傅里叶红外光谱结合化学计量学的渣驯优劣鉴别研究

渣驯通常分为4个等级,藏医传统用药经验认为色黑、质重、粪便少的渣驯质量更优。不同等级渣驯外观性状差异较小,成膏后更不易区分。傅里叶红外光谱技术(FTIR)具有快速无损的优点,已广泛用于药材鉴别领域。以4个等级渣驯为研究对象,探究傅里叶红外光谱技术鉴别不同等级渣驯的可行性。收集渣驯药材及代用品共56批,按粪便比例和外观形态将药材分为4个等级,采用《六省区藏药标准》中炮制方法将各批次药材加工成干膏。采集不同样品4 000～400 cm^-1范围的红外光谱信息,以不同化学计量学方法建立模型。预处理方式采用Saitzky-Golay(S-G)平滑、纵坐标归一化、二阶导数转化,渣驯红外光谱主要吸收区域为3 500～3 200, 3 000～2 800, 1 800～1 350, 1 350～900和900～400 cm^-1,代用品吸收峰的波数差异较大。1 779 cm^-1附近仅有Ⅰ等级渣驯和Ⅱ等级渣驯的吸收峰,1 768 cm^-1附近Ⅰ等级渣驯和Ⅱ等级渣驯峰强度明显强于Ⅲ等级渣驯和渣驯代用品,1 660 cm<...     

不同采收期滇龙胆的红外光谱鉴别研究

采收是中药生产的重要环节,采收时间直接影响中药质量和产量,是中医临床安全有效用药的前提,开展中药适时采收期的研究具有重要意义和应用价值。采用傅里叶变换红外光谱法对72份不同采收期的滇龙胆进行鉴别研究,用TQ8.0软件对原始光谱进行一阶导数(first derivative,FD)、二阶导数(second derivative,SD)、标准正态变量(standard normal variate,SNV)、多元散射校正(multiplicative scatter correction,MSC)和平滑(savitaky-golay filter,SG)预处理,样品按3∶1分为校正集和预测集,同时建立主成分分析(principal component analysis,PCA)和偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)模型。结果显示,选取1 800~600cm~(-1)波段范围的光谱,去除光谱噪音;SNV结合二阶导数光谱和SG(15,3)平滑,预处理结果满意。主成分分析表明,前三个主成分方差贡献率为92.47%,5月、9月和10月份采收的样品差异较小。偏最小二乘判别分析建立判别模型,决定系数R2和校正均方根误差(RMSEE)分别为0.967 8和0.086 0,可对18个预测集样品进行准确分类。红外光谱法结合主成分分析、偏最小二乘判别分析对不同采收期滇龙胆的分类和判别效果较好,为不同采收期的中药鉴别提供理论依据。     

葡萄糖溶液近红外光谱分析中两种常用化学计量学方法的比较

采用主成分回归和偏最小二乘法分别对葡萄糖溶液近红外光谱分析 ,建立数学校正模型。主成分回归模型的相关系数为 0 .9780 ,偏最小二乘法模型相关系数为 0 .9986。对两种方法进行比较 ,确定对葡萄糖溶液近红外光谱分析的方法。     

不同炮制方法黄精的红外光谱鉴别研究

利用傅里叶变换红外(FTIR)光谱和多元统计分析对黄精及其不同炮制品进行分析研究。实验共采集贵州凯里出产的生黄精、酒黄精、蒸黄精104个样品,分析各自的FTIR光谱特征。运用自动基线校正、标准正态变量变换(SNV)、多元散射校正(MSC)、正交信号校正(OSC)、 Savitzky-Golay导数、 Savitzky-Golay卷积平滑等方法对光谱进行预处理。通过建立偏最小二乘(PLS)模型和支持向量机非线性分类(SVC)模型来探索最佳数据预处理方法。选择最佳组合的预处理方法处理光谱数据,建立主成分分析(PCA)模型和偏最小二乘判别分析(PLS-DA)模型来验证其分类鉴别效果。结果显示,该方法可对三种黄精样品进行准确分类,可以用于黄精炮制品的快速鉴别。     

基于拉曼光谱技术鉴别新陈大米的方法研究

基于拉曼光谱检测技术结合化学判别方法,建立新陈大米拉曼光谱判别模型;建立适当的样品预处理方法,确保样品制备的均一性,使用拉曼光谱仪对新陈大米共计60组样品进行检测,在785 nm波长激光激发下,获取样品200～2 400 cm-1的拉曼光谱信息;对原始拉曼光谱进行基线校正、平滑、滤波等处理。利用主成分分析法（PCA）对拉曼光谱进行降维处理及粗分类鉴别;基于偏最小二乘分析法（PLS）,建立新陈大米快速鉴别模型,该模型对建模训练集鉴别正确率为100%,模型验证集鉴别正确率为95%。结果表明：该模型判断新陈大米是可行的,为大米新陈度的快速判别提供了一种新的方法。     

