筋骨痛消丸中醇浸出物的近红外光谱法快速测定

目的 运用近红外光谱技术和化学计量学方法,对筋骨痛消丸中醇浸出物的含量进行快速测定.方法 测定100份筋骨痛消丸醇浸出物的含量,采集所有样品的近红外光谱.采用光谱处理方法为偏最小二乘法(PLS)+二阶导数(SD),用TQ 8.0软件结合PLS建立醇浸出物的近红外光谱(NIR)定量模型.结果 建模范围为8 116.04～11 983.82 cm-1,主因子数为7,校正集内部交叉验证决定系数(R2)为0.99 778,校正集均方根偏差(RMSEC)为0.0 376,交叉验证集均方根偏差(RMSEP)为0.547,预测集平均相对误差为2.39％.结论 利用近红外光谱技术建立的模型对筋骨痛消丸中醇浸出物的含量测定是可行的,该方法快速、简便、结果准确.     

AOTF-近红外光谱技术在肾宝合剂渗漉液理化指标快速分析中的应用研究

目的:用声光可调滤光器(AOTF)-近红外(NIR)光谱法在线分析肾宝合剂渗漉液密度及淫羊藿苷含量。方法:在线收集肾宝合剂渗漉液样品,建立肾宝合剂渗漉液的含量、比重数据库,同时采集近红外光谱图谱,用偏最小二乘(PLS1)法分别建立NIR光谱与含量、比重数据之间的校正模型,并对在线过程中收集的预测集样品进行含量预测来验证所建模型。结果:渗漉液NIR光谱与含量、比重数据之间的校正模型相关系系数R2分别为0.9706和0.9890,外部样品预测相对偏差分别为0.11%,0.45%;该方法精密度、稳定性均小于2.0%,预测回收率分别为103.0%,99.0%。结论:AOTF-近红外光谱技术在肾宝合剂渗漉液密度及淫羊藿苷含量分析中具有快速、直接、多成分同时测定,并能实现现场在线分析。     

近红外光谱法快速测定升麻中皂苷含量

目的:建立快速测定升麻中升麻新苷I含量的近红外定量模型。方法:以高效液相色谱法测定升麻新苷Ⅰ的含量,运用近红外技术收集不同产地不同批次的升麻样品的光谱图,采用标准正态变换(SNV)加二阶导数(SD)的光谱预处理方法,通过偏最小二乘回归(PLS)法建立升麻中升麻新苷Ⅰ含量测定的近红外定量模型,并对已建立的定量模型进行验证。结果:建立的新苷Ⅰ校正模型的相关系数(R)为0.99077,校正均方差(RMSEC)为0.0123,用验证集进行模型验证,预测误差均方根(RMSEP)为0.0348。结论:结果表明该方法简便高效,建立的模型性能较好,对升麻中升麻新苷Ⅰ含量的预测准确可靠。     

AOTF-NIR快速检测丹参中丹参酮Ⅰ含量的新方法

目的探索一种采用声光可调近红外(AOTF-NIR)光谱技术快速测定丹参药材丹参酮Ⅰ含量的新方法。方法依据2015年版《中国药典》,采用高效液相色谱法(HPLC)测定丹参药材丹参酮Ⅰ含量,采用偏最小二乘法(PLS),建立含量与NIR光谱之间的校正模型,利用NIR模型对未知的丹参样品进行预测。结果丹参药材丹参酮Ⅰ的NIR模型校正均方根偏差(RMSEC)为0.0052,预测均方根偏差(RMSEP)为0.0096,决定系数(CORRELATION)为0.9800,采用验正集样品进行外部验证,实测值与预测值的偏差为3.68%。结论 AOTF-NIR快速分析法对丹参药材丹参酮含量预测结果较好,为丹参药材快速定量分析提供了方法。     

