近红外光谱法快速测定河南产野菊花中蒙花苷含量

目的:运用近红外漫反射光谱技术(NIRS)结合偏最小二乘法(PLS)建立野菊花药材中蒙花苷含量的快速测定方法。方法:采集野菊花药材的近红外漫反射光谱,采用HPLC测定野菊花药材中蒙花苷含量作为参考值,将近红外光谱与蒙花苷含量参考值进行关联,建立野菊花药材中蒙花苷含量的定量预测模型,并对模型进行验证。结果:所建立的定量分析模型的内部交叉验证决定系数(R2)为0.999 09,校正均方根偏差(RMSEC)为0.013 6,内部交叉验证均方差(RMSECV)为0.039 70,验证集样品预测相关系数(r)为0.997 6,预测均方偏差(RMSEP)为0.018 5。结论:近红外光谱法操作简便,测定快速准确,可以用于河南产野菊花药材中蒙花苷含量的快速测定。     

近红外光谱用于甘草中甘草苷、甘草酸及水分测定

目的:运用近红外光谱(NIR)技术检测甘草药材中的甘草苷、甘草酸及水分。方法:采用积分球漫反射扫描近红外光谱,以TQ Analyst软件进行数据分析,建立甘草中甘草苷、甘草酸及水分测定的NIR。结果:甘草苷的预测均方根误差(RMSEP)为0.165,预测集相关系数(Rp)0.986 8;交叉验证均方根误差(RMSECV)为0.393,校正集相关系数(Rv)0.904 6。甘草酸的RMSEP=0.166,Rp=0.995 5;RMSECV=0.575,Rv=0.954 0。水分的RMSEP=0.137,Rp=0.995 2;RMSECV=0.498,Rv=0.931 9。结论:该方法快速、简便。可以用于甘草中甘草苷、甘草酸及水分的含量测定。     

近红外光谱法快速测定侧柏叶配方颗粒槲皮苷含量

目的：建立测定侧柏叶配方颗粒中槲皮苷含量的近红外光谱定量模型,快速测定槲皮苷含量。方法：用积分球漫反射光谱采样系统测定样品的近红外光谱,做一阶导数预处理,采用偏最小二乘法（Partial Least Squares, PLS）建立定量模型。结果：定量模型的最佳主因子数为7,内部交叉验证均方差为0.096,决定系数 r 为0.998,外部验证预测均方差为0.068,系统精密度 RSD 为0.10％,方法精密度 RSD 为0.60％。结论：建立的预测模型测定侧柏叶配方颗粒中槲皮苷含量,快速、简便可行。     

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。     

双黄连口服液中黄芩苷含量近红外测定方法的建立与验证

目的:建立与验证快速分析双黄连口服液中黄芩苷含量的近红外光谱法。方法:采用透射模式采集样品近红外光谱数据,以偏最小二乘法建立光谱数据与HPLC法分析结果的定量校正模型,根据R、RMSEC、RMSEP等参数评价模型的定量性能;以准确性轮廓方法,验证近红外模型的准确度和精密度。结果:偏最小二乘定量校正模型R为0.9902,RMSEC为0.4223,RMSEP为0.4162;在β-期望容许误差极限为95%、容许极限为12%、风险极限为5%的约束下,模型验证结果表明分析方法准确度、精密度、不确定度满足要求,最低定量限为5.32 mg.mL-1。结论:双黄连口服液中黄芩苷近红外定量模型稳健可靠。此外,准确性轮廓作为一种新的验证方法,可运用于中药体系近红外分析模型验证。     

近红外光谱法快速测定酒女贞子中女贞苷含量

目的:利用近红外光谱技术(NIRS)快速测定酒女贞子中女贞苷含量。方法:采用3个不同产地的黄酒对女贞子进行炮制,以HPLC测定样品中女贞苷的含量为参考,运用近红外光谱技术结合偏最小二乘法(PLS)建立酒女贞子中女贞苷含量的定量分析模型。结果:女贞苷的定量分析模型内部交叉验证决定系数(R2)为0.967 89,校正均方根偏差(RMSEC)为0.107,预测均方根偏差(RMSEP)为0.103,交互验证均方根偏差(RMSECV)为0.256 69,主因子数为8。结论:该方法简便快速,准确无损,所建模型能够对酒女贞子中女贞苷的含量进行快速测定。     

