近红外光谱用于注射用复方甘草酸苷质量控制研究

该文通过采集70批注射用复方甘草酸苷样品的近红外光谱（NIRS）图,基于其中甘氨酸、甘草酸苷、盐酸半胱氨酸3种组分的含量,采用偏最小二乘法（PLS）建立定量分析模型,并进行了验证。所建模型中,甘氨酸、甘草酸苷、盐酸半胱氨酸的相关系数（R）分别为0.999 54、0.947 01和0.999 95,校正均方根误差（RMSEC）依次为0.289、0.098 0、0.001 07。13批验证集样品中上述3种组分测定值与预测值之间的平均相对误差分别为0.41%、0.72%、0.86%,测定值与预测值之间无显著性差异（P> 0.05）。     

近红外光谱法快速测定柴胡提取过程中的药效成分

利用近红外光谱(NIRS)技术对柴胡提取过程中的药效成分进行快速定量分析。共收集126个柴胡提取液样品,采用紫外-可见分光光度法测定总黄酮和多糖的含量,高效液相色谱法(HPLC)测定柴胡皂苷A及柴胡皂苷D的含量,以透射模式采集提取液的近红外光谱,运用偏最小二乘法(PLS)分别建立了近红外光谱与4种药效指标参考值之间的定量校正模型,并采用不同的预处理方法、光谱波段和主因子数对模型进行优化。结果表明,总黄酮、多糖、柴胡皂苷A和柴胡皂苷D 4种定量模型的近红外预测值与参考值之间的拟合性良好,模型预测精度较高,其中预测集相关系数(RP)均大于0.9;预测集误差均方根(RMSEP)分别为3.46 μg/mL、0.743 mg/mL、1.53 μg/mL、0.406 μg/mL;预测集相对偏差(RSEP)分别为1.65%、8.28%、5.74%、7.52%。该研究证实了NIRS结合PLS可成功应用于监测柴胡提取液中药效成分的含量变化,且方法具有快速、准确、无损和环保的特点。     

近红外光谱模型检测苯磺酸氨氯地平片中有效含量的研究

以12种苯磺酸氨氯地平片为研究对象,以高效液相色谱(HPLC)法准确测定出苯磺酸氨氯地平片中苯磺酸氨氯地平的有效含量为标准,利用近红外光谱技术,建立了苯磺酸氨氯地平片的近红外定量分析模型。结果表明,利用二阶导数谱图,在4070.89～4248.69cm~(-1)、4316.83～4656.56cm~(-1)、4749.74～5449.81cm~(-1)、7315.64～6942.53cm~(-1)等四个波段下,得到的样品粉末定量分析模型最优。模型的预测值与HPLC测定值的绝对误差为-0.12%～0.18%,相对误差为-3.51%～5.41%。建立了一种快速检测苯磺酸氨氯地平片含量的方法。     

近红外光谱法快速测定鲜木薯中淀粉含量

提出了用于现场快速测定鲜木薯中淀粉含量的近红外光谱法。取不同品种的鲜木薯样品90个,按国家标准方法(化学分析法)测得其淀粉含量。用近红外光谱法对此90个样品所制作的柱状样块的横截面进行光谱扫描,得其光谱图谱,并转换得到其一阶导数图。用CAUNIFT软件QPLS分析模块建立数学模型。结果表明:验证样品中淀粉的化学法测定值与近红外模型的预测值之间呈线性关系。用5份未知样品对所建模型进行外部验证,预测值与化学法测定值之间的绝对误差在2%以内,相对误差均小于5%。     