近红外光谱法快速分析玄参药材中毛蕊花糖苷含量

目的建立玄参药材指标成分毛蕊花糖苷的近红外光谱快速定量模型。方法采用偏最小二乘法建立玄参药材中毛蕊花糖苷的近红外光谱多元校正模型,并对未知样品进行含量预测。结果校正模型相关系数r=0.998 53,验证集预测误差平方根为0.027 3,验证集平均相对误差为3.7%。结论近红外光谱检测快速,模型预测效果好,可用于玄参药材中毛蕊花糖苷的快速测定。     

近红外光谱法测定天麻中天麻素的含量

目的 采用近红外光谱法对不同产地的天麻中天麻素含量进行快速测定.方法 以HPLC分析值作为参照,采用傅里叶变换近红外漫反射光谱技术采集天麻的近红外光谱,结合偏最小二乘法(PLS)建立天麻素含量的快速测定方法.结果 天麻素校正模型的相关系数(R)、校正均方差(RMSEC)、内部验证均方差(RMSEP)分别为0.990 6、0.043 2、0.032 4.经外部验证,预测值与真实值的相关系数达0.996 6.结论 该方法准确、快速、简便,可实现大批量样品的快速分析.     

近红外光谱快速测定栀子逆流提取过程中栀子苷含量

目的采用近红外光谱(NIR)透射法快速测定栀子逆流提取过程中栀子苷含量。方法以HPLC测定值作为参照,采用近红外光谱(NIR)透射法,结合偏最小二乘法(PLS)建立栀子苷含量的快速测定方法。结果建立的栀子逆流提取液中栀子苷校正模型的相关系数(R)、校正均方差(RMSEC)分别为0.997,0.113。经外部验证,校正模型的预测均方差(RMSEP)为0.132,预测值和真实值相关系数达到0.996。结论 NIR可以作为一种准确、快速、无损的检测方法用于中药逆流提取过程有效成分含量的变化规律。     

一种基于近红外的红参药材质量快速评价方法

目的应用近红外(NIR)光谱技术和化学计量学方法建立红参药材质量评价的新方法。方法对红参同时进行原料定性鉴别和水分含量检测。将样品NIR光谱同标准光谱库相比较，计算相似度匹配值。以传统的干燥失重法(LOD)为参照方法，应用相关光谱法进行波长选择和多重散射校正(MSC)方法进行光谱预处理，采用偏最小二乘(PLS)回归方法建立NIR光谱预测水分含量的校正模型。结果NIR光谱库可正确区别红参和伪品；最优PLS校正模型相关系数为0．9997。结论此方法快速、准确，可用于中药生产企业的原料药材质量控制。     

近红外光谱技术快速测定川芎中阿魏酸及藁本内酯含量

目的：应用近红外光谱技术建立一种川芎中阿魏酸及藁本内酯的快速测定方法。方法：以HPLC法测定的样品中阿魏酸及藁本内酯的含量为真实值,运用近红外漫反射光谱技术采集50份川芎样品的近红外漫反射光谱,结合偏最小二乘法（PLS）建立阿魏酸及藁本内酯含量的定量分析模型。结果：所建阿魏酸及藁本内酯校正模型的相关系数（R2）和内部交叉验证均方差（RMSECV）分别为0.9833,0.0175和0.9771,0.1550;经外部验证,模型的预测相关系数（r2）和预测均方差（RMSEP）分别为0.9819,0.0095和0.9335,0.1139。结论：该方法简便,快速,无污染,可用于川芎中阿魏酸和藁本内酯含量的快速测定。     

