粉末药品安体舒通的无损定量分析——人工神经网络－近红外光谱法的应用

研究了应用人工神经网络进行粉末药品的无损定量分析,使用安体舒通粉末药品的近红外漫反射光谱数据建立人工神经网络模型,预测未知样品,讨论了影响网络的各参数,使用了逼近度作为网络新的评价标准。     

近红外光谱-人工神经网络法用于粉末药品阿斯匹林的非破坏定量分析

研究了应用人工神经网络进行粉末药品的非破坏定量分析。使用阿斯匹林粉末药品的近红外漫反射一阶导数光谱数据建立人工神经网络模型,预测未知样品。讨论了影响网络的各参数,使用了新的网络评价标准－逼近度。     

扑热息痛片剂药品的近红外光谱法非破坏定量分析

现代近红外光谱分析技术将近红外光谱 (NIR)法同计算机科学和化学计量学结合 ,实现了对样品进行无损非破坏性定量分析 .该法具有速度快、操作简单及所需样品少等特点 ,能够实现样品分析的时间同步、地点同步及无损非破坏分析 .为实现生产过程中即时、在线的质量控制提供了新的手段[1 ] .本文应用人工神经网络 [2 ]与近红外漫反射光谱相结合对扑热息痛片剂药品进行了非破坏快速定量分析 .用扑热息痛片剂药品的近红外漫反射光谱数据、一阶导数光谱数据及二阶导数光谱数据分别建立了 ANN模型 ,预测未知样品 ,讨论了影响网络的因素 ,使用了新…     

人工神经网络-近红外光谱法非破坏监测芦丁药品的质量

用近红外漫反射光谱法非破坏监测芦丁药品的质量。利用人工神经网络化学计量学分类技术，建立三层神经元的神经网络，对网络参数进行优化选择以建立最佳网络模型。根据芦丁药品的近红外漫反射光谱，成功地分辨出合格药品和不合格药品。     

温度限制串联相关网络-近红外光谱法用于药物甲硝唑的质量控制

近红外漫反射光谱是一种简便、快速的有机物分析方法,样品不需处理即可直接测量,易于实现固态样非破坏测定.近红外漫反射光谱分析技术广泛应用于农业、食品、化妆品、烟草和石油等方面的组分分用近红外漫反射光谱法进行药品的非破坏性分析正成为国际热门课题.但近红外漫反射光谱的光谱范宽,吸收强度很弱,且组分间光谱严重重叠,给非破坏性分析带来了困难.而近红外漫反射光谱法与化量学相结合,能有效地解决光谱重叠带来的问题[1～3].     

近红外光谱法对头孢氨苄粉末药品的非破坏定量分析

采用近红外漫反射光谱法对头孢氨苄粉末药品中主要成分头孢氨苄进行快速、无损定量分析.采用偏最小二乘法建立近红外光谱信息与待测组分含量间的最佳数学校正模型.对3种光谱(SNV光谱、一阶导数、二阶导光谱)的预测结果进行了比较,讨论了光谱的预处理方法和主成分数对偏最小二乘法定量预测能力的影响,并对预测集样品进行预测.     

一种基于近红外光谱技术的不同品种及掺假三七的无损鉴别分析研究

基于近红外光谱技术与化学计量学方法,提出了一种不同品种及掺假三七的快速无损鉴别方法。分别采集景天三七、菊三七、血三七、田三七完整、粉末及掺假样品的近红外光谱,采用单一和组合预处理方法消除光谱中的干扰,筛选出最佳的预处理方法;结合主成分分析法建立不同品种以及掺假三七样品的鉴别模型。结果表明：结合主成分分析,采用原始光谱即可实现粉末及掺假样品的100%鉴别分析,而完整样品由于受到物理性状的干扰,其原始光谱数据的品种鉴别率仅为9.38%;而经连续小波变换预处理后可达93.75%。采用组合预处理方法可以进一步消除光谱存在的多种干扰,显著提高完整样品的鉴别准确性,采用去偏移 + 一阶导数、去偏移+连续小波变换以及二阶导数+标准正态变量变换预处理方法预处理后,完整样品的鉴别准确率达到了93.75%。以上结果表明,采用近红外光谱技术与化学计量学方法可有效实现对不同品种以及掺假三七的快速无损鉴别分析。     