近红外光谱法快速测定附子中6个生物碱的含量

应用近红外光谱(NIRS)技术结合偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)建立了附子中多指标成分的快速无损检测方法。选取38批样品建立了同时测定附子样品中6种成分含量的高效液相色谱(HPLC)方法;通过采集附子样品的NIRS图,分别采用PLS和LS-SVM建立了各个成分HPLC测定值与NIRS图的定量校正模型。所建立的苯甲酰新乌头原碱、苯甲酰乌头原碱、苯甲酰次乌头原碱、新乌头碱、次乌头碱、乌头碱、单酯型生物碱总量和双酯型生物碱总量LS-SVM模型的相对预测偏差(RPD)分别为3.3、3.2、4.1、7.7、8.8、7.6、4.0和8.6;验证集相关系数(rpre)分别为0.9486、0.9475、0.9668、0.9909、0.9946、0.9969、0.9669和0.9927,且LS-SVM模型优于PLS模型,说明NIRS模型验证集与HPLC测定值具有良好的非线性关系,模型预测效果良好。采用NIRS技术结合LS-SVM模型可以快速对附子中的上述6个生物碱含量以及单酯型生物碱总量和双酯型生物碱总量进行检测,方法操作简便,对控制附子中的生物碱含量具有一定的指导作用。     

近红外光谱分析原油中水分和硫含量模型的建立及验证

取原油样品120个,分别按照GB/T 11133-2015和GB/T 17040-2008中所述方法测定了上述原油样品中的水分和硫的含量。通过优化的近红外光谱(NIRS)条件采集了上述原油样品的NIR光谱图。采用杠杆值算法剔除4个异常样品。在建立水分含量分析模型时,采用的条件为:用Savitzky-Golay法对光谱进行滤波预处理,建模光谱区间为6 200～8 200cm-1,主成分数为6,用偏最小二乘回归法(PLS)交叉验证建立分析模型。硫含量分析模型的建立条件为:采用二阶导数-Norris Derivative对光谱进行预处理,建模光谱区间为4 400～4 700cm-1,主成分数为6,用PLS交叉验证建立分析模型。水分和硫含量模型的预测值与测定值的相关性较好。水分模型的决定系数(R2c)为0.989 9,校正标准偏差(RMSEC)为0.084 2,说明其预测效果较好,可用于原油中水分含量的预测。硫含量模型的R2c为0.996 3,RESEC为0.069 6,说明此模型的预测效果也较好,可用原油中硫含量的预测。应用所建立的两个模型对10个未知原油样品中水分和硫含量进行了预测,并与其测定值比较,结果表明两者之间的相对偏差均小于10%。     

近红外光谱用于注射用曲克芦丁质量控制研究

运用近红外光谱(NIRS)分析技术建立注射用曲克芦丁的定量分析预测模型,并进行相关验证。近红外积分球漫反射光谱法对73个批次样品进行采集得到NIRS图,根据高效液相色谱法(HPLC)测定样品的有效成分含量并测得样品pH值,使用TQ Analyst光谱分析软件运用偏最小二乘法(PLS)建立定量分析方法模型。模型结果显示,含量预测模型的线性相关系数(R)为0.99239,校正标准偏差(RMSEC)和预测标准偏差(RMSEP)分别为0.1790和0.5460,pH值预测模型R为0.81575,RMSEC和RMSEP分别为0.0749和0.0704。验证结果显示,含量与pH值预测模型外部验证结果的平均误差率分别为0.46%和1.57%,且t检验无显著性差异(P>0.05)。NIRS分析技术可快速稳定的对产品含量和pH值进行预测,对产品质量控制提供了新的方法依据。     

花生油中过氧化物的近红外光谱分析

研究了采用近红外光谱测定花生油中过氧化物含量的方法.在9 214～4 559 cm-1波长范围内,应用傅里叶变换红外光谱仪,利用偏最小二乘法建立了预测过氧化物含量的数学分析模型,通过交互检验得到的主因子数为9,交互验证均方根误差(RMSECV)为6.88×10-4g/mL,模型预测花生油样品得校正值与预测值的相关系数为0.991,标准偏差为1.10×10-4g/mL.根据模型分析8种未知样品得到的分析结果与用国家标准方法测得的结果其平均相对误差为1.77%.     

