白芍样品中芍药苷和水分含量的快速、准确测定。     

近红外光谱法快速测定丹皮中丹皮酚和水分的含量

目的:采用近红外光谱技术结合偏最小二乘法(Partial Least Squares,PLS)快速测定丹皮中丹皮酚与水分含量。方法:收集不同产地丹皮样品108批,采用PLS法建立丹皮中水分和丹皮酚含量的近红外光谱校正模型,以烘干法和超高效液相色谱法,分别测定样品中水分和丹皮酚含量,作为参考值,并用相关系数和预测均方差对模型预测性能进行评价。结果:丹皮酚和水分校正集的相关系数分别为0.959 3,0.873 8,校正均方根误差分别为0.114,0.167;预测集均方根误差分别为0.136,0.157。结论:该方法快速、简便、无污染,实验结果实现了丹皮样品中丹皮酚和水分含量的快速测定。     

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。     

红外光谱结合化学计量学评价不同产地何首乌

目的建立快速评价不同产地何首乌的方法。方法运用化学计量预处理方法处理4个产地何首乌样品的红外光谱,分析各产地样本的平均光谱,建立主成分分析鉴别和SIMCA预测模型。结果 ①何首乌含有蒽醌类、二苯乙烯类、磷脂类、多糖和苷类等化学成分。②主成分分析模型能基本鉴别不同产地何首乌。③不同产地何首乌的差异主要体现在芳香族化合物、草酸钙、磷脂、糖蛋白、多糖和苷类共6种化学成分上。④SIMCA模型预测未知样品的准确率达到100%。结论 红外光谱结合化学计量学是一种快速、无损地评价何首乌的有效方法。     

基于近红外技术的西洋参质量评价及产地鉴别

目的:建立西洋参中水分及人参皂苷类成分近红外含量预测模型,并采用近红外光谱对西洋参样品进行产地鉴别及规格辨识。方法:以122批西洋参样品为研究对象,采集其近红外原始光谱图,经蒙特卡洛交叉验证法剔除异常样本,采用MSC+导数+Norris Derivative平滑处理等方法对原始图谱进行光谱预处理,运用偏最小二乘法,建立西洋参样品中水分、中国药典指标成分及6种人参皂苷总量的近红外定量模型;同时,基于近红外全光谱信息,采用正交偏最小二乘判别分析(OPLS-DA)法,建立西洋参不同产地和规格的辨识模型。结果:水分、中国药典指标成分及6种人参皂苷总量模型预测集的相关系数R^2pre分别为0.9757、0.9526、0.9386,预测均方根误差RMSEP分别为0.248、0.159、0.198,NIRS验证集预测值与实测值无显著性差异;OPLS-DA模型可有效辨别不同规格和产地的西洋参样品。结论:本实验所建立的近红外光谱法可实现对西洋参样品中水分和人参皂苷含量的定量分析,以及对样品产地和规格的良好区分,测定结果准确、可靠、预测精度好,可用来快速准确地评价西洋参样品的质量。     

基于NIRS的不同产地加工方法野菊花药材中总黄酮的快速测定

目的：利用近红外光谱技术（NIRS）快速测定不同产地加工方法野菊花药材中总黄酮的含量。方法：采用3种不同产地加工方法（直接晒干、蒸后晒干和炒后晒干）对野菊花药材进行产地加工,采用紫外-可见分光光度法测定不同产地加工方法野菊花药材中总黄酮含量,采集野菊花药材的NIRS图谱,运用偏最小二乘法（PLS）建立不同产地加工方法野菊花药材中总黄酮含量的定量预测模型,并对模型进行验证。结果：所建总黄酮定量分析模型的内部交叉验证相关系数（R²）、校正均方差（RMSEC）、预测均方差（RMSEP）分别为0.99 619、0.104、0.168;验证集样品的总黄酮含量近红外预测值的相关系数为0.979 3,预测性能良好。结论：该方法测定快速,操作简单,预测结果准确度高,可用于不同产地加工方法野菊花药材中总黄酮含量的快速测定。     