近红外光谱和化学计量学方法用于橄榄油品质分析与掺杂量检测

基于橄榄油的近红外光谱数据,用判别分析(Discriminant analysis)方法把20个样品成功地分为特级初榨橄榄油和普通橄榄油两类,正确率为100％。同时测定了纯橄榄油中分别掺入菜籽油、玉米油、花生油、山茶油、葵花籽油、罂粟油的混合油的近红外光谱,掺杂油体积百分数范围为0～100%。选择最佳的光谱波段组合用偏最小二乘(PLS)法分别建立定量分析模型,预测相对误差范围在-5.67%～5.61%之间。研究结果表明,基于化学计量学方法和近红外光谱数据可为橄榄油的品质鉴定和掺杂量检测提供了一种简便、快捷、准确的方法。     

基于拉曼光谱技术鉴别ABS废旧塑胶原料的方法研究

塑胶微粒原料已渗透到人类衣食住行的方方面面,并广泛应用于能源、工业、农业、交通乃至航空航天和海洋开发等各重要领域不可或缺的材料。在利益的诱惑下,废旧塑胶的走私现象屡禁不止。我国作为塑胶原料进口大国,现有检测方法耗时长,难以实现现场检测,因此,开发一种用于现场的废旧塑胶微粒判别方法,对快速通关和海关缉私有重要意义。拉曼光谱技术具有快速、无损、样品用量小、无需前处理且适应性强等优点,已在现场快速鉴别领域得到广泛应用。在研究塑胶废旧机理的基础上,将拉曼光谱技术结合化学判别方法,应用于废旧塑胶原料识别。选取两类成分相似的实际通关塑胶原料样品,包含标准品及废旧品各160份,并对样品的拉曼光谱信息进行了采集。对比分析了两种塑胶原料的原始拉曼光谱,并对样品的拉曼光谱特征峰进行了归属分析。选取1 603 cm-1作为归一化参照峰位,进一步探究废旧塑胶的成分变化,对比统计了废旧塑胶原料及标准塑胶原料的相对峰强变化,结果表明废旧塑胶原料发生了化学老化。基于主成分分析法（PCA）对原始拉曼光谱及预处理拉曼光谱进行降维处理,结果表面预处理拉曼光谱的前2主成分空间分离度较好,通过对原始拉曼光谱数据进行背景扣除及平滑预处理,可减少荧光背景及噪声对鉴别的影响,提高鉴别的准确度。将样品一半划分为校正集用于模型建立,另一半划分为预测集用于模型验证,基于偏最小二乘判别分析（PLS-DA）,建废旧塑胶原料鉴别模型,该模型对建模训练集鉴别正确率为100％,模型验证集鉴别正确率为99.06％。研究表明,基于拉曼光谱技术,结合测试数据预处理及偏最小二乘判别分析方法,可以有效地实现塑胶原料的现场、快速、准确鉴别,为开发现场检测装备及方法提供理论参考。     

可见-近红外反射光谱用于疾病快速筛查

为了探讨基于舌诊的疾病快速筛查,运用可见和近红外光谱仪,采集149名志愿者舌尖的反射光谱并且进行反射率归一化处理.根据临床诊断结果将样本分为4组:健康组、高粘血症倾向组、脂肪肝患者组和冠心病患者组.运用主成分分析(PCA)结合人工神经网络(ANN)方法、偏最小二乘(PLS)方法和间隔偏最小二乘(iPLS)方法3种方法建...     

薰衣草精油的衰减全反射红外光谱辨别分析

为建立薰衣草精油品种品质的快速辨别分析模型,采用衰减全反射红外光谱法测定三个品种共96个薰衣草精油样品,对原始光谱数据求二阶导数,通过方差计算,确定1 750～900 cm-1波长段为判别分析用数据。分析结果表明,主成分分析(PCA)基本能实现精油品种区分,前三个主成分主要代表着酯、醇和萜类物质。使用68个样品的校正集建立正交偏最小二乘判别分析(OPLS-DA)模型,三个品种薰衣草精油的回归曲线测定系数分别为0.959 2, 0.976 4, 0.958 8,验证集中三个品种精油预测均方根误差(RMSEP)分别为0.142 9, 0.127 3, 0.124 9,OPLS-DA法建立的模型对校正集和验证集的判别率和预测率都达到100%,模型对薰衣草精油品种品质有很好的识别能力。为薰衣草精油品种品质提供一个快速、直观的方法。     