声光可调滤光器-近红外光谱法快速测定苗药水冬瓜根皮药材中总黄酮和浸出物的含量

取48批次水冬瓜根皮鲜药材于50℃分别烘干后粉碎至通过孔径0.23mm的样筛。混匀后装于样品瓶中制备成48个样品,编号为G1～G48,其中42个样品(G1～G42)作为校正集,6个样品(G43～G48)为验证集。应用声光可调滤光器(AOTF)-近红外光谱仪(NIR)采集每个样品的原始光谱。确定NIR光谱预处理方式为一阶微分导数,在1 100～2 200nm波段构建该药材中总黄酮及浸出物含量快速测定的分析模型。采用化学计量学分析软件将校准集样品的光谱信息和上述两测定项目的参考值作数据关联,分别建立该药材中总黄酮和浸出物快速测定的分析模型。用G1样品重复采集其NIR光谱6次,按上述方法作预处理及测定,结果获得总黄酮及浸出物测定值的相对标准偏差(n=6)分别为3.9%,2.8%。仍取G1样品于12h内先后采集其红外光谱8次,按上述相同方法分析,两项测定结果的相对标准偏差分别为2.1%,2.3%,说明12h内样品的稳定性良好。最后将6个验证样品的原始光谱经预处理所得的数据导入化学计量学分析软件作模型预测,两项目的预测值与参考值的相对误差分别在1.6%～6.3%和0.60%～4.3%之间。表明所建模型验证效果良好,应用此方法分析单个样品只需2～5s。     

近红外光谱快速分析青贮饲料pH值和发酵产物

采用近红外光谱技术,结合偏最小二乘回归法,研究了142个不同种类的秸秆青贮饲料样品的pH值和发酵产物(乳酸、乙酸、丙酸、丁酸和氨态氮),建立了干燥粉碎和新鲜样品的近红外漫反射光谱定量分析模型以及浸提液样品的近红外透射光谱定量分析模型。研究发现,pH值的近红外漫反射光谱和透射光谱的分析效果均较好,校正模型决定系数R2和验证集样品预测值与化学值的相关关系决定系数r2都大于0.80,并且干燥粉碎、新鲜和浸提液样品的RPD值分别为3.44、2.50和2.27;3种状态样品的乳酸、乙酸、丁酸和氨态氮的定量分析模型精度需进一步提高;R2在0.64~0.85之间;RPD值在1.38~1.93之间;丙酸含量的测定结果较差。方差分析显示,3种状态样品的测定结果之间均无显著性差异(P>0.05)。     

近红外光谱法分析盐酸雷尼替丁胶囊

应用化学计量学与近红外光谱方法相结合,分析了盐酸雷尼替丁胶囊。以交叉验证均方根误差(RMSECV)、预测均方根误差(RMSEP)和决定系数为评价指标,分别建立了上述药物的定性和定量分析的模型。在定性判别分析方面,当采用多元散射校正(MSC)和一阶导数法对NIRS谱图进行预处理,并确定样品判别模型的主成分数为6,波长范围在波数为9 090.92~4 008.81cm~(-1)之间时误判数为0;在定量分析方面,选定的建模条件为:光谱的预处理方法为一阶导数法,建模波段在9 090.92~4 008.81cm~(-1)波数之间,主因子数为5。对13批次样品进行验证,测定值与预测值的相对偏差在-4.20%~4.04%之间。     

近红外反射光谱法分析玉米秸秆纤维素含量的研究

利用近红外反射光谱分析技术和偏最小二乘回归法（PLS）,通过比较不同光谱范围和光谱预处理方法,采用二阶导数光谱预处理,在7540．3-5361．1cm^-1和4882.9—4504．9cm^-1谱区内建立了近红外光谱测定玉米秸秆纤维素含量的校正模型。利用15个玉米秸秆样品对所建模型的实际预测效果进行了验证,预测值与化学值的相关系数（r）可达0．9953,最大相对误差仅为5．20。结果表明,近红外光谱技术可以快速、准确地测定玉米秸秆纤维素,该结果对玉米秸秆材料的快速鉴定和筛选利用具有重要的意义。     