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。     

高效液相色谱法测定积雪草苷片中积雪草苷、羟基积雪草苷的含量

目的:建立HPLC测定积雪草苷片含量的方法。方法:采用Agilent C18色谱柱(150mm×4.6mm,5μm),流动相为乙腈-水(71︰29),流速1.0ml·min-1,检测波长205nm,柱温25℃。结果:积雪草苷平均回收率为99.5%,RSD=1.06%(n=6);羟基积雪草苷平均回收率为100.3%,RSD=1.21%(n=6)结论:所建方法简便,结果准确,可用于积雪草苷片的质量控制。     

基于R语言的近红外光谱对甘草中指标成分定量分析

目的:建立较优的甘草质控成分(水分、总灰分、甘草苷、甘草酸)的近红外定量模型,实现快速检测。方法:基于2015年版《中国药典》方法测定97批甘草中水分、总灰分、甘草苷及甘草酸的含量。采用近红外光谱仪扫描其近红外光谱。采用R语言筛选最佳光谱预处理方法,建立近红外定量模型。结果:水分和甘草苷近红外定量模型的最佳预处理方法为一阶导数,其中水分测试集和验证集的相关系数分别为0.930 0和0.929 9,均方根误差分别为0.243 2和0.203 8,甘草苷测试集和验证集的相关系数分别为0.930 3和0.907 6,均方根误差分别为0.093 9和0.128 9;总灰分近红外定量模型的最佳预处理方法为MSC,测试集和验证集的相关系数分别为0.926 5和0.917 7,预测均方根误差分别为0.109 6和0.103 7;甘草酸近红外定量模型的最佳预处理方法为SNV,测试集和验证集的相关系数分别为0.918 1和0.915 7,预测均方根误差分别为0.274 8和0.236 0。结论:该研究建立了较优的甘草质控成分的近红外定量模型,其模型的准确度均较高,为实现快速检测奠定了基础。     

近红外光谱法测定不同厂家银黄颗粒中黄芩苷含量

目的:采用近红外光谱法对不同厂家银黄颗粒中黄芩苷含量进行快速测定.方法:以HPLC分析值作为参照,采用近红外漫反射光谱技术采集银黄颗粒的近红外光谱,结合偏最小二乘法(PLS)建立黄芩苷含量的快速测定方法.结果:建立的黄芩苷校正模型相关系数(R~2)、内部交叉验证均方差(RMSECV)、校正均方差(RMSEC)分别为0.998 2,0.189 9,0.051 4.经外部验证,校正模型的预测均方差(RMSEP)、平均回收率分别为0.080 2,104.27%.结论:该方法准确、快速、简便,可实现大批量样品的快速分析.     

近红外光谱法测定盐酸环丙沙星片中环丙沙星

目的利用近红外光谱（NIR）分析技术和化学计量学方法对盐酸环丙沙星片进行无损、快速定量分析。方法以不同生产企业生产的盐酸环丙沙星片为分析对象,用光纤探头测定其近红外漫反射光谱;定量模型的预处理方法为二阶导数,波长范围为6101．9-4555．2cm＾-1。,采用偏最小二乘法（PLS）建立分析模型。结果定量分析模型由93批样品经内部交叉验证建立,177批样品进行外部验证,环丙沙星质量分数范围为54．20％-82．54％,相关系数为0．9863,交叉验证均方差（RMSECV）为1．06,外部验证均方差（RMSEP）为0．92。结论该方法快速、简便具有一定的专属性,可用于盐酸环丙沙星片中环丙沙星的快速定量分析。     

中试规模和不同提取时段的黄芩配方颗粒质量参数在线NIR监测研究

采用近红外光谱分析技术,在线监测黄芩配方颗粒提取过程中黄芩苷成分的含量变化。以高效液相色谱法为参考方法,采用Kennard-Stone法(KS)划分样本集,进而比较不同预处理方法,通过组合间隔偏最小二乘法(Si PLS)对建模波段进行筛选,建立偏最小二乘模型。采用相对误差法对黄芩3次提取时段的预测集样本进行预测。结果表明应用SavitzkyGolay11点平滑(SG11点)预处理方法所建模型最好,其交叉验证均方根(RMSECV)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.092 7,0.134 4,0.114 8,决定系数R2均大于0.99,且黄芩苷含量的平均相对误差在5%以下,说明在线近红外光谱分析技术可以应用于黄芩配方颗粒提取过程中在线监测及其质量控制。     

