[發(fā)明專利]一種白芍的近紅外在線質(zhì)量檢測方法

在審

• 申請?zhí)枺?/td>: 202110221854.2
• 申請日: 2021-02-27
• 公開（公告）號: CN112834456A
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)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(quán)）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(jīng)緯專利商標代理有限公司 32200
• 代理人: 陸志斌

本發(fā)明公開了一種白芍的近紅外在線質(zhì)量檢測方法，包括以下步驟：（1）樣品制備：取不同產(chǎn)地、不同批次的白芍飲片樣品；（2）近紅外光譜數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)進行預處理；（4）采用卷積神經(jīng)網(wǎng)絡(luò)（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。本發(fā)明方法操作快速、簡單，所建立的模型準確可靠，可用于白芍飲片中芍藥苷和水分含量的定量分析。

技術(shù)領(lǐng)域

本發(fā)明屬于藥材檢測技術(shù)領(lǐng)域；具體涉及一種基于偏最小二乘回歸方法（PLSR）的白芍的近紅外質(zhì)量檢測方法。

背景技術(shù)

白芍為毛茛科植物芍藥Paeonia lactiflora Pall.的干燥根,具有養(yǎng)血調(diào)經(jīng)、斂陰止汗、柔肝止痛、平抑肝陽之功效，臨床常用于治療血虛萎黃、月經(jīng)不調(diào)、自汗、盜汗、脅痛、腹痛、四肢攣痛、頭痛眩暈等。白芍化學成分主要包括單萜類、三萜類、揮發(fā)油類及黃酮類，其中單萜及其苷類成分發(fā)現(xiàn)的最多，包括芍藥苷、羥基芍藥苷、芍藥內(nèi)酯苷、苯甲酰芍藥苷等20多種，它們也是白芍中最為主要的生理活性物質(zhì)。現(xiàn)代藥理學研究表明，白芍的藥理作用主要包括抗炎、保肝、鎮(zhèn)痛、養(yǎng)血等。

2020年版《中國藥典》采用高效液相色譜法以芍藥苷作為指標性成分對白芍飲片的質(zhì)量進行控制與評價，水分采用烘干法測定。上述方法準確度高，但卻在現(xiàn)實應(yīng)用中難以滿足企業(yè)大規(guī)模生產(chǎn)時飲片過程控制快速和高通量檢測的需求。近年來，近紅外光譜分析技術(shù)（Near-infrared spectroscopy, NIR）在中藥分析行業(yè)得到了廣泛的應(yīng)用，尤其在對道地藥材的質(zhì)量把控中發(fā)揮了重要作用。結(jié)合化學計量法，近紅外光譜法也可以用于中藥材的含量測定。NIR可以提供化合物分子中含氫基團（OH、NH、CH）的倍頻與合頻吸收峰信息，化學計量學方法可以將近紅外光譜的樣品信息與標準方法測得的信息建立校正模型，從而實現(xiàn)對中藥的快速鑒別和含量測定。因為傅里葉變換近紅外（FT-NIR）分析技術(shù)具有分析速度快、分析效率高、樣品無需特殊預處理、高通量等優(yōu)點, 故更符合生產(chǎn)中過程控制在線、快速檢測的要求，成為了中藥飲片質(zhì)量控制方面除藥典方法外的有益補充。

本文以全國主要產(chǎn)區(qū)100批白芍飲片為研究對象，通過化學計量方法將近紅外光譜分析技術(shù)（NIR）光譜與芍藥苷、水分的含量值相關(guān)聯(lián)，建立定量校正模型，可以對白芍飲片進行快速定量分析，有力服務(wù)于飲片生產(chǎn)的過程控制與質(zhì)量評價。

發(fā)明內(nèi)容

為解決以上技術(shù)問題，本發(fā)明提供了一種基于偏最小二乘回歸方法（PLSR）的白芍的近紅外質(zhì)量檢測方法。該方法操作快速、簡單，所建立的模型準確可靠，可用于白芍飲片中芍藥苷和水分含量的定量分析。

為實現(xiàn)以上目的，本發(fā)明提供的技術(shù)方案如下：

一種白芍的近紅外在線質(zhì)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(chǎn)地、不同批次的白芍飲片樣品；

（2）近紅外光譜數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)進行預處理；

（4）采用卷積神經(jīng)網(wǎng)絡(luò)（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。