基于光谱比值分析的无标样近红外模型传递方法

测量环境及光谱仪台间差异导致近红外光谱(NIRS)模型传递到从机后,常产生较大误差。该文使用标准正态变量变换(SNV)+微分处理光谱消除光谱散射和基线漂移的影响,提出通过仪器间光谱信号比值分析筛选波长的方法(Screening wavelengths based on spectrum ratio analysis,SWSRA),选出仪器间一致性较好且样本间差异大的光谱特征波长,采用筛选出的波长信号建立待测性质的偏最小二乘近红外光谱定标模型。以80个玉米样品中水分、油、蛋白质含量及72个黄芩样品中黄芩苷含量的NIRS预测对该方法进行了检验。结果表明,SWSRA主机模型预测从机样品的各成分含量的平均相对误差均小于4.3%,明显优于全波长模型直接传递的结果,且其预测均方根残差RMSEP与文献报道的其他模型传递方法的结果相当或更优。SWSRA方法具有模型参数少、稳健、简便易行等优点,可以在同类型近红外光谱仪器之间实现模型的无标样传递。     

近红外光谱快速测定红花逆流提取过程中羟基红花黄色素A的含量

采用近红外光谱(NIRS)透射法对红花罐组式逆流提取过程中羟基红花黄色素A(Hydroxysafflor yellow A,HSYA)的含量进行快速无损的测定.在红花逆流提取过程中,以高效液相色谱法(HPLC)为对照分析方法,测定提取液中羟基红花黄色素A的含量,运用偏最小二乘(PLS)法建立NIR光谱与羟基红花黄色素A的HPLC分析值之间多元校正模型,并对逆流提取过程的未知样本进行含量预测.校正模型相关系数达到0.982,预测相关系数达到0.965,RMSEC和RMSEP分别为0.053和0.075,RSEC和RSEP分别为3.96%和5.25%.结果表明,NIRS可以作为一种准确、快速、无损的检测方法用于检测中药逆流提取过程有效成分含量变化规律.     

近红外光谱法分析格列齐特片

应用化学计量法处理光谱数据,用偏最小二乘法建立格列齐特片的近红外分析模型。通过光谱预处理和模型的逐步优化最终确定定量分析模型的相关系数为0.991,交叉验证均方差(RMSECV)为0.641,预测均方根误差(RMSEP)为0.980,主因子数为4。选取15个验证样品对模型进行检验,检测结果相对误差在-2.04%～3.52%之间。     

基于近红外光谱法的定量分析模型快速预测蕨菜中总黄酮的含量

采用近红外光谱法结合偏最小二乘法构建蕨菜中总黄酮含量的快速无损测定方法。取蕨菜样品140份,采用傅里叶变换近红外光谱仪采集4 000～11 500 cm^-1波段内近红外光谱,以一阶导数预处理原始光谱,设置主因子数为10,在6 100～7 500 cm^-1和5 400～6 000 cm^-1波段内建模。结果表明：校正集定量分析模型的校正均方根误差(RMSEC)为0.078,交叉验证决定系数(R²)为0.991 9;验证集定量分析模型的预测均方根误差(RMSEP)为0.125,R²为0.984 1,说明所建模型性能较优。分别以定量分析模型和紫外-可见(UV-Vis)分光光度法分析完全外部验证集样品,预测回收率(预测值和测定值比值的百分数)接近100%,说明所建模型的预测准确度较高,可用于蕨菜中总黄酮的快速、准确测定。     

近红外光谱法快速测定溶剂型木器涂料中甲苯、乙苯和二甲苯

建立了使用近红外光谱法(NIR)快速测定溶剂型木器涂料中甲苯、乙苯和二甲苯的方法。收集涂料样品,使用气相色谱法(GC)测定苯系物含量。采用聚乙烯密实袋封装聚氨酯类、硝基类或醇酸类涂料,应用积分球透漫射采样方式采集清漆和漫射采样方式采集色漆的近红外光谱。采用偏最小二乘法,分别建立清漆和色漆的近红外光谱与苯系物线性关系模型。校正集均方差在0.43%~1.32%之间、相关系数R在0.9046~0.9766之间。验证集均方差在0.591%~1.73%之间。对未知样品预测,清漆样品预测值相对偏差<15%;色漆样品预测值相对偏差<20%。两个定量模型预测效果良好。该2个NIR定量方法适用于对溶剂型木器涂料中甲苯、乙苯和二甲苯含量进行快速测定。     