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。     

基于近红外光谱技术的复方大黄汤浓缩液同步快速检测

目的:采用近红外光谱技术检测复方大黄汤浓缩过程中浓缩液密度、含固量、大黄酸和甘草酸质量浓度4个指标,建立该复方浓缩过程中多项指标的快速定量分析方法。方法:运用近红外光纤透射光谱法对复方大黄汤浓缩液进行快速测定,通过高效液相色谱法(HPLC)测定大黄酸和甘草酸的含量,选择51个样品进行内部交叉验证,采用偏最小二乘法回归分别建立近红外光谱与密度、含固量和指标成分含量之间的校正模型,应用采集的10个未知浓缩液样品进行外部验证预测。结果:复方大黄汤浓缩液近红外光谱与密度、含固量、大黄酸及甘草酸质量浓度的外部验证复相关系数(R2)分别为0.9959,0.9996,0.9970和0.9922,预测均方根误差(RMSEP)分别为2.50×10-3,0.17,7.57,67.10。结论:近红外光谱技术适用于复方大黄汤浓缩液的评价指标测定,且具有分析快速、简便、稳定可靠的特点。     

近红外漫反射光谱法快速测定五味子中五味子醇甲和水分的含量

目的:建立五味子中五味子醇甲和水分的近红外光谱定量模型。方法:收集不同产地五味子样品93批,采用偏最小二乘法建立五味子中水分和五味子醇甲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五味子醇甲含量,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:验证模型样品中水分和五味子醇甲的相关系数分别为0.876 7和0.889 0,预测误差均方差分别为0.121和0.021 9。结论:所建立的近红外光谱测定五味子水分及五味子醇甲含量的方法快速无损、准确可靠,可用于五味子质量的现场快速评价。     

近红外光谱法快速测定砂仁中的水分

目的:运用近红外光谱分析技术(NIRS)快速测定砂仁中水分。方法:采用减压干燥法测定砂仁样品中的水分,用标准归一化法和二阶导数法同时对光谱进行预处理,结合偏最小二乘法(PLS)建立砂仁中水分的近红外定量分析模型。结果:所建模型的校正集内部交叉验证相关系数(R2),校正均方差(RMSEC),预测校正均方差(RMSEP)和性能指数(PI)分别为0.986 7,0.242,0.285,92.5。结论:该方法具有简便、快速、准确、无损等特点,可用于砂仁中水分的快速测定。     

近红外光谱法快速检测玉竹酒基提取液中多糖的含量

目的: 建立测定玉竹酒基提取液中多糖含量的近红外光谱(NIR)快速分析方法。方法: 采用苯酚-硫酸法测定73批玉竹酒基提取液中多糖含量,采用傅里叶变换近红外透射光谱技术采集玉竹酒基多糖提取液的近红外光谱,结合偏最小二乘法(PLS)建立多糖的定量校正模型。结果: 玉竹酒基提取液多糖校正模型校正集的相关系数(R)、内部交叉验证均方差(RMSECV)分别为0.970 3,0.771,经外部验证,预测值与实测值的相关系数为0.969 2,预测均方差(RMSEP)为0.624。结论: 该方法快速方便、准确可靠,可用于玉竹酒基提取液多糖含量的快速测定。     

近红外光谱测定桂附止痛凝胶膏单酯型乌头碱的含量

目的:采用近红外光谱(NIR)测定桂附止痛凝胶膏(GZC)中单酯型乌头碱(AMA)的含量。方法:测定53批次桂附止痛凝胶膏的NIR图,运用TQ Analyst 8.0软件,运用原始光谱,在10 000~4 000 cm-1,选择1个主因子数,采用偏最小二乘法(PLS)建立桂附止痛凝胶膏中单酯型乌头碱含量NIR定量模型。结果:所建模型相关系数r=0.942 0;校正均方根偏差(RMSEC)0.013 5;交叉验证均方根偏差(RMSECV)0.014 4;验证集平均预测回收率为101.44%。结论:本试验所建立的模型性能较好,对桂附止痛凝胶膏中单酯型乌头碱含量的预测准确,可以应用于桂附止痛凝胶膏中单酯型乌头碱的质量控制。