基于色差原理分析龙胆有效成分含量与颜色的相关性

目的:通过测定龙胆色差值及有效成分龙胆苦苷的含量,将代表颜色的外观指标值与代表质量的内在含量指标值相关联,探讨有效成分含量与颜色之间的相关性,为常用中药龙胆的质量评价提供参考依据。方法:利用色差仪对龙胆粉末进行测定,以2015年版《中国药典》中龙胆含量测定项下方法,采用HPLC进行测定,通过SPSS 21. 0软件进行统计分析。结果:龙胆中龙胆苦苷含量与L*(代表颜色深浅),E*ab(色差值)存在极显著正相关关系(P 0. 01),表明在一定程度上,L*,E*ab值越大,龙胆苦苷含量越高;而龙胆苦苷含量与a*(代表颜色红绿色度),b*(代表颜色黄蓝色度)存在极显著负相关关系(P 0. 01),表明在一定程度上,a*,b*值越小,龙胆苦苷含量越高。结论:龙胆外观颜色与有效成分龙胆苦苷含量有关,且颜色偏浅黄色的龙胆有效成分含量较高,质量相对较好。通过色差仪对龙胆色差值进行测定,快速预测龙胆中有效成分的含量,可为该药材质量评价体系的建立提供参考依据。     

纯钛基底和多次烧结对遮色瓷颜色的影响

目的研究纯钛基底和多次烧结对3种遮色瓷颜色的影响。方法制作A1、A3、B1色Ti-22,Duceratin Kiss和自制GG遮色瓷的钛瓷试件及遮色瓷烧结体。采用色差计测量色度值L*a*b*并计算钛瓷试件与遮色瓷烧结体的色差,以及钛瓷试件多次烧结后与第一次的色差。利用SPSS17.0软件包对色差进行统计分析。结果Duceratin Kiss熔附纯钛基底后色差值均大于临床可接受阈值,且显著大于其余2种遮色瓷(P <0.05)。Duceratin Kiss钛瓷试件多次烧结后色差Eab*最小;Ti-22钛瓷试件的色差较大;GG钛瓷试件色差位于上述两者之间。结论纯钛基底对遮色瓷颜色的影响与瓷粉种类和色号有关。多次烧结后Ti-22遮色瓷色差变化大于临床可接受阈值。     

水凝胶在青光眼缓控释递药中的研究进展

摘要：目的 建立一种蒺藜甾体皂苷含量测定和外观颜色均匀性检测方法来优化炒蒺藜炮制工艺。方法 以LC-QQQ/MS测定蒺藜呋甾皂苷B和蒺藜皂苷K的总含量作为化学指标，采用色彩色差仪测定炒蒺藜饮片总色值E* ab，以30次随机抽取样品E* ab值的RSD值作为外观颜色均匀性指标。在此基础上，采用L9(34)正交实验法，以炒制温度、炒制时间和炒药机转速为考察因素，优选炒蒺藜饮片的炮制工艺。结果 蒺藜呋甾皂苷B和蒺藜皂苷K均具有良好的线性关系(r>0.999)，检测限分别为1.28 ng·mL-1和10.44 ng·mL-1，定量限分别为5.40 ng·mL-1和27.81 ng·mL-1，精密度、24 h稳定性、重复性试验的RSD均＜3.0%，平均加样回收率分别为96.66%和97.10%。色差技术可为炒蒺藜外观颜色均匀性提供客观化的数值。炒蒺藜最佳炮制工艺为200 ℃以60 r·min-1转速炒制15 min。结论 LC-QQQ/MS法结合色差技术所优选的蒺藜炒制工艺稳定可行，可为其他中药炮制工艺优化提供参考。     

不同干燥方法对半夏药材干燥特性、外观性状与内在成分的影响

目的为探究不同初加工干燥方法(晒干、阴干、热风干燥)对半夏Pinelliae Rhizoma药材块茎外观性状、内在结构及品质的影响规律,筛选适宜的半夏药材产地干燥加工方法。方法通过比较晒干、阴干、热风干燥(40、55、70℃)方法下潜江新鲜半夏水分比、干燥速率随干燥时间的动态变化规律以及对半夏药材外观性状、折干率、密度、灰分、浸出物、淀粉以及核苷类成分(鸟苷、尿苷、腺苷、肌苷、尿嘧啶、次黄嘌呤)含量的影响,对药材品质进行综合性评价。结果鲜半夏采用传统阴干耗时最长,约179 h,药材表面变为黑褐色,品相差,切面呈絮状,粉性不足;晒干较阴干耗时缩短40.8%,药材外观性状好,密度高,质坚实,直链淀粉含量最高,核苷类成分含量整体较高;鲜半夏采用热风干燥处理速率加快,耗时较阴干法缩短59.8%～89.9%,密度随温度升高而降低,药材内部出现开裂甚至空心的现象,角质样严重,支链淀粉含量高,粉性降低,55℃烘干处理品相较好,浸出物含量随温度升高较阴干法降低7.8%～24.6%,尿苷、尿嘧啶、腺苷70℃烘干时含量最高,次黄嘌呤与肌苷含量40℃与55℃烘干处理最高,鸟苷含量阴干处理最高。结论从外观性状、药效成分含量及成本等因素综合考虑,半夏药材产地加工方法以晒干为宜;若药材加工量较大,半夏药材产地加工可以采用日光温室大棚多层晾晒技术和开发低温仿日晒干燥技术。     