专利

一种近红外光谱无损鉴别山参真伪的方法 ：一种近红外光谱无损鉴别山参真伪的方法,属于中药检测技术领域,目的在于解决现有技术鉴别山参鉴别结果不确定及鉴别过程破坏山参形体的问题。采集山参和工艺参的光谱数据,经主成分分析法提取出主成分变量作为输入变量,设定山参及工艺参的属性代码并将其作为目标变量,根据输入变量和目标变量训练网络,建立BP人工神经网络模型;采集待鉴别样品光谱数据,并经建立的BP人工神经网络模型进行仿真,输出待鉴别样品预测值,参照山参和工艺参的属性代码判断待鉴别样品。当待鉴别样品     

基于近红外光谱的维生素C片无损鉴别分析

基于近红外光谱技术与化学计量学方法,建立了一种国内外不同品牌维生素C片的无损鉴别方法。采集了国内外8个品牌的维生素C片共计40个样本的近红外光谱数据,比较了完整样品以及粉末样品的近红外光谱,采用连续小波变换技术消除背景干扰和基线漂移,基于标准偏差与相对标准偏差的变量筛选方法筛选出具有代表性的波数点,结合主成分分析方法对国内外不同品牌维生素C片进行鉴别分析。结果表明:原始光谱存在着明显的背景干扰和基线漂移现象,且粉末样品的重现性要优于完整样品;单纯使用原始光谱无法辨别来自不同品牌的维生素C片;连续小波变换可以有效消除背景干扰,提高模型鉴别能力;完整样品的鉴别准确率优于粉末样品,说明国内外不同品牌维生素C片主要成分基本一致,可能是辅剂和工艺上存在细微差异。通过结合近红外光谱分析技术与化学计量学方法,可实现对国产以及进口不同品牌维生素C片的鉴别分析。     

近红外法分析二醛酸纤维丝束中的外油

研究了应用近红外漫反射技术测定二醋酸纤维丝束中的外油的新方法。在1100－2500nm范围内,采用偏最小二乘法（PLS）,对一系列标准样品与其近红外光谱进行回归,建立了二醋酸纤维丝束外油分析的数学模型,采用此模型进行二醋酸纤维丝束外油分析,具有分析速度法、样品制备简单等优点,且分析结果与传统分析方法有很好的一致性。     

人工神经网络—近红外光谱法用于甲氧苄胺嘧啶粉末药品的非？…

近红外(NIR)光谱分析技术已应用于制药、化妆品、烟草、食品、化学药品、聚合物、纺织品、油漆涂料、煤炭和石油工业等各个领域的质量监控.近年来,NIR光谱分析技术也应用于药品分析中,因该方法具有非破坏性,样品不需要复杂的预处理和分离即可直接测定.它可对药物进行定性和定量测定以及多晶、光学异构体和湿度的测定.近红外光谱法用于无损非破坏测定胶囊类以及片剂的研究已有报道[1,2].NIR光谱在使用中也有一定的局限性,主要是结构复杂,谱图重叠多,在进行定性和定量分析中需采用一定的数据处理才能获得准确可靠的分析结果.在定量分析中,…     

近红外法分析二醋酸纤维丝束中的外油

研究了应用近红外漫反射技术测定二醋酸纤维丝束中的外油的新方法。在 1 1 0 0～ 2 50 0 nm范围内 ,采用偏最小二乘法 (PL S) ,对一系列标准样品与其近红外光谱进行回归 ,建立了二醋酸纤维丝束外油分析的数学模型。采用此模型进行二醋酸纤维丝束外油分析 ,具有分析速度快、样品制备简单等优点 ,且分析结果与传统分析方法有很好的一致性。     

人工神经网络-近红外光谱法用于甲氧苄胺嘧啶粉末药品的非破坏定量分析

近红外(NIR)光谱分析技术已应用于制药、化妆品、烟草、食品、化学药品、聚合物、纺织品、油漆涂料、 煤炭和石油工业等各个领域的质量监控. 近年来, NIR光谱分析技术也应用于药品分析中, 因该方法具有非破坏性, 样品不需要复杂的预处理和分离即可直接测定. 它可对药物进行定性和定量测定以及多晶、光学异构体和湿度的测定. 近红外光谱法用于无损非破坏测定胶囊类以及片剂的研究已有报道[1,2].     