基于小波包变换的云芝蛋白和多糖的近红外光谱分析

目的 采用小波包变换(WPT)提取云芝样品近红外漫反射光谱的特征信息,结合偏最小二乘法(PLS)建立测定药用真菌云芝中蛋白和多糖含量定量分析模型.方法 所建立的模型经过小波包变换尺度分析的选择,PLS模型参数的优选,在WPT变换尺度为6时,可以得到最优的分析模型.结果 最优蛋白含量分析模型校正集的交互验证均方根误差(RMSECV)为0.012 63,(Rv)为0.947 42;应用此模型对预测集样品中蛋白含量进行预测,得到预测均方根误差(RMSEP)为0.010 41,预测集的相关系数(Rp)为0.958 56.多糖最优分析模型校正集的交互验证均方根误差(RMSECV)为0.01688,(Rv)为0.919 62;应用此模型对预测集样品中的多糖含量进行预测,得到预测均方根误差(RMSEP)为0.010 43,预测集的相关系数(Rp)为0.974 28.结论 该方法预测精度能满足云芝蛋白定量和多糖含量分析的要求,且方便快捷,无破坏性,可实现在线检测,对替代原有繁琐的云芝蛋白多糖含量测定方法具有重要的意义.     

近红外漫反射光谱法快速测定山药药材中多糖的含量

目的:应用近红外光谱技术和化学计量学方法,对山药中多糖的含量进行快速测定.方法:采用苯酚-硫酸法测定山药多糖含量,采用一阶导数+矢量归一化来处理近红外光谱图,用偏最小二乘法(PLS)建立多糖的定量校正模型.结果:用105个样品经内部交叉验证建立校正模型,校正集的相关系数R~2=0.932 4,内部交叉验证均方差RMSECV=1.18.用10个样品进行外部验证,其外部验证均方差RMSEP=0.922,预测值与真实值的相关系数为0.948 2.结论:本研究所建立的模型可以很好的预测山药药材的多糖含量.该方法具有快速方便、无损、无污染等特点,可以应用于大批山药的多糖含量测定.     

近红外光谱法测定黄芩药材中黄芩苷的含量

目的:应用近红外光谱技术和化学计量学方法,直接测定黄芩药材中黄芩苷的含量。方法:以高效液相色谱法(HPLC)测定42种不同产地黄芩中黄芩苷的含量,并用其中30个样品建立近红外光谱校正方程并经优化、验证,另取9个样品来预测黄芩药材中黄芩苷的含量。结果:30个样品经内部交叉验证建立预测模型,内部交叉验证决定系数R2=86.24,内部交叉验证均方差RMSECV=0.8220。用9个样品进行外部验证,外部验证预测均方差RMSEP=0.3667,预测值与真实值的相关系数为0.9833。预测值的平均回收率为99.37%。该法的建立证明了近红外漫反射光谱技术应用于黄芩药材中黄芩苷含量测定的可行性。结论:建立了一个利用近红外光谱法直接测定黄芩药材中黄芩苷含量的新方法,该方法具有快速方便、结果准确、成本低、无污染等特点,可以应用于大批黄芩药材及其在线生产过程中的含量测定。     

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.     

猪苓多糖的近红外光谱定量分析模型研究

目的以偏最小二乘法(PLS)建立猪苓多糖的近红外光谱定量分析模型。方法采用正交法优化猪苓多糖提取工艺,结合紫外分光光度法测定猪苓多糖含量,并将样品的近红外光谱图与所测多糖含量相关联,建立光谱数据与多糖的定量校正模型。结果在8477.54～4076.78 cm~(-1)波段,选择一阶导数+ND平滑处理,可以得到最佳的定量模型,模型的校正均方根误差(RMSEC)为1.00,相关系数γ_c为0.9565,内部交叉验证均方根误差(RMSECV)为1.77,相关系数γ_V为0.8566,模型的预测均方根误差(RMSEP)为0.818,相关系数γ_P为0.9469,主成分数为5。结论所建的模型性能良好,可快速、准确地测定猪苓多糖的含量,可用于猪苓药材的质量监察。     

