一種基于近紅外分析技術(shù)的白芍產(chǎn)地判別的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于中藥材檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于近紅外分析技術(shù)的白芍產(chǎn)地 判別的方法。
【背景技術(shù)】
[0002] 白茍（PaeoniaeRadixAlba)為毛茛科植物茍藥（PaeonialactifloraPall.) 干燥根，性微苦，味苦酸，具有養(yǎng)血柔肝，緩腫止痛，斂陰收汗等功效，是國(guó)家中藥新藥參枝 苓口服液處方中的一味主要藥材。我國(guó)白芍主要分布在安徽、浙江、四川、山東等地，其中產(chǎn) 于安徽亳州的白芍和產(chǎn)于浙江的杭白芍最為有名。
[0003] 由于中藥材來(lái)源復(fù)雜，不同產(chǎn)地的白芍藥材藥效、質(zhì)量差別很大，加之中藥材假冒 偽劣現(xiàn)象屢禁不止，增加了藥材鑒別的難度。因此，亟需建立一種白芍藥材定性判別的有效 方法，實(shí)現(xiàn)白芍藥材產(chǎn)地快速無(wú)損準(zhǔn)確的判別分析。傳統(tǒng)的中藥材質(zhì)量控制鑒別方法主要 依賴于經(jīng)驗(yàn)法，此法對(duì)人員素質(zhì)要求很高，而且不符合現(xiàn)代化生產(chǎn)的要求。顯微鑒別法、理 化鑒別法、色譜法等鑒別方法也是中藥材鑒別的常用方法，顯微鑒別法適用范圍狹窄，理化 鑒別法、色譜法等具有費(fèi)時(shí)費(fèi)力、消耗試劑、破壞樣品等不足之處。
[0004] 近紅外光譜分析技術(shù)（NIRS)作為分析領(lǐng)域中一種綠色分析技術(shù)，因其無(wú)損、高效 以及適合在線分析等突出特點(diǎn)，已經(jīng)成為農(nóng)業(yè)領(lǐng)域、石油化工領(lǐng)域、制藥領(lǐng)域、煙草領(lǐng)域中 重要的分析技術(shù)之一。定性分析是NIRS在中藥領(lǐng)域應(yīng)用的一個(gè)重要方面，已經(jīng)廣泛地應(yīng)用 于中藥材的產(chǎn)地、真?zhèn)舞b別。
[0005] 傳統(tǒng)的近紅外光譜分析儀器體積大、價(jià)格高，不利于現(xiàn)場(chǎng)快速分析。微型近紅外光 譜儀器更具簡(jiǎn)便化、便攜化特點(diǎn)，是近紅外光譜分析技術(shù)的發(fā)展趨勢(shì)。采用微型近紅外光譜 儀對(duì)白芍藥材進(jìn)行定性判別分析，能夠?qū)崿F(xiàn)白芍藥材的快速無(wú)損的定性判別。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于建立一種基于近紅外分析技術(shù)的白芍產(chǎn)地判別的方法。
[0007] 本發(fā)明的判別方法快速、無(wú)損、準(zhǔn)確、方便，是一種綠色分析技術(shù)。
[0008] 為解決上述問(wèn)題，本發(fā)明采用如下技術(shù)方案：
[0009] 一種基于近紅外分析技術(shù)的白芍產(chǎn)地判別的方法，包括如下步驟：
[0010] (1)采集各建模產(chǎn)地的白芍藥材樣品的近紅外光譜；
[0011] (2)采用K-S算法將樣品劃分為校正集和驗(yàn)證集；
[0012] (3)對(duì)校正集的白茍藥材樣品的近紅外光譜進(jìn)行SG5_lstderivative結(jié)合MSC預(yù) 處理；潛在變量數(shù)為4時(shí)，在1286-1459nm區(qū)間構(gòu)建白芍藥材產(chǎn)地判別的PLSDA定性分析模 型；
[0013] (4)采集待未知樣品的近紅外光譜；并進(jìn)行SG5_lstderivative和MSC預(yù)處理，得 預(yù)處理光譜；
[0014] (5)將待未知樣品的預(yù)處理光譜輸入所述白芍藥材產(chǎn)地判別的PLSDA定性分析模 型，分別計(jì)算出該未知樣品到各個(gè)產(chǎn)地中心的距離，并將產(chǎn)地中心與未知樣品距離最近的 產(chǎn)地判定為未知樣品的產(chǎn)地歸屬。
[0015] 優(yōu)選的是，在步驟（1)之前，對(duì)建模產(chǎn)地的白芍藥材樣品和待未知樣品進(jìn)行預(yù)處 理。
[0016] 優(yōu)選的是，所述預(yù)處理的具體操作步驟為：在60°C條件下將白芍藥樣品干燥24h， 粉碎后，過(guò)40目篩。
[0017] 優(yōu)選的是，步驟（2)中，校正集和驗(yàn)證集中樣品數(shù)之比為4-5 :1。
[0018] 優(yōu)選的是，步驟（2)中，利用校正集樣本建立判別分析模型，以此作為判據(jù)，對(duì)驗(yàn) 證集樣本進(jìn)行預(yù)測(cè)，利用模型識(shí)別率和拒絕率對(duì)模型結(jié)果進(jìn)行評(píng)價(jià)。
