[發明專利]一種白芍的近紅外在線質量檢測方法

在審

• 申請號: 202110221854.2
• 申請日: 2021-02-27
• 公開（公告）號: CN112834456A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 蔡寶昌;劉曉;王天舒;金俊杰;秦昆明;李偉東;楊超
• 申請（專利權）人: 南京海源中藥飲片有限公司;南京海昌中藥集團有限公司
• 主分類號: G01N21/359
• 分類號: G01N21/359;G01N1/28;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 陸志斌

1.一種白芍的近紅外在線質量檢測方法，其特征在于，包括以下步驟：

（1）樣品制備：取不同產地、不同批次的白芍飲片樣品；

（2）近紅外光譜數據采集：同時采集并記錄白芍樣品的近紅外光譜圖和白芍打粉后的近紅外光譜圖；

（3）對光譜數據進行預處理：分別采用原始光譜、一階求導、二階求導、多元散射校正、矢量歸一化或卷積平滑濾波，對打粉前后的白芍樣品的近紅外光譜數據進行預處理；

（4）采用卷積神經網絡（CNN）或偏最小二乘回歸方法（PLSR）進行模型篩選，建立白芍定量校正模型。

2.根據權利要求1所述的一種白芍的近紅外在線質量檢測方法，其特征在于，步驟（4）采用卷積神經網絡建立白芍定量校正模型時，卷積神經網絡模型包括一層一維卷積池化層、一層二維卷積池化層和一層全連接層；一維卷積池化層將輸入的一維向量轉化成二維矩陣；一維卷積池化層包括一維卷積操作、激活操作與池化操作，其中一維卷積操作卷積核的數目為32個，大小為10*1，卷積的步長為6，

并由修正線性單元（RectifiedLiner Unit，ReLU）完成激活操作，使神經網絡中的神經元具有稀疏激活性；池化操作使用平均池化模型，每次取10*1的池化窗口，步長設為2；之后，將經過一維卷積池化層得到的二維矩陣輸入至二維卷積池化層，并經過二維卷積操作、激活操作與二維池化操作，將其轉化成多個二維矩陣；二維卷積操作中卷積核數目為64個，大小為10*32；將二維卷積池化層得到的二維矩陣輸入至全連接層，輸出一維高階向量；

并采用學習率衰減機制，學習率初始值設為0.03，衰減指數為1/e，在網絡訓練的過程中隨時間逐步衰減學習率進行動態調整，每層權重初始值服從標準差為0.1的零均值高斯分布。

3.根據權利要求1所述的白芍的近紅外在線質量檢測方法，其特征在于，步驟（2）中近紅外光譜采集的方法為：取白芍樣品粉末10 g于石英樣品管中，填實并壓平，或直接選取較平整的白芍飲片樣品，使之與近紅外漫反射光纖探頭充分接觸；測試環境溫度為25 ℃，相對濕度為45 %~60 %，以儀器內置背景為參比，扣除背景，采集方式為積分球漫反射，波數區間在12000~4000 cm^-1，分辨率為8 cm^-1，掃描次數64次，每份樣品掃描2次，取其平均光譜作為樣品的近紅外光譜。

4.根據權利要求1所述的白芍的近紅外在線質量檢測方法，其特征在于，步驟（3）所述的對近紅外光譜數據進行預處理的方法為卷積平滑濾波法。

5.根據權利要求1所述的白芍的近紅外在線質量檢測方法，其特征在于，步驟（4）中，采用偏最小二乘回歸方法（PLSR）建立白芍定量校正模型。

6.根據權利要求5所述的白芍的近紅外在線質量檢測方法，其特征在于，偏最小二乘回歸方法（PLSR）建立白芍定量校正模型的最佳參數為：

待測組分	預處理方法	-1]]>	主因子數
水分	卷積平滑濾波法	5631.99~5057.22	7
芍藥苷	卷積平滑濾波法	11993.05~3996.40	7

。