不同类型义齿清洁剂对着色热凝基托树脂和树脂人工牙的清洁效果

目的:比较不同类型义齿清洁剂对着色热凝基托树脂和树脂人工牙的清洁效果.方法:将40块规格相同的热凝基托树脂试件和40颗贺利氏树脂人工中切牙,浸泡于咖啡、绿茶和酱油的混合液中4周,各随机分为4组(n=10),按使用说明分别浸泡在Polident、Steradent清洁片配成的溶液、质量分数为0.5％次氯酸钠溶液和蒸馏水(对照组)中4h,使用色差仪和电子比色仪分别测量热凝基托树脂和树脂人工牙着色前后、清洁剂浸泡后的色度值,计算试件处理前后的色差(△E)并进行统计学分析.结果:在着色前后,4组热凝基托树脂和4组树脂人工牙△E无统计学差异(P＞0.05).在着色后与清洁后的△E值,0.5％次氯酸钠组＞ Polident组和Steradent组＞蒸馏水组(P＜0.05);Polident组与Steradent组之间无统计学差异(P＞0.05).在着色前与清洁后,蒸馏水组的△E大于其他3组(P＜0.05);其他3组之间无统计学差异.结论:0.5％次氯酸钠、Polident和Steradent对着色热凝基托树脂和树脂人工牙均有有效的清洁效果,其中0.5％次氯酸钠优于Polident和Steradent,Polident和Steradent效果相同.     

瓷贴面厚度及试色糊剂对IPS e.max铸瓷贴面色彩效果的影响

目的:观察不同瓷片厚度及试色糊剂对IPS e.max瓷贴面修复体颜色的影响,从而为临床提供理论依据。方法:将不同厚度A1色IPSe.max铸瓷片覆盖ND5色树脂块模拟瓷贴面修复变色基牙。电脑比色仪在标准白背景下分别测定对照组(瓷试样和树脂试样间加用水)、试色糊剂组(瓷试样和树脂试样间使用试色糊剂剂)色度值L~*、a~*、b~*值,计算明度差△L~*值及色差△E值,应用SPSS11.5软件行统计学分析。结果:相同瓷片厚度下,各试色糊剂组与对照组间△E>1.5NBS,肉眼可辨;其中使用+3、-3试色糊剂引起的明度差△L~*较大,色差△E亦较大,而其他几种试色糊剂引起的明度和色差变化较小;随着瓷贴面厚度的增加,同一色糊剂组与对照组明度差△L~*及色差△E均逐渐减小,当瓷贴面厚度为1mm时,试件明度差及色差变化最小。试色糊剂组与对照组色差值差异受到瓷贴面厚度和试色糊剂种类的显著影响(P<0.05)。结论:瓷贴面厚度及试色糊剂种类均影响修复体最终颜色。瓷厚度增加,遮色能力增强,试色糊剂对修复体颜色影响减小;而所有试色糊剂中+3、-3号试色糊剂调节颜色的能力较强。     

采摘嫩度对绿茶鲜汁饮料品质的影响

以不同采摘嫩度的绿茶鲜叶为原料加工绿茶鲜汁饮料,研究采摘嫩度对绿茶鲜汁饮料品质的影响.结果表明,茶多酚含量随嫩度增加而增加,氨基酸含量差别不明显,咖啡因和可溶性蛋白质含量1芽1叶明显高于其它嫩度并有随嫩度降低而降低的趋势,叶绿素的变化趋势是随着采摘嫩度的降低含量逐渐降低.但嫩度较高的1芽1、2叶很容易产生浑浊,且贮存期间色泽的稳定性也不如嫩度低的1芽3、4叶的.另外,采用1芽1、2叶的鲜茶饮料汤色、滋味等品质都不如嫩度稍低的1芽3叶和1芽4叶的,因此嫩度较低的1芽3叶和1芽4叶原料更适合用于生产绿茶鲜汁饮料.     

口腔科临床目测法比色的误差分析

目的 研究分析口腔科临床目测法比色的误差.方法 由一副Vita比色板中抽取临床常用的9个比色片,按临床方法与另一完整的Vita比色板比色.结果 修复科医师比色稳定性好,比色不匹配时的平均色差△E为2.04±0.76.结论 临床比色过程中修复科医师的准确性有待提高.     

基于色差评定理论的尿液生化分析方法研究

尿液生化分析是医院临床重要的检查诊断手段.常规尿液分析方法主要有比色目视评价和自动化检测,其中比色目视评价方法已基本被淘汰;自动化检测方法多为医院采用,市场上的尿液生化分析仪价格一般在两万元左右,难以走进普通家庭.计算机视觉不受人的生理和心理因素影响,评价客观、稳定.为此,依据颜色理论,建立计算机视觉系统,对标准阈值颜色和与尿液反应后尿试纸的颜色进行采集、处理、显示和色差评价,便可准确地判定病情级别.我们介绍一种新颖的、方便操作的,可普及于家庭的尿液生化分析方法.实验结果表明,此方法方便、廉价、检测迅速、可实现全程监控,应用前景十分光明.     

基于智能视觉技术的白及饮片真伪快速辨识方法研究

目的 利用电子眼和色差仪分别对白及Bletillastriata及其伪品进行辨识,旨在建立白及真伪的快速辨识方法。方法 首先基于《中国药典》、地方标准和HPLC指纹图谱对多采集来源的134批白及及其伪品样品进行综合鉴别,以确定标杆辨识信息（Y）。然后基于电子眼和色差仪分别获取上述样品的智能视觉信息（X）。最后利用Matlab建立Y=F(X)模型,即分别建立白及真伪二分类（白及、非白及）和四分类（白及、天麻Gastrodiaelata、玉竹Polygonatumodoratum、黄花白及Bletilla ochracea）的主成分分析-判别分析（principal component analysis-discriminant analysis,PCA-DA）、偏最小二乘-判别分析（partial least squares-discriminant analysis,PLS-DA）、最小二乘-支持向量机（least squares-support vector machine,LS-SVM）和K最近邻（K nearest neighbor,KNN）辨识模型并验证。结果 经留一法交互验证...