基于近红外光谱及组合间隔偏最小二乘法的天南星中水分及总黄酮含量测定研究

目的建立天南星中水分及总黄酮的近红外含量预测模型。方法采用近红外漫反射光谱,利用TQ Analyst 9.0软件进行光谱预处理,并结合Matlab平台下的组合间隔偏最小二乘法进行波段的优选。以校正集相关系数(R_c~2)、校正集预测均方根误差(RMSEC)、验证集相关系数(R_p~2)、验证集预测均方根误差(RMSEP)为指标评价模型的优劣。结果水分较为理想的建模波段范围为4613.6~4968.4 cm~(-1)、8871.2~9226 cm~(-1)、10 299.4~10 645.2 cm~(-1);总黄酮建模波段范围为4376.3~4849.6 cm~(-1)、5796.2~6269.5 cm~(-1)、8182.6~8635.9 cm~(-1)。建模后水分的含量预测模型R_c~2=0.956 2,RMSEC=0.332,R_p~2=0.905 2,RMSEP=0.554;总黄酮含量预测模型为R_c~2=0.937 7,RMSEC=0.021,R_p~2=0.898 8,RMSEP=0.027。结论建立的近红外光谱测定方法操作简便、快速、准确,为水分及总黄酮含量的快速检测提供了借鉴。     

近红外光谱结合不同偏最小二乘法测定乳块消片醇沉液中丹参素和橙皮苷含量

目的：应用近红外分析技术结合化学计量学方法建立中药乳块消片醇沉液中丹参素和橙皮苷含量测定的新方法。方法：采用Sample set Partitioning based on joint x-y distance（SPXY）法对训练集样本和预测集样本进行划分,应用不同的偏最小二乘方法进行有效波段范围选择以及建立定量校正模型,分别比较了间隔偏最小二乘算法(interval partial least squares, iPLS),组合间隔偏最小二乘算法(Synergy interval partial least squares,SiPLS),向后间隔偏最小二乘算法（backward interval partial least squares,BiPLS）,窗口移动偏最小二乘算法（moving window partial least squares ,MWPLS）。结果：丹参素采用SiPLS三个区间组合、橙皮苷采用SiPLS四个区间组合建立的回归模型性能最好,预测相关系数(R)分别为0.9956和0.9940,交互验证误差均方根(RMSECV) 分别为0.0096和0.0083,预测误差均方根(RMSEP)为0.0062和0.0074。结论：该近红外光谱法对丹参素和橙皮苷含量预测结果较好,且方便快捷、无前期预处理和无污染,为中药生产过程的在线检测提供了依据。     

基于图像结构纹理信息的当归药材产地识别研究

不同产地的当归药效参差不齐,实现当归产地的准确判别对其质量评价具有参考价值。通过图像视觉信息与机器学习的方法能够对当归的产地进行智能识别。采用数码相机拍摄不同产地当归的高清图像,构建当归图像数据库。基于图像相邻像素点间灰度关系提取纹理特征,并通过支持向量机训练模型,得到当归产地预测模型。当模型训练集占比80%,测试集占比20%,相邻像素点采样半径为2时,预测准确率高达98.49%。当训练集占比仅为10%时,预测准确率也能达到93%以上。当归的3个产地中,出错比例最高的为青海互助县,最低的为云南鹤庆县。甘肃岷县与青海互助县出错当归均被误判为云南鹤庆县所产。青海互助县出错当归绝大部分均被误判为甘肃岷县所产。因此,该文的当归药材产地识别方法,能够准确预测对当归的产地进行预测,具有快速无损、识别准确率高以及稳定性强的优势。甘肃岷县与青海互助县的当归具有明确的形态差异,甘肃岷县与青海互助县出错当归与云南鹤庆县当归具有相似的形态特征,云南鹤庆县的大部分出错当归与甘肃岷县当归具有相似的形态特征。     

近红外光谱快速测定复方丹参滴丸的包衣厚度

目的应用近红外光谱分析技术结合化学计量学方法建立制药过程中复方丹参滴丸包衣厚度的快速、无损检测的新方法。方法用近红外光谱仪扫描复方丹参滴丸包衣生产过程中的样品,对所得近红外漫反射光谱的预处理方法、有效谱段范围选择进行了讨论,并用偏最小二乘回归法(PLSR)建立测定滴丸包衣厚度的近红外光谱定量分析校正模型。结果对待测样本包衣厚度预测结果表明,所建校正模型预测相关系数R为0.974,校正误差均方根(RM SEC)为0.228,预测误差均方根(RM SEP)为0.338,效果比较理想。结论本实验所建方法快速、无损且准确可靠,可推广应用于中药生产药品包衣过程的在线检测。     

