[發(fā)明專利]一種快速的薄荷藥材質(zhì)控檢測(cè)方法在審
| 申請(qǐng)?zhí)枺?/td> | 201811484248.4 | 申請(qǐng)日: | 2018-12-06 |
| 公開(kāi)(公告)號(hào): | CN109580539A | 公開(kāi)(公告)日: | 2019-04-05 |
| 發(fā)明(設(shè)計(jì))人: | 張玉潔;甘國(guó)峰;於江華 | 申請(qǐng)(專利權(quán))人: | 江西省藥明揚(yáng)海醫(yī)藥科技有限公司 |
| 主分類號(hào): | G01N21/359 | 分類號(hào): | G01N21/359;G01N21/3563;G01N21/3554;G01N30/02 |
| 代理公司: | 北京華科聯(lián)合專利事務(wù)所(普通合伙) 11130 | 代理人: | 王為;孟旭 |
| 地址: | 336000 *** | 國(guó)省代碼: | 江西;36 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 薄荷藥材 標(biāo)準(zhǔn)近紅外光譜 近紅外光譜檢測(cè) 采集 近紅外光譜圖 近紅外光譜 粉碎過(guò)篩 光譜條件 掃描光譜 薄荷腦 分辨率 參比 內(nèi)置 質(zhì)控 掃描 檢測(cè) | ||
1.一種薄荷藥材的近紅外光譜檢測(cè)方法,其特征在于,步驟如下:
(1)薄荷藥材粉碎過(guò)篩;
(2)采集薄荷藥材粉末的近紅外光譜圖;
(3)根據(jù)標(biāo)準(zhǔn)近紅外光譜和采集的薄荷藥材的近紅外光譜,輸入已經(jīng)建立的模型,計(jì)算得到薄荷藥材中薄荷腦的含量,
其中的光譜條件為:掃描次數(shù)為32,分辨率為8cm-1,以儀器內(nèi)置背景為參比,掃描光譜范圍為4000~10000cm-1。
2.一種薄荷藥材的近紅外光譜檢測(cè)模型的建立方法,其特征在于,步驟如下:
(1)取多批薄荷藥材粉碎過(guò)篩;
(2)氣相色譜法測(cè)定多批薄荷藥材的薄荷腦的含量;
(3)采集多批薄荷藥材粉末的近紅外光譜圖;
(4)采用4000~7500cm-1波段區(qū)間的近紅外數(shù)據(jù),選擇一階導(dǎo)數(shù)、Savitzky-Golay平滑和數(shù)據(jù)歸一化算法用于預(yù)處理近紅外光譜數(shù)據(jù),采用偏最小二乘回歸建立近紅外數(shù)據(jù)與氣相色譜法測(cè)定的薄荷藥材的薄荷腦的含量之間的定量校正模型,采用相關(guān)系數(shù)R、校正集均方差RMSEC和主成分?jǐn)?shù)Factor優(yōu)化建模參數(shù),考察模型性能,模型對(duì)未知樣品的預(yù)測(cè)效果用預(yù)測(cè)均方差RMSEP、相對(duì)偏差RSEP和相關(guān)系數(shù)R確定;
其中的光譜條件為:掃描次數(shù)為32,分辨率為8cm-1,以儀器內(nèi)置背景為參比,掃描光譜范圍為4000~10000cm-1;
其中,相關(guān)系數(shù)R、校正集均方差RMSEC、預(yù)測(cè)均方差RMSEP和相對(duì)偏差RSEP的計(jì)算公式如下:
各式中Ci——傳統(tǒng)分析方法測(cè)量值;
——通過(guò)NIR測(cè)量及數(shù)學(xué)模型預(yù)測(cè)的結(jié)果;
Cm——Ci均值;
n——建立模型用的校正集樣本數(shù);
m——用于檢驗(yàn)?zāi)P偷尿?yàn)證集樣本數(shù)。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述采集薄荷樣品:采集5-200個(gè)批次。
4.一種薄荷藥材中水分含量的近紅外光譜測(cè)定方法,其特征在于,包括以下步驟:
(1)薄荷藥材粉碎過(guò)篩;
(2)采集薄荷藥材粉末的近紅外光譜圖;
(3)根據(jù)標(biāo)準(zhǔn)近紅外光譜和采集的薄荷藥材的近紅外光譜,輸入已經(jīng)建立的模型,計(jì)算得到薄荷藥材中水的含量;
其中的光譜條件為:采集4000~7500cm-1波段區(qū)間的近紅外數(shù)據(jù)。
5.一種薄荷藥材中水分含量的近紅外光譜測(cè)定模型建立方法,其特征在于,包括以下步驟:
(1)取多批薄荷藥材粉碎過(guò)篩;