近红外光谱技术快速测定麦门冬药材中水分的含量

[目的]利用近红外漫反射光谱法结合化学计量法建立一种快速测定麦门冬药材中水分含量的方法。[方法]以烘干法测定90批麦门冬的水分含量作为参考值,利用近红外光谱仪采集麦门冬漫反射光谱结合偏最小二乘法(PLS)建立麦门冬药材中水分定量校正模型。[结果]运用SNV+First Derivative+Norris平滑光谱预处理方法,筛选最佳建模波段在5 000~9 000 cm-1,主因子数为8,建立的定量模型内部交叉验证相关系数R为0.981 1,交叉验证误差均方差RMSECV为0.131,12批验证集样品的参考值与预测值经统计学t检验,P=0.950.05,表明2组数据无统计学意义。[结论]运用近红外光谱技术建立麦门冬水分定量模型可快速预测其水分值,该方法快速、简便,结果准确,为中药材质量的实时监测提供数据支持。     

近红外光谱快速测定南板蓝根药材中水、醇浸出物的含量

【目的】采用近红外光谱技术(NIRS)快速无损测定南板蓝根药材中水、醇溶性浸出物的含量。【方法】采用近红外漫反射光谱,结合偏最小二乘法(PLS)在OPUS/Quant 2中建立快速测定浸出物的定量模型,对模型进行验证,考察模型的可靠性。【结果】所建立的水、醇溶性浸出物校正模型决定系数(R2),交叉验证校正标准偏差(RMSECV)值分别为0.959、0.602和0.965、0.481;验证集的预测值与参考值的R2和RMSEP值分别为0.970、0.498和0.964、0.485;验证集的预测值与参考值的绝对误差均在±2%之间,预测值与参考值比较吻合,模型的建立较为成功。【结论】NIRS测定南板蓝根水、醇浸出物的含量方法准确、快速、简便,可作为南板蓝根质量检测的方法。     

近红外光谱技术快速测定首乌丸水分含量

目的 应用近红外光谱技术测定首乌丸中水分的质量分数.方法 烘干法测定115批首乌丸样品水分的质量分数,采集其近红外光谱数据,经一阶导数法与S-G平滑法预处理,结合偏最小二乘法建立测定首乌丸中水分质量分数的近红外光谱定量分析模型.结果 该模型内部交叉验证决定系数为0.944,校正均方差为0.121,内部交叉验证均方差为0.205,验证集的预测均方差为0.127.结论 该近红外光谱水分定量分析模型稳定,准确可靠,可用于首乌丸中水分质量分数的测定.     

化学药品、抗生素颗粒剂水分测定近红外定量分析模型的建立及应用

目的:利用近红外漫反射光谱建立快速测定化学药品、抗生素颗粒剂水分的方法.方法:采用谱段范围为6 572.6～4 246.8 cm-1,预处理方法为一阶导数,回归方法为偏最小二乘(PLS)法建立近红外漫反射光谱,与2010年版《中国药典》测得的水分值之间的多元校正模型比较,预测化学药品、抗生素颗粒剂中的水分.结果:用15个样品对两种方法验证,结果绝对偏差平均值为0.16％,相对偏差平均值为8.37％.结论:近红外定量分析法快速无损,可用于对化学药品、抗生素颗粒剂水分测定的快速初筛.     

近红外光谱法测定药用大黄中4种蒽醌类成分

目的:建立大黄主要活性成分蒽醌类化合物含量测定的近红外光谱法(near infrared spectroscopy,NIRS).方法:以高效液相色谱法测定3个不同产地大黄的大黄素、大黄酚、大黄酸、芦荟大黄素的含量,并用41个样品建立近红外光谱校正方程并经优化、验证,预测大黄样品中各主要活性成分的含量.结果:4种主要活性成分的优化模型的决定系数、预测均方差、最佳主成分数分别为:大黄素97.28、0.139、7,大黄酚95.56、0.112、5,大黄酸99.40、0.0412、6,芦荟大黄素98.56、0.0438、4.测定样品的预测回收率分别为(101.83±3.50)%、(98.55±2.28)%、(99.72±2.97)%、(101.39±2.67)%.结论:近红外光谱法测定中药组分的预测模型建立完成后,准确度、精密度逼近建立模型时所用的含量测定参比方法,但更简便、快速.     