基于近红外光谱技术与化学计量学的绿茶无损鉴别方法研究

该文利用近红外光谱技术结合化学计量学方法开发了不同品种绿茶的无损鉴别方法。通过近红外光谱技术得到了8个品种绿茶样品的近红外光谱,比较了单一以及优化组合光谱预处理方法对光谱的影响,利用无监督的主成分分析(PCA)与有监督的线性判别分析方法(LDA)分别构建了茶叶品种鉴别模型。结果表明：对比单一预处理方法,优化组合预处理具有更优的鉴别准确性。标准正态变量变换预处理消除了茶叶样品大小不均造成的光谱散射影响,一阶导数预处理实现了变动背景的消除,减少了基线漂移的影响,突出了图谱中的有效信息,采用二者相结合的预处理方式并结合无监督的主成分分析法可实现较为准确的绿茶样品种类鉴别分析,准确率达75.0%。此外,采用有监督的线性判别分析方法处理原始光谱数据,可达到100%的鉴别准确率,但该方法需提供类别的先验知识。因此,采用近红外光谱技术和化学计量学相结合的手段可实现不同品种绿茶的快速无损鉴别。     

甲氧苄胺嘧啶药物的非破坏分析

将偏最小二乘（ＰＬＳ）法同近红外漫反射光谱法结合，非破坏分析了粉末药品甲氧苄胺嘧啶。讨论了波长对ＰＬＳ定量预报能力的影响。校正样品和预测样品的预测结果相对标准误差分别为０．３３％和１．３９％。     

近红外光谱法快速检测烟草中部分香气物的应用研究

应用傅立叶变换近红外漫反射光谱仪,从500个样品中按高、中、低含量挑选出具代表性的150～172个烟草样品建立了近红外光谱与烟草中的苹果酸、柠檬酸和石油醚提取物成分含量间的数学模型,用建立的模型对36个样品进行预测,结果表明,各成分近红外预测值与实测值之间的平均偏差:苹果酸为0.090,柠檬酸为0.040,石油醚提取物为0.124;且近红外预测值与化学法不存在显著性差异,近红外光谱分析技术可初步用于烟草部分香气成分的快速定量分析.     

PLS-ANN算法-NIR光谱非破坏性Norvasc药物有效成分的定量分析

采用偏最小二乘(PLS)结合人工神经网络(ANN)算法解析Norvasc(络活喜)药片的近红外(NIR)漫反射光谱, 实现了对其中有效成分苯磺酸氨氯地平的非破坏定量测定. 设计了最佳的PLS-ANN模型, 分别讨论了最佳波长范围、 导数光谱及输入层和隐含层节点数对预测结果的影响. 以HPLC法的测定结果作标准, 苯磺酸氨氯地平浓度预测值的相对误差RE＜3.5%, 该方法可用于Norvasc药品实际生产中的质量控制.     

人工神经网络方法用于PC/ABS材料定量分析

采用人工神经网络(ANN)算法建立了不同共混比的ABS/PC样品的近红外光谱数据与共混比的定量校正模型,并对校正模型的准确性进行了验证。实验分析结果表明,该方法适合于高分子材料共混比的测定。     

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)。     

基于近红外光谱分析技术的食品包装塑料的定性分析

该文基于近红外漫反射光谱分析技术对食品包装材料聚乙烯、聚丙烯进行定性判别试验研究,选取不同波段范围、采用不同光谱预处理方法,使用主成分分析法(Principal component analysis,PCA)结合SIMCA、贝叶斯判别、K-近邻3种模式识别方法建立定性预测模型,并根据正确识别率比较了各模型预测性能。结果表明：使用SIMCA方法、贝叶斯判别、K-近邻3种方法建立的定性校正模型均在1 050~1 550 nm波长范围内效果较好;采用矢量归一化、标准正态变量变换、中心化、滑动均值滤波、多项式平滑滤波、一阶微分6种光谱预处理方法和上述3种模式识别方法对塑料样品近红外光谱进行了数据处理,其中在1 050~1 550 nm范围内,主成分因子数为3,采用原始光谱建立的K-近邻定性校正模型较优,对样品校正集和预测集的正确识别率均为100%。可为食品包装材料聚乙烯、聚丙烯的快速鉴别研究提供参考。