则变换和一阶导数法（Savitzky-Golay平滑）进行光谱预处理，分别用于消除基线漂移、 噪音及固体颗粒等对光谱的影响，对于水分和浸出物含量模型使用4500~7500 CnT1波段， 对于黄芪甲苷含量模型使用4500~6800 cnT1波段，而毛蕊异黄酮葡萄糖苷含量模型则使用 4500~6100 CnT1 波段。
[0014] (5)建立黄苗药材各质控指标的近红外定量模型和定量放行标准： 对光谱进行波段选择和预处理后，采用基于主成分分析的BP人工神经网络 (PCA-BPNN)计算方法建立近红外特征光谱信息与水分含量、浸出物含量、黄芪甲苷含量、毛 蕊异黄酮葡萄糖苷含量这4个质控指标的定量校正模型，并通过各模型性能评价指标考察 模型性能，将验证集数据导入已建的PCA-BPNN定量校正模型，通过模型性能评价指标判断 模型的稳定性和预测能力。
[0015] 首先应用主成分分析法（PCA)对黄芪药材光谱特征变量进行数据降维处理，提取 出有效的主特征变量，作为BP人工神经网络（BPNN)的输入层单元数，将已测得的校正集样 本各质控指标的含量作为标准输出，建立单隐层的3层BPNN网络模型。根据预测的精密度 要求和网络中间隐藏层单元数之间的关系，寻找最优隐藏层单元数，最大训练次数为1000， 学习效率μ=〇. 1，动量因子1 =0.3,最终经校正集样本数据训练得到黄芪药材各质控指标 的PCA-BPNN定量模型。
[0016] 利用验证集样品对训练好的PCA-BPNN定量模型进行验证和测试，输入经同样预 处理的验证集样本近红外光谱数据，输出为该样本近红外光谱所对应的黄芪水分、浸出物、 黄芪甲苷及毛蕊异黄酮葡萄糖苷的含量。通过模型性能评价指标判断4个定量模型的稳定 性和预测能力。
[0017] 定量校正模型性能评价指标包括：相关系数（R)、校正集均方差（RMSEC)、预测集 均方差（RMSEP )、相对偏差（RSEP )和相对分析误差（RPD )。当R值接近于I，RMSEC和RMSEP 值较小而且互相接近时，说明模型的稳定性好、预测精准度高。此外，当RSEP值小于10%， RH)值大于2. 5且越大评价模型具有较好的预测能力，可用于指标的定量控制，能够满足黄 芪药材质量定量检测的要求。以下为模型性能评价指标的具体计算公式：
【主权项】
1. 一种黄巧药材多指标快速检测方法，其特征在于，通过w下步骤实现： (1) 采集黄巧原药材：采集不同批次黄巧样本，经粉碎后，过80目筛，得到粒度均匀的 黄巧药材粉末； (2) 测定质控指标：测定黄巧药材中水分含量、浸出物含量、黄巧甲巧含量、毛蕊异黄酬 葡萄糖巧含量； (3) 采集黄巧药材近红外漫反射光谱数据； (4) 近红外原始光谱的预处理和建模波段选择； (5) 建立黄巧药材各质控指标的近红外定量模型和定量放行标准；采用基于主成分分 析的BP人工神经网络计算方法同时建立近红外特征数据与水分含量、浸出物含量、黄巧甲 巧含量、毛蕊异黄酬葡萄糖巧含量4个质控指标的近红外定量校正模型，通过所建定量模 型，建立定量放行标准为；黄巧药材中水分含量《10.0%，浸出物含量> 18.0%，黄巧甲巧含 量> 0. 040%，毛蕊异黄酬葡萄糖巧含量> 0. 020%，完全满足定量放行标准的黄巧药材判断 符合定量要求，可放行进入原药材质量判别的下个环节。
2. 根据权利要求1所述的一种黄巧药材多指标快速检测方法，其特征在于，所述步骤 (2) 中，水分含量采用烘干称重法测定，黄巧甲巧及毛蕊异黄酬甲巧含量采用高效液相色谱 法测定，测定方法参照2010版《中国药典》中黄巧含量测定的方法；浸出物含量采用水溶性 浸出物测定法。
3. 根据权利要求1所述的一种黄巧药材多指标快速检测方法，其特征在于，所述步骤 (3) 通过W下步骤采集谱数据；称取黄巧药材粉末，采用漫反射光纤探头快速采集近红外光 谱，粉末厚度为1cm,探头与粉末表层间距为10cm,外置探头测量直径为10mm，扫描次数 为32,分辨率为16cnfi，通过3次重复装样扫描得到3张单光谱，平均后得到该黄巧药材样 本的最终光谱图。
4. 根据权利要求1所述的一种黄巧药材多指标快速检测方法，其特征在于，所述步骤 (4) ，具体实现如下；近红外光谱原始数据要经过标准正则变换和一阶导数法预处理，对于 水分和浸出物含量模型使用4500~7500cnfi波段，对于黄巧甲巧含量模型使用4500~6800 cm4波段，毛蕊异黄酬葡萄糖巧含量模型则使用4500~6100cnTi波段。
5. 根据权利要求1所述的一种黄巧药材多指标快速检测方法，其特征在于，所述步骤 (5) ，具体实现如下：采用主成分分析法提取出黄巧药材光谱的主特征变量，作为BP人工神 经网络的输入层单元数，建立单隐层的3层结构BP順网络模型。
6. 根据预测的精密度和网络中间隐藏层单元数之间的关系，寻找最优隐藏层单元数， 最大迭代训练次数为1000,学习效率y=0. 1，动量因子1 =0. 3,最终经校正集样本数据训练 得到黄巧药材各质控指标的最优PCA-BP順定量校正模型，并通过综合评价指标全面考察 模型性能，利用验证集样品对训练好的PCA-BP順定量模型的稳定性和预测能力进行测试。
【专利摘要】本发明提供一种黄芪药材多指标快速检测方法，通过采集黄芪药材，测定质控指标，确定指标的建模波段，采用基于主成分分析的BP人工神经网络计算方法建立近红外光谱特征信息与黄芪药材中水分、浸出物、黄芪甲苷及毛蕊异黄酮葡萄糖苷含量的定量校正模型和定量放行标准。本发明可用于同时准确测定黄芪药材中水分、浸出物、黄芪甲苷及毛蕊异黄酮葡萄糖苷的含量，与传统方法相比，所建的检测分析方法和定量放行标准能更快速判断出黄芪药材质量是否合格，确定药材是否能进入后续生产工艺环节，满足了实际生产中快速、高效的现场要求，具有生产药材筛选和质量全面评价的应用前景。
【IPC分类】G01N21-3563, G01N5-04, G01N21-359, G01N30-02
【公开号】CN104792652
【申请号】CN201510217757
【发明人】陈勇, 耿姝, 吴永江, 刘雪松, 金叶
【申请人】浙江大学
【公开日】2015年7月22日
【申请日】2015年5月2日