黄芩配方颗粒黄芩苷含量近红外光谱测定方法

目的 采用近红外光谱测定方法(NIRS)快速测定黄芩配方颗粒中的黄芩苷.方法 运用NIRS与偏最小二乘法相结合,通过优化不同的预处理方法、不同的谱区范围,建立了测定黄芩颗粒剂中指标性成分黄芩苷的定量校正模型.结果 建立了黄芩配方颗粒中黄芩苷的近红外模型,定量校正模型的相关系数R2为0.9702,校正集均方根误差RMSEC为0.555,预测集均方根误差RMSEP为1.05.结论 本实验研究了基于NIRS的不同厂家黄芩配方颗粒剂快速质量分析方法,所建模型可无损、快速地预测黄芩苷含量,为黄芩配方颗粒的质量控制提供一定的参考.     

近红外光谱法快速测定青翘中醇浸出物的含量

目的运用近红外光谱技术（NIR）快速测定青翘中醇浸出物的含量。方法运用NIR结合偏最4、二乘法（PLS）建立青翘药材中醇浸出物含量的定量校正模型。结果所建立的定量校正模型内部交叉验证决定系数为0．99262,内部交叉验证均方差为0．83793,校正均方差为0．284,预测均方差为0．438。结论运用NIR测定青翘药材中醇浸出物含量是可行的。     

近红外漫反射光谱(NIRS)结合TQ软件建立盾叶薯蓣中薯蓣皂苷元定量模型

 目的  利用近红外漫反射光谱(near infraed spectroscopy,NIRS)结合TQ软件快速测定盾叶薯蓣药材中薯蓣皂苷元含量。方法  采集盾叶薯蓣样品的近红外光谱图,采用高效液相色谱法(HPLC)测定盾叶薯蓣中薯蓣皂苷元的含量,利用TQ软件建立薯蓣皂苷元的定量分析模型,利用模型对未知样品进行预测。结果  建立的薯蓣皂苷元校正模型的相关系数(R2)、校正均方差(RMSEC),内部交叉验证均方差(RMSECV)分别为0.96459,0.0999,0.30041;经外部验证,模型的预测相关系数(R2)和预测均方差(RMSEP)分别为0.9634,0.128。结论  所建模型预测能力较好,可以用于盾叶薯蓣中薯蓣皂苷元含量的快速检测。     

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。     

AOTF近红外光谱技术在淫羊藿浓缩过程在线检测中的应用

目的 研究声光可调滤光器(AOTF)近红外光谱技术,以实现淫羊藿浓缩过程的在线检测。方法 采用AOTF近红外光谱仪,在淫羊藿提取液的浓缩工艺实时采集近红外光谱,通过实时取样,紫外分光光度法离线检测。通过一阶微分和偏最小二乘法(PLS1)建立校正模型,利用外部验证和内部验证的方法考察模型预测的准确性。结果 经AOTF近红外光谱技术得到的光谱数据和离线检测数据关联性很好,相关系数达到0.98;所建立模型在预测淫羊藿浓缩过程中总黄酮含量时的绝对偏差,内部验证为0.596 mg/mL,外部验证为1.380 mg/mL,均符合浓缩过程中能接受的偏差范围。结论 AOTF近红外光谱技术在实际生产过程中可有效实现实时在线质量控制,从而解决离线分析结果滞后的缺陷。     

近红外光谱法预测红参醇提过程中总皂苷的变化研究

目的应用近红外(NIR)光谱技术快速分析红参乙醇回流提取过程。方法采用比色法测定提取液样品的总皂苷质量浓度作为对照值,同时采集提取液样品的NIR光谱。运用正交信号校正算法消除光谱中的干扰信息,采用偏最小二乘回归法建立NIR光谱校正模型。结果NIR光谱校正模型能够准确地预测红参提取过程总皂苷质量浓度。结论NIR光谱技术可用于红参醇提过程快速分析。