红外光谱结合化学计量学快速鉴别云南重楼不同炮制品

中药炮制是根据中医学理论,改变中药的性味和功效,以达到缓和药性、减毒增效等作用。炮制对中药的活性成分、药效、毒副作用影响甚大,建立一个系统鉴别和评价中药不同炮制品的方法,可为中药质量和临床用药安全提供重要支撑。采用红外光谱法对9种云南重楼不同炮制品进行对比分析,结合化学计量学建立主成分-马氏距离(PCA-MD)判别模型进行鉴别分析。云南重楼不同炮制品的红外光谱经自动基线校正和纵坐标归一化预处理后,取其平均光谱图。九种重楼不同炮制品的平均红外光谱和二阶导数光谱显示：(1)其主要特征吸收峰为3 387,2 923,1 745,1 463,1 338,1 240,1 207,1 158,1 180,1 080,1 048,1 020,988,921,895,859,833,765,708,572和529 cm-1;(2)重楼不同炮制品红外图谱的峰形基本相似,可显示出重楼所特有的红外光谱特征;(3)重楼不同炮制品红外图谱中少数特征吸收峰数目、位置和吸收强度存在差异,表明重楼经不同炮制后化学成分和含量发生了改变。红外光谱经多元散射校正(MSC),标准正态变量(SNV),一阶求导(1st Der),二阶求导(2nd Der)和平滑(SG)优化处理后,采用Kennard-Stone算法筛选训练集和预测集(3∶1),建立PCA-MD判别分析模型。结果显示,重楼不同炮制品的最佳预处理方法为1st Der+SG(11∶3)。提取前5个主成分,变量特征的解释能力为88.2%,以PC1,PC2和PC3为坐标轴建立PCA-MD三维得分图可知,九种炮制品可完全区分;其中重楼I,H,G和F的聚类效果最好,且前三种炮制品距离较近,表明晒干和烘干处理重楼与传统炮制重楼所含化学成分相似;重楼D和E空间距离较近,推测其经过微波和蒸汽高温处理后化学成分变化相似。预测集样本可准确的归属于训练集,PCA-MD判别模型的准确率为100%。红外光谱结合PCA-MD判别分析可准确区分云南重楼的不同炮制品,为云南重楼炮制品的临床应用提供参考,同时为中药炮制品的鉴别提供了借鉴。     

红外光谱结合化学计量学对不同采收期滇重楼的定性定量分析

傅里叶变换红外光谱(FTIR)结合偏最小二乘判别分析(PLS-DA)和偏最小二乘回归(PLSR)对不同采收期滇重楼(Paris polyphylla var. yunnanensis)分别进行定性鉴别与定量分析,以期为滇重楼合理采收和鉴别评价提供科学依据。采集46份不同采收期滇重楼样品的红外光谱,对光谱数据进行自动基线校正+纵坐标归一化+自动平滑+小波去噪(WD)预处理后进行PLS-DA分析;采用超高效液相色谱测定样品中重楼皂苷Ⅰ,Ⅱ,Ⅵ,Ⅶ的含量,将液相测定数据与红外光谱数据进行拟合,经自动基线校正+纵坐标归一化+自动平滑+一阶求导+正交信号校正(OSC)优化处理后,建立滇重楼中重楼皂苷Ⅰ,Ⅱ,Ⅵ,Ⅶ的快速预测模型。结果显示,(1)原始红外光谱中主要吸收区域在950~700,1 200~950,1 800~1 500和2 800~3 500 cm-1附近。(2)PLS-DA得分图可准确区分不同采收期滇重楼样品。(3)液相数据显示重楼总皂苷含量随着年限的增加先成倍增加,再逐渐减少,最后呈现缓慢增加的趋势。(4)重楼总皂苷含量定量模型的预测值与真实值间无显著性差异,表明模型预测效果好。FTIR结合化学计量学可准确区分不同采收期滇重楼并快速预测其皂苷含量,为不同采收期滇重楼的鉴别和皂苷含量预测提供一种新方法,同时为确定滇重楼的最佳采收期提供参考依据。     