[0019] 優(yōu)選的是，光譜采集時(shí)的儀器參數(shù)具體如下：波長(zhǎng)范圍為908-1676nm;100% Spectralon?標(biāo)準(zhǔn)白板為參考；積分時(shí)間：5000ys;掃描次數(shù)：100。
[0020] 優(yōu)選的是，步驟（3)中，所述SG5_lstderivative結(jié)合MSC預(yù)處理用SG5_lst derivative或MSC預(yù)處理替代。
[0021] 優(yōu)選的是，步驟（3)中，對(duì)光譜進(jìn)行預(yù)處理后，采用iPLS方法對(duì)光譜區(qū)間進(jìn)行優(yōu) 化。
[0022] 優(yōu)選的是，步驟（3)中，對(duì)光譜進(jìn)行預(yù)處理以及對(duì)光譜區(qū)間進(jìn)行優(yōu)化后，采用交互 驗(yàn)證方法對(duì)潛在變量數(shù)進(jìn)行優(yōu)化。
[0023]模型驗(yàn)證集和校正集的識(shí)別率和拒絕率均達(dá)到100%，表明模型穩(wěn)健性和準(zhǔn)確性 好，滿足分析要求。
[0024] 本發(fā)明方法快速無(wú)損、簡(jiǎn)便易行、準(zhǔn)確可靠適，于對(duì)白芍藥材進(jìn)行快速無(wú)損無(wú)污染 的定性判別分析，有利于從源頭上對(duì)中藥的原藥材進(jìn)行質(zhì)量控制。
[0025] 有益效果：本發(fā)明建立了一種無(wú)損、更加便攜、快速的中藥材定性判別方法。通過(guò) 微型近紅外光譜儀對(duì)白芍藥材產(chǎn)地進(jìn)行定性判別，能夠?qū)κ袌?chǎng)上白芍藥材進(jìn)行產(chǎn)地判別， 實(shí)現(xiàn)了對(duì)中藥生產(chǎn)過(guò)程中原藥材的質(zhì)量控制，可以最大程度的節(jié)約生產(chǎn)成本、提高生產(chǎn)效 率、保證生產(chǎn)質(zhì)量。另外，本發(fā)明與常規(guī)方法相比，具有方法簡(jiǎn)單、操作時(shí)間短、操作方便等 優(yōu)勢(shì)，同時(shí)解決了傳統(tǒng)的近紅外光譜分析儀器體積大、價(jià)格高，不利于現(xiàn)場(chǎng)快速分析等缺 點(diǎn)，促進(jìn)了近紅外光譜技術(shù)在中藥材定性判別方面的應(yīng)用。本發(fā)明首次建立了白芍藥材產(chǎn) 地的近紅外定性判別分析模型。
【附圖說(shuō)明】
[0026] 圖1為本發(fā)明在25°C的室溫下，采用MicroNIR1700型近紅外光譜儀（美國(guó)JDSU 公司）采集的三個(gè)產(chǎn)地（共計(jì)79份）白芍藥材粉末樣品的近紅外漫反射原始光譜圖。
[0027] 圖2為本發(fā)明獲得的白芍藥材樣品近紅外光譜的主成分得分圖。（注：黑色圓點(diǎn) 代表校正集樣品，紅色圓點(diǎn)代表驗(yàn)證集樣品）。
[0028] 圖3為本發(fā)明獲得的SG5_lstderivative與MSC處理后的光譜圖。
[0029] 圖4為本發(fā)明獲得的3個(gè)不同產(chǎn)地樣品PLSDA定性判別分析模型結(jié)果圖。
【具體實(shí)施方式】
[0030] 下面結(jié)合實(shí)例對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。
[0031] 實(shí)施例1白芍藥材的產(chǎn)地判別
[0032] 首先選取79份白芍個(gè)樣品，其中山東菏澤（hz) 30份，安徽亳州（bz) 24份，浙江磐 安（pa) 25份，經(jīng)專家鑒定。將樣品于60°C下干燥24h，粉碎，過(guò)60目篩，裝于自封袋中，置 于硅膠干燥器中備用。
[0033] 采用美國(guó)JDSU公司MicroNIR1700微型近紅外光譜儀采集79份白芍藥材粉末的 近紅外光譜，每個(gè)樣品重復(fù)采集3次光譜，取其平均光譜。儀器參數(shù)設(shè)置如下：采集方式選 擇為漫反射方式；波長(zhǎng)范圍：908-1676nm;以100%Spectralon?標(biāo)準(zhǔn)白板為參考；積分時(shí) 間：5000ys;掃描次數(shù)：100。采用上述參數(shù)采集79份白芍粉末樣品得到的近紅外漫反射 光譜見(jiàn)圖1。
[0034] 采用K-S法分別將三個(gè)不同產(chǎn)地的樣品劃分校正集和驗(yàn)證集。79份樣品中，64份 樣品作為校正集，15份樣品作為驗(yàn)證集樣品。劃分校正集和驗(yàn)證集的結(jié)果見(jiàn)表1。
[0035] 表1樣品集劃分信息
[0036]