近红外光谱法测定卷烟纸中钠、钾、镁、钙和柠檬酸根的含量

采用近红外光谱法测定卷烟纸中钠、钾、镁、钙和柠檬酸根的含量。用近红外光谱法对163个具有代表性卷烟纸样品进行测定,利用偏最小二乘法建立了卷烟纸中钠、钾、镁、钙和柠檬酸根的数学定量模型。结果表明:当卷烟纸重叠张数为15张及以上时,近红外漫反射扫描光谱无明显差异;各模型相关系数分别为0.949 6,0.982 5,0.958 1,0.930 0,0.987 9;模型交互验证均方根误差分别为0.245,0.415,0.050 5,3.08,0.533;模型外部验证平均相对偏差分别为6.63%,4.87%,6.03%,2.31%,4.58%。t-检验结果表明:5种组分显著性水平均大于0.05,预测值与测定值不存在显著性差异。     

化学计量学方法应用于近红外光谱法测定混合炸药中TNT含量

为构建样品中的被测组分(TNT)的含量与其红外光谱之间的数学模型,从生产线上采集以及按相同方法制备了共计155个样品并采集了它们的红外光谱,根据计算所得光谱残留F值判别并剔除异常光谱。随机选取63个样品的光谱作为校正集,其余92个样品的光谱作为验证集。另外采用常规的溶剂提取-红外光谱法测定了这些样品中TNT的含量作为建模参考值。在最优模型波段(cm-1)为:9 114.1～8 331.2,7 671.6～7 189.5,6 514.5～5 666,5 102.8～4 929.3,4 744.14～4 728.71的条件下,根据校正集的光谱数据,用偏最小二乘法建立数字模型。通过交叉检验均方根误差,RMSECV-维数曲线的理想程度以及光谱主成分分析结果选取了最优模型。采用χ2检验法,以及根据预测标准差和Bias值,结合验证集样品的光谱和数据,评估了方法的精确度和准确度。从TNT含量在36.68%～46.95%内的8个样品的测定结果得出其预测值的Bias值为0.078%,SEP%为0.514%。说明方法的准确度和精密度良好,且无需使用有机试剂。     

烟叶总还原糖近红外光谱稳健模型的建立及其在多台仪器的长期应用

该文使用基于光谱图像特征抽提的尺度不变特征变换（SIFT）的多步波长筛选方法建立了烟叶总还原糖（TRS）的近红外光谱（NIRS）稳健模型，实现了其在多台仪器的直接共享和长期应用。首先采用SIFT方法根据代表性主机样品光谱挑选特征光谱点集合Uc，然后从Uc中剔除样本光谱标准方差（SDSS）过低的点，挑选重要特征光谱点集合Uic，此两步波长筛选法简称为SIFT-SDSS。随后进一步从Uic中挑选对水分不敏感（Moisture-unsensitive,MUS）的波长点，得到重要且稳定的光谱点集合Uisc，此3步波长筛选法简称为SIFT-SDSSMUS。从2011～2013年采集的292个主机烟叶样品中按TRS浓度区间选择80%样品作为建模集，建立不同波长集合下烟叶TRS的偏最小二乘回归（PLSR）校正模型。结果表明，基于SIFT-SDSS两步波长筛选的光谱点建立的TRS模型传递到6台从机预测另外77个2011～2013年样品的TRS时，所有从机样品的平均相对误差绝对值（MARE）均小于6%，满足企业内控要求。该模型对5台近红外仪上2014～2020年各年度样品、1台近红外仪上2014～201...