红外光谱结合化学计量学对三七总黄酮含量的快速预测研究

中药产地及生长环境的改变会对其次生代谢产物、质量产生整体性影响。近年来,三七产地从道地产地文山扩展到周边县市。为保证三七质量,中国药典以三种皂苷含量为指标对三七进行质量控制,指标较为单一,难以对三七质量进行整体性评价。通过紫外-可见分光光度法测定三七总黄酮含量,傅里叶变换红外光谱结合化学计量学建立三七总黄酮含量快速预测模型;为三七快速及整体性质量控制提供研究基础。采集云南省12个产地96个三七样品的紫外与红外光谱。记录样品紫外光谱268nm处吸光度,结合芦丁标准品线性方程计算样品中总黄酮含量。预处理红外光谱数据采用一阶(1D)、二阶导数(2D)结合SavitskyGolay平滑(7点、9点和11点)处理,Kennard-stone算法将96个个体分为2/3训练集与1/3预测集。训练集数据用于正交信号校正偏最小二乘回归(OSC-PLSR)模型的建立,1/7交叉验证用于筛选最佳主成分数,预测集数据对OSC-PLSR模型预测能力进行验证。结果显示:(1)标准品芦丁在268nm处吸光度与浓度相关系数r=0.999 7,线性浓度范围为5.6~72.0μg·mL~(-1),线性关系良好;(2)道地产区文山州3个产地以及曲靖市罗平、昆明市石林等产地三七总黄酮含量较高,平均含量高于7mg·g-1;(3)相同点数SavitskyGolay平滑之后,二阶导数模型预测能力优于一阶导数,不同处理模型预测能力具有较大差别;(4)预测模型中,2D+SG 7+OSC-PLSR(R2pre=0.976 1,RMSEP=0.325 2)与2D+SG 11+OSC-PLSR(R2pre=0.946 9,RMSEP=0.382 0)模型预测效果较好,RMSEP均小于0.4,预测值与检测值接近。傅里叶变换红外光谱结合OSC-PLSR能够对12个产地三七中总黄酮含量进行快速准确的预测,为三七整体性质量控制提供一种快速、简便、有效的检测方法。     

近红外光谱结合化学计量学的常见中国蜂蜜掺杂糖浆鉴别

目前我国蜂蜜市场掺假现象严重,研究一种快速、准确的方法用于市场流通领域掺假蜂蜜的鉴别具有重要的现实意义。采用近红外光谱（NIR）结合化学计量学方法对常见的天然蜂蜜以及掺假（掺杂常见糖浆）蜂蜜进行建模识别,并比较偏最小二乘-判别分析（PLS-DA）及支持向量机（SVM）对糖浆掺假蜂蜜鉴别模型的影响。首先,采集来自中国10个省份、20种常见蜂蜜的112个天然纯蜂蜜样品,以及6种常见糖浆样品按不同糖浆含量（10%,20%,30%,40%,50%,60%）配制的112个掺假蜂蜜样品,共计224个样品;通过近红外光仪器扫描获得所有样品的近红外光谱数据（波长范围400~2 500 nm）;然后,分别采用一阶导数（FD)、二阶导数（SD）、多元散射校正（MSC)、标准正态变化(SNVT)四种方式对原始光谱进行预处理;再结合PLS-DA和SVM建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型,比较不同预处理方法对两种不同建模算法建立的蜂蜜掺假鉴别模型效果。其中SVM算法的惩罚参数c和核函数参数g通过网格搜索法（GS）、遗传算法（GA）、粒子群算法（PSO）三种寻优算法进行优化。分析结果表明：光谱数据进行预处理后所建立的模型准确率均有明显提升,而对于SVM模型,惩罚参数c和核函数参数g对模型准确率的提升效果要比光谱预处理带来的提升效果更明显。在PLS-DA算法中,经FD光谱预处理后建立的模型效果最好,最佳PLS-DA模型准确率为87.50%;在SVM算法中,经MSC预处理后,再通过GS寻优,获得惩罚参数c为3.0314,核函数参数g为0.3298的条件下所建立的模型效果最好,最佳SVM模型准确率为94.64%。由此可见,非线性的SVM算法结合NIR光谱数据所建立的天然蜂蜜与糖浆掺假蜂蜜鉴别模型要优于线性的PLS-DA模型,同时表明NIR光谱结合化学计量学方法对常见糖浆掺杂的中国蜂蜜鉴别是可行的。     