近红外光谱指纹图谱的灵芝品种快速鉴别方法

目的文章利用近红外漫反射光谱法(NIDRS)结合主成分分析(PCA)方法及聚类分析对不同品种的灵芝品种快速判别。方法对九种540个灵芝样品进行近红外漫反射光谱指纹图谱采集,经多元散射校正(MSC)光谱预处理后,运用主成分分析方法和基于明氏距离度量的聚类分析进行判别分析。结果通过PCA降维后,前两个主成分贡献率达到82.32%,并通过聚类分析获得了不同灵芝品种间相似性和差异性的分类界限特征。结论近红外光谱法结合基于多元散射校正指纹图谱的主成分分析方法及聚类分析方法,能快速对灵芝品种判别和确定其分类界限,为灵芝品种快速识别和谱性相似度评价提供一种快速、简便的有效途径。     

基于近红外光谱法快速测定丹参中5种成分模型的建立

目的采用近红外光谱(NIRS)技术结合偏最小二乘法(PLS)建立丹参中多种成分的快速无损检测方法,以更好地控制丹参药材和饮片的质量。方法共收集来自不同产地的丹参样品106批。采用前期研究所建立的UPLC方法测定所有丹参样品中丹参素、原儿茶醛、咖啡酸、迷迭香酸、紫草酸、丹酚酸B、丹酚酸A、二氢丹参酮、隐丹参酮、丹参酮I和丹参酮IIA共11种化学成分的含量;以积分球漫反射模式采集丹参样品的NIRS图;通过PLS等化学计量学手段,分别对校正集和验证集的选择、不同预处理方法、不同光谱区段以及因子数的确定进行优化,尝试建立近红外光谱与待测成分含量间的线性关系模型,从而实现用NIRS对待测成分含量的快速计量。结果丹参中丹酚酸B、二氢丹参酮、丹参酮I、隐丹参酮和丹参酮IIA 5种成分的NIRS预测值与UPLC实测值之间具有良好的线性关系,模型预测效果良好,其相关系数分别为0.981 1、0.936 3、0.960 5、0.910 9、0.978 0;预测均方差(RMSEP)分别为0.957 0、0.037 7、0.041 6、0.114 0、0.063 9;其余成分的近红外建模未达到定量要求。结论 NIRS法结合PLS可以快速、无损地对丹参中的丹酚酸B、二氢丹参酮、丹参酮I、隐丹参酮和丹参酮IIA进行定量分析。这为开发丹参药材、饮片的快速现场检测方法奠定了基础。     

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。     

基于稳定性同位素比率及碳氮含量差异的太子参产地溯源分析北大核心

目的:利用稳定同位素比率及碳氮含量差异,结合化学计量学,探讨太子参产地溯源应用的可行性,为太子参产地溯源识别提供新方法。方法:测定采自贵州、安徽、福建3个主产区太子参药材的稳定同位素比率以及碳氮含量。采用主成分分析(PCA)、正交偏最小二乘判别分析(OPLS-DA)和Fisher判别分析(FLDA)对太子参进行产地判别。结果:不同产区太子参中的δD表现出产地差异;贵州太子参中碳含量平均值较高,福建太子参中氮含量平均值较高。采用稳定同位素比率和碳氮含量为指标进行PCA,样品基本上按照产地各自聚为一类。经OPLS-DA分析,差异成分为δ^(18)O、δ^(13)C、δD。根据主成分精简模型,仅以δ^(18)O和δ^(13)C为指标进行PCA和OPLS-DA,发现3个产区可以良好区分。δ^(18)O和δ^(13)C作为判别变量的FLDA经回代检验和交叉验证,产地判别准确率达100%和97.2%,对外部样品预测准确率达100%。结论:太子参中δ^(18)O和δ^(13)C具有产地特征,利用稳定同位素比率结合化学计量学可以实现对太子参产地的有效溯源,判别准确率较高,可作为太子参产地溯源的有效方法。