【主權(quán)項(xiàng)】
1. 一種基于近紅外分析技術(shù)的白芍產(chǎn)地判別的方法，其特征在于，包括如下步驟： (1) 采集各建模產(chǎn)地的白芍藥材樣品的近紅外光譜； (2) 采用K-S算法將樣品劃分為校正集和驗(yàn)證集； (3) 對(duì)校正集的白茍藥材樣品的近紅外光譜進(jìn)行SG5-lstderivative結(jié)合MSC預(yù)處理； 潛在變量數(shù)為4時(shí)，在1286-1459nm區(qū)間構(gòu)建白芍藥材產(chǎn)地判別的PLSDA定性分析模型； (4)采集待未知樣品的近紅外光譜；并進(jìn)行SG5-lstderivative和MSC預(yù)處理，得預(yù)處 理光譜； (5) 將待未知樣品的預(yù)處理光譜輸入所述白芍藥材產(chǎn)地判別的PLSDA定性分析模型， 分別計(jì)算出該未知樣品到各個(gè)產(chǎn)地中心的距離，并將產(chǎn)地中心與未知樣品距離最近的產(chǎn)地 判定為未知樣品的產(chǎn)地歸屬。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟（1)之前，對(duì)建模產(chǎn)地的白芍藥材 樣品和待未知樣品進(jìn)行預(yù)處理。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)處理的具體操作步驟為：在60°C條 件下將白芍藥樣品干燥24h，粉碎后，過(guò)40目篩。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟（2)中，校正集和驗(yàn)證集中樣品數(shù)之 比為4-5 :1。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于：步驟（2)中，利用校正集樣本建立判別分 析模型，以此作為判據(jù)，對(duì)驗(yàn)證集樣本進(jìn)行預(yù)測(cè)，利用模型識(shí)別率和拒絕率對(duì)模型結(jié)果進(jìn)行 評(píng)價(jià)。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于：光譜采集時(shí)的儀器參數(shù)具體如下：波長(zhǎng) 范圍為908-1676nm;100%Spectralon?標(biāo)準(zhǔn)白板為參考；積分時(shí)間：5000ys;掃描次數(shù)： 100〇
7. 根據(jù)權(quán)利要求1所述的方法，其特征在于：步驟（3)中，所述SG5_lstderivative結(jié) 合MSC預(yù)處理用SG5_lstderivative或MSC預(yù)處理替代。
8. 根據(jù)權(quán)利要求1所述的方法，其特征在于：步驟（3)中，對(duì)光譜進(jìn)行預(yù)處理后，采用 iPLS方法對(duì)光譜區(qū)間進(jìn)行優(yōu)化。
9. 根據(jù)權(quán)利要求1所述的方法，其特征在于：步驟（3)中，對(duì)光譜進(jìn)行預(yù)處理以及對(duì)光 譜區(qū)間進(jìn)行優(yōu)化后，采用交互驗(yàn)證方法對(duì)潛在變量數(shù)進(jìn)行優(yōu)化。
【專利摘要】本發(fā)明公開(kāi)了一種基于近紅外分析技術(shù)的白芍產(chǎn)地判別的方法，方法快速、無(wú)損，操作簡(jiǎn)單，避免了常規(guī)的近紅外光譜分析儀器體積大、便攜不便等缺點(diǎn)。具體步驟如下：(1)對(duì)收集的白芍藥材樣品進(jìn)行預(yù)處理，預(yù)處理方法為：60℃干燥24h，粉碎，過(guò)40目篩；(2)在25℃下，采用微型近紅外光譜分析儀，以漫反射方式采集樣品的近紅外光譜；(3)對(duì)原始光譜進(jìn)行預(yù)處理，最優(yōu)預(yù)處理方法為：SG5-1st derivative與MSC組合；最佳建模光譜波段為286-1459nm；最佳潛在變量數(shù)為4；(4)采用KS算法將樣品劃分為校正集和驗(yàn)證集，利用校正集建立定性判別分析模型，并采用驗(yàn)證集對(duì)模型進(jìn)行驗(yàn)證；(5)對(duì)所建立的白芍產(chǎn)地定性判別模型的預(yù)測(cè)能力進(jìn)行評(píng)價(jià)。
【IPC分類】G01N21-3563, G01N21-359
【公開(kāi)號(hào)】CN104713848
【申請(qǐng)?zhí)枴緾N201510141849
【發(fā)明人】臧恒昌, 曾英姿, 聶磊, 胡甜, 王冬梅, 李彤彤
【申請(qǐng)人】山東大學(xué)
【公開(kāi)日】2015年6月17日
【申請(qǐng)日】2015年3月27日