(2)甲苯法測(cè)定多批樣品中的水含量;
(3)采集多批薄荷藥材粉末的近紅外光譜圖;
(4)定量模型的建立;
采用4500~7500cm-1波段區(qū)間的近紅外數(shù)據(jù),選擇一階導(dǎo)數(shù)、Savitzky-Golay平滑和數(shù)據(jù)歸一化算法用于預(yù)處理近紅外光譜數(shù)據(jù),采用偏最小二乘回歸建立近紅外數(shù)據(jù)與水分這個(gè)質(zhì)控指標(biāo)數(shù)據(jù)之間的定量校正模型。
6.根據(jù)權(quán)利要求5所述的方法,其特征在于,所述采集薄荷樣品:采集5-200個(gè)批次。
7.一種薄荷藥材近紅外光譜檢測(cè)方法,包括薄荷腦、水含量的檢測(cè),所述方法,包括以下步驟:
步驟A
(1)薄荷藥材粉碎過(guò)篩;
(2)采集薄荷藥材粉末的近紅外光譜圖;
(3)根據(jù)標(biāo)準(zhǔn)近紅外光譜和采集的薄荷藥材的近紅外光譜,輸入已經(jīng)建立的模型,計(jì)算得到薄荷藥材中薄荷腦等的含量;
其中的光譜條件為:掃描次數(shù)為32,分辨率為8cm-1,以儀器內(nèi)置背景為參比,掃描光譜范圍為4000~10000cm-1;
其中所述模型的建立方法,步驟如下:
(1)取多批薄荷藥材粉碎過(guò)篩;
(2)氣相色譜法測(cè)定多批薄荷藥材的薄荷腦的含量;
(3)采集多批薄荷藥材粉末的近紅外光譜圖;
(4)采用4000~7500cm-1波段區(qū)間的近紅外數(shù)據(jù),選擇一階導(dǎo)數(shù)、Savitzky-Golay平滑和數(shù)據(jù)歸一化算法用于預(yù)處理近紅外光譜數(shù)據(jù),采用偏最小二乘回歸(PLSR)建立近紅外數(shù)據(jù)與薄荷腦之間的定量校正模型,采用相關(guān)系數(shù)R、校正集均方差RMSEC和主成分?jǐn)?shù)Factor優(yōu)化建模參數(shù),考察模型性能,模型對(duì)未知樣品的預(yù)測(cè)效果用預(yù)測(cè)均方差RMSEP、相對(duì)偏差RSEP和相關(guān)系數(shù)R確定,
其中的光譜條件為:掃描次數(shù)為32,分辨率為8cm-1,以儀器內(nèi)置背景為參比,掃描光譜范圍為4000~10000cm-1,
其中,相關(guān)系數(shù)R、校正集均方差RMSEC、預(yù)測(cè)均方差RMSEP和相對(duì)偏差RSEP的具體計(jì)算公式:
各式中Ci——傳統(tǒng)分析方法測(cè)量值;
——通過(guò)NIR測(cè)量及數(shù)學(xué)模型預(yù)測(cè)的結(jié)果;
Cm——Ci均值;
n——建立模型用的校正集樣本數(shù);
m——用于檢驗(yàn)?zāi)P偷尿?yàn)證集樣本數(shù)。
所述采集薄荷樣品:采集5-200個(gè)批次;
其中,步驟(2)所述的氣象色譜測(cè)定方法,步驟如下:取薄荷粉末4g,精密稱定,置圓底燒瓶中,加水100ml,自檢測(cè)器上端加水使充滿刻度部分并溢出流入燒瓶時(shí)為止,加環(huán)己烷3ml,連接回流冷凝管,加熱至沸,保持微沸3小時(shí),放冷,將測(cè)定器中的環(huán)己烷層移至25ml容量瓶中,冷凝管、揮發(fā)油測(cè)定器內(nèi)壁及水層再用環(huán)己烷多次洗滌并移至容量瓶中,環(huán)己烷定容即得樣品溶液。以萘為內(nèi)標(biāo),采用內(nèi)標(biāo)法對(duì)薄荷藥材進(jìn)行薄荷腦的含量測(cè)定。氣相色譜條件:色譜柱:安捷倫HP-5毛細(xì)管柱(30m×0.32m,0.25um);氮?dú)饬魉伲?ml/min;氫氣流速:30ml/min;空氣流速:400ml/min;進(jìn)樣口溫度:250℃;檢測(cè)器溫度:250℃;分流比:10:1;進(jìn)樣量:1ul柱溫:柱始溫100℃,保持15min,以25℃/min的速率升到200℃,保持8min,
步驟B
(1)薄荷藥材粉碎過(guò)篩;
(2)采集薄荷藥材粉末的近紅外光譜圖;
(3)根據(jù)標(biāo)準(zhǔn)近紅外光譜和采集的薄荷藥材的近紅外光譜,輸入已經(jīng)建立的模型,計(jì)算得到薄荷藥材中水的含量;
其中的光譜條件為:采集4000~7500cm-1波段區(qū)間的近紅外數(shù)據(jù)。
其中所述模型的建立方法,步驟如下:
(1)取多批薄荷藥材粉碎過(guò)篩;
(2)甲苯法測(cè)定多批樣品中的水含量,
(3)采集多批薄荷藥材粉末的近紅外光譜圖;
(4)定量模型的建立;
采用4000~7500cm-1波段區(qū)間的近紅外數(shù)據(jù),選擇一階導(dǎo)數(shù)、Savitzky-Golay平滑和數(shù)據(jù)歸一化算法用于預(yù)處理近紅外光譜數(shù)據(jù),采用偏最小二乘回歸(PLSR)建立近紅外數(shù)據(jù)與水分這個(gè)質(zhì)控指標(biāo)數(shù)據(jù)之間的定量校正模型;
其中,所述采集薄荷樣品:采集5-200個(gè)批次;
其中,步驟(2)甲苯法測(cè)定方法,步驟如下:取供試品4g,精密稱定,置圓底燒瓶中,加甲苯約200ml,必要時(shí)加入干燥、潔凈的無(wú)釉小瓷片數(shù)片或玻璃珠數(shù)粒,連接儀器,自冷凝管頂端加人甲苯至充滿管的狹細(xì)部分,將圓底燒瓶置電熱套中或用其他適宜方法緩緩加熱,待甲苯開(kāi)始沸騰時(shí),調(diào)節(jié)溫度,使每秒餾出2滴,待水分完全餾出,即測(cè)定管刻度部分的水量不再增加時(shí),將冷凝管內(nèi)部先用甲苯?jīng)_洗,再用飽蘸甲苯的長(zhǎng)刷或其他適宜方法,將管壁上附著的甲苯推下,繼續(xù)蒸餾5分鐘,放冷至室溫,拆卸裝置,如有水黏附在管壁上,可用蘸甲苯的銅絲推下,放置使水分與甲苯完全分離,檢讀水量,并計(jì)算供試品的含水量。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于江西省藥明揚(yáng)海醫(yī)藥科技有限公司,未經(jīng)江西省藥明揚(yáng)海醫(yī)藥科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811484248.4/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G01N 借助于測(cè)定材料的化學(xué)或物理性質(zhì)來(lái)測(cè)試或分析材料
G01N21-00 利用光學(xué)手段,即利用紅外光、可見(jiàn)光或紫外光來(lái)測(cè)試或分析材料
G01N21-01 .便于進(jìn)行光學(xué)測(cè)試的裝置或儀器
G01N21-17 .入射光根據(jù)所測(cè)試的材料性質(zhì)而改變的系統(tǒng)
G01N21-62 .所測(cè)試的材料在其中被激發(fā),因之引起材料發(fā)光或入射光的波長(zhǎng)發(fā)生變化的系統(tǒng)
G01N21-75 .材料在其中經(jīng)受化學(xué)反應(yīng)的系統(tǒng),測(cè)試反應(yīng)的進(jìn)行或結(jié)果
G01N21-84 .專用于特殊應(yīng)用的系統(tǒng)
- 一種紡織用纖維的鑒別方法
- 近紅外光譜法檢測(cè)面粉中石灰類物質(zhì)的方法
- 一種近紅外光譜測(cè)定污水中COD和BOD<sub>5</sub>指標(biāo)的方法
- 一種快速校正近紅外設(shè)備并檢測(cè)農(nóng)產(chǎn)品中化學(xué)成分的方法
- 一種快速檢測(cè)農(nóng)產(chǎn)品中化學(xué)成分的方法
- 采用近紅外光譜直接定量測(cè)量二元混合體系的方法
- 近紅外光譜相似度計(jì)算方法、裝置和物質(zhì)定性分析系統(tǒng)
- 一種快速檢測(cè)醒腦靜口服制劑中麝香酮含量的方法
- 一種桔梗藥材的近紅外光譜檢測(cè)方法
- 一種用于玉米種子的快速鑒別系統(tǒng)及其鑒別方法
- 基于原料肉近紅外光譜信息預(yù)測(cè)燒烤牛肉熟后品質(zhì)的方法
- 便攜式近紅外光譜腦成像設(shè)備
- 一種利用近紅外光譜檢測(cè)油菜莖稈木質(zhì)素含量的方法
- 一種利用近紅外光譜檢測(cè)油菜莖稈纖維素含量的方法
- 一種利用近紅外光譜檢測(cè)油菜莖稈倒伏指數(shù)的方法
- 一種利用近紅外光譜檢測(cè)油菜莖稈氮含量的方法
- 一種用近紅外光譜技術(shù)檢測(cè)水分子狀態(tài)的方法
- 一種砂土含水率的測(cè)量方法及系統(tǒng)
- 一種微型化近紅外光譜儀檢測(cè)酒糟成分的光譜預(yù)處理方法
- 一種近紅外光譜典型相關(guān)分析融合的茶籽油多元摻偽檢測(cè)方法