红外光谱结合化学计量学快速预测铁皮石斛中总黄酮含量

评价药用植物质量的主要手段之一是有效成分含量检测,不同采收期对药用植物有效成分含量有明显影响。通过傅里叶变换红外光谱(FTIR)结合化学计量学建立快速预测不同采收期铁皮石斛中总黄酮含量的方法,以期为铁皮石斛质量快速预测评价提供研究基础。采收2014年1至12月的铁皮石斛样品干燥粉碎;以氯化铝显色法测定铁皮石斛中总黄酮含量,分析不同采收时间铁皮石斛总黄酮的累积规律;采集样品红外光谱信息,归属红外吸收峰,拟合红外光谱数据和总黄酮含量数据,结合一阶导数、二阶导数、多元散射校正、标准正态变量、正交信号校正等对数据进行预处理,建立偏最小二乘回归模型预测样品中总黄酮含量。结果显示：(1)样品和标准品芦丁均在270 nm附近有共有吸收峰,实验以270 nm为总黄酮定量波长,标准曲线为y=6.076 5x+0.055 8,相关系数r=0.996 6,线性关系良好;重现性、精密度和稳定性相对标准偏差分别为1.00%,0.37%和0.28%,该方法稳定可靠;(2)总黄酮含量随时间变化趋势为先升高后降低,6月-8月样品含量较高,平均含量大于64.10 mg·g-1;(3)铁皮石斛红外光谱数据与总黄酮含量拟合后进行一阶导数、二阶导数、多元散射校正、标准正态变量、正交信号校正等组合处理,用PLSR模型预测铁皮石斛的总黄酮含量,结果最佳预处理方式为2D+SG5+SNV+OSC-PLSR,训练集和验证集r分别为0.979 0和0.882 4,验证均方根误差(RMSEE)和预测均方根误差(RMSEP)分别为2.438 2和4.169 9,铁皮石斛中总黄酮含量预测值与测量值较接近,表明PLS模型可用于总黄酮含量的快速预测。傅里叶变换红外光谱结合化学计量学能实现铁皮石斛中总黄酮含量准确预测,为铁皮石斛质量评价提供快速、有效的方法。     

红外光谱法结合化学计量学对可擦笔油墨检验的研究

可擦笔作为一种新型书写工具,具有墨迹可擦除的特点,因此在当前的公安司法工作中,常见不法分子利用可擦笔对文件进行篡改.为保证物证的完整性,亟待建立一种无损,快速的可擦笔油墨检验方法,为寻找书写工具,确定犯罪嫌疑人提供帮助.常见可擦笔油墨可分为成膜油墨类和温变油墨类,本研究利用傅里叶变换红外光谱仪对市场收集的不同品牌、型号...     

基于近红外光谱和化学计量学的党参定性模型的建立

采用近红外光谱结合化学计量学,对来源于不同产地的81个党参样本进行快速、无损的定性研究.将党参样本粉碎后,采用光纤漫反射采集近红外光谱,并结合随机森林建立党参的定性模型,同时对比分析了不同光谱预处理方法(未处理、变量标准化十一阶导数、偏移校正十一阶导数)对鉴别结果的影响.结果显示,样本可按产地区分开;光谱经偏移校正十一阶导数处理后,训练集准确率达100％,测试集准确率为94％.研究表明,近红外光谱结合随机森林原理简单,易操作,准确率高,为作为快速鉴别党参的参考方法.     

化学计量学在近红外光谱定性分析中的应用

近红外光谱的多元特性使得它特别适合于应用化学计量学技术进行物质的分析。本文讨论了判别分析技术在近红外光谱定性分析中的应用,结果表明应用相关的化学计量学方法采用近红外光谱进行物质的定性分析是可行的。     

化学计量学结合拉曼光谱在生物材料检测中的应用

综述化学计量学结合拉曼光谱在生物材料检测中的应用。报道利用基线校正方法(导数、曲线拟合、小波变换)、归一化方法(矢量归一化、峰高归一化)、复合预处理等方法,可以提高信噪比,恢复失真的信号,实现谱图峰位的正确识别;基于主成分分析、偏最小二乘、聚类分析、目标因子分析、人工神经网络、支持向量机等算法构建化学计量模型,利用模型对拉曼光谱定性或定量分析,分别得到可信的结果;提出未来化学计量建模的方向。     

近红外光谱技术结合化学计量学快速测定杜仲中松脂素二葡萄糖苷和京尼平苷酸的含量

应用近红外光谱技术并结合化学计量学建立杜仲中松脂素二葡萄糖苷(PDG)和京尼平苷酸(GPA)含量测定模型。以积分球漫反射方式采集近红外光谱数据,应用一阶微分、多元散射校正(MSC)等优选光谱数据预处理方法和竞争自适应加权采样(CARS)筛选最优波长变量,采用偏最小二乘法(PLS)和交叉验证法建立PDG和GPA的定标模型。PDG和GPA的定标模型显示出良好的预测效果,其校正集的相关系数分别为0.961 5和0.958 3,交互验证均方差分别为0.001 5和0.006 4。表明此快速预测模型准确可靠,适合快速测定杜仲中的PDG和GPA,为杜仲质量控制在线化提供了新思路。