一种女仕口服液在线检测方法与流程

本发明属于中药生产质量控制
技术领域：
，具体涉及一种女仕口服液在线检测方法，尤其是用近红外光谱法结合化学计量学测定女仕口服液配制过程终点的多种成分含量的方法。
背景技术：
：女仕口服液是无限极(中国)有限公司根据传统中医理论，运用现代研究成果及实践经验，以黑木耳、茯苓、枸杞子、桑椹子、龙眼肉、薏苡仁、莲子、大枣及豆肽等原料，经科学方法精制而成，含有丰富的氨基酸、维生素、矿物质、微量元素和免疫调节剂-复合多糖。经功能测试，女仕口服液具有延缓衰老和免疫调节的保健功能。配制过程是女仕口服液生产过程中的关键一环，将各中药原材料提取、浓缩以后，再加入一些物质，配制成女仕口服液，经过配制以后的女仕口服液不仅需要满足质量要求，还要考察口感等。在女仕配制液配制终点需要测量的质量指标有多糖的含量、可溶性固形物含量以及溶液的ph，其中多糖含量是女仕口服液的功效指标。目前用于测量多糖含量的方法主要有硫酸苯酚法、硫酸蒽酮法以及高锰酸钾滴定法。而这些方法操作繁琐、准确性不高、耗时耗力，远远不能满足中药在线生产质量监控的要求，严重阻碍了中药产业的快速发展。因此迫切需要有一种快速、无损的检测方法，从而在线监控女仕口服液的质量，进一步保证产品质量。技术实现要素：有鉴于此，本发明的目的在于为提供一种快速的女仕口服液的在线检测方法，快速、无损的检测女仕口服液中多糖的含量、可溶性固形物的含量以及溶液的ph值，从而在线监控女仕口服液的质量，以达到监控产品质量的目的，减少人力、物力、缩短检验周期，降低生产成本，提高生产力。为实现本发明的目的，本发明提供了如下技术方案：一种女仕口服液的在线检测方法，建立校正模型，近红外仪采集女仕口服液配制过程终点样品的近红外光谱图，根据校正模型对样品质量指标进行检测。本发明所述女仕口服液的在线检测方法可以在线检测女仕口服液的多糖含量、可溶性固形物含量以及ph值。其中，所述建立校正模型的具体方法包括以下步骤：(1)近红外仪器女仕口服液采集配制液终点样品的近红外光谱数据，同时收集配制液终点样品；(2)测定女仕口服液配制液终点样品的质量指标，作为参考值；(3)将步骤(1)收集到的光谱数据以及步骤(2)收集到的质量指标参考值分别采用spxy方法，分为训练数据和验证数据；(4)对光谱进行预处理以及波段选择，用训练数据建立相应的定量模型，并用验证数据对模型进行验证。近红外光谱(near-infraredspectroscopy，nir)，波长范围为780～2526nm(12820～3959cm-1)。nir吸收带是由-ch、-nh、-oh等官能团伸缩振动的倍频和合频吸收形成的。近红外光谱法具有快速、低消耗、无破坏性、几乎无需样品预处理等优点。nir可以代替传统的化学分析方法离线或在线取样测量。本发明所述方法利用在线近红外仪器在线测量探头，实时检测产品质量数据，及时进行操作工况的调控。其中本发明具体生产女仕口服液的过程中，在配制完成后输送料液的管道处固定采集光谱的探头，用在线近红外仪器，通过光纤连接探头，实时采集近红外光谱数据，在缓存罐另一个位置开小口，在采集光谱的同时收集样品，用于后续质量指标的测定。本发明收集数据时间长达一年，包含了不同季节、不同产地的各种原材料，收集的样品代表性强。其中，优选的，使用antarismx傅立叶近红外在线光谱分析仪(美国thermofisherscientific)采集光谱。所述近红外光谱采集条件优选为：透反射，空气为背景，扫描范围为10000～4000cm-1，分辨率为8cm-1，累计扫描次数32次，每个样品重复扫描三次，计算三次平均光谱作为样品近红外光谱数据，得到的光谱数据有1557个变量。本发明所述建立校正模型的步骤(2)采用化学方法对女仕口服液配制液终点样品中的各质量指标进行测定。优选的，各质量指标的测定方法分别为：采用蒽酮-硫酸法测量女仕口服液配制液终点样品的多糖含量；采用折光计法测量女仕口服液配制液终点样品的可溶性固形物含量；采用ph计测量女仕口服液配制液终点样品的ph值。本发明所述建立校正模型的步骤(3)采用spxy自动分组方法将步骤(1)收集到的光谱数据以及步骤(2)收集到的质量指标参考值进行分组。spxy方法综合考虑了光谱数据和参考值之间的差异，将收集到的样品自动分为用于建立模型的训练数据和用于模型外部验证的验证数据。本发明所述建立校正模型的步骤(4)对光谱进行预处理以及波段选择后，用训练数据建立相应的定量模型，并用验证数据对模型进行验证。其中本发明采用多种光谱预处理方法消除光谱的噪音，重叠峰，基线漂移等。优选的，步骤(4)所述预处理方法为去趋势(detrend)、基线(baseline)、多元散射校正(msc)、标准正交变换(snv)、一阶微分(1stderivative)、s.g平滑中的至少一种。更优选的，步骤(4)所述预处理方法为去趋势(detrend)和一阶微分的组合方法。通常用于建立校正模型的光谱是全波段或者选择测量成分的特征吸收峰作为建模的波段。采用合适的波段选择方法可以提高模型的预测性能。然而本发明中测量的成分是总多糖，属于多种中药多糖的复合多糖，其在近红外谱区内没有特征吸收峰，这样选择合适的建模波段很困难。优选的，本发明所述建立校正模型的步骤(4)所述波段选择方法为间隔偏最小二乘法(ipls)、随机蛙跳(randomfrog)，竞争性自适应重加权算法(cars)、蒙特卡洛无信息变量消除法(mcuve)、遗传算法(ga)中的至少一种。更优选的，步骤(4)所述波段选择方法为遗传算法。进一步还考察了遗传算法不同基因片段长度选择的波段对模型结果的影响。优选的，波段长度为1，共410个变量。进一步，通过光谱预处理以及波段选择以后，用训练数据建立相应的定量模型，并用验证数据对模型进行验证，计算参考值与验证数据预测值之间的相对百分误差。优选的，各质量指标的验证数据的预测值与参考值的相对标准误差应均小于10％。进一步的，女仕口服液多糖含量预测的相对误差应小于10％，女仕口服液可溶性固形物含量预测的相对误差应小于5％，女仕口服液ph预测的相对误差应小于3％。本发明用建立的校正模型对女仕口服液配制过程终点样品的质量指标进行预测。在一些实施方案中，将建立的校正模型集成到一个在线检测软件中，在线近红外光谱仪在线采集女仕配制液终点的近红外光谱图，并将光谱数据实时传输到集成有校正模型的软件里面，并由校正模型实时预测出该批女仕口服液样品的质量参数，并在软件界面上显示历史预测数据。进一步，优选的，所述女仕口服液的在线检测方法中在检测后对于质量指标不满足要求的样品做出报警。优选的，所述质量指标的要求为女仕口服液中多糖含量的分布范围为：448～677mg/100ml；可溶性固形物含量的分布范围为：11.89-13.01；女仕口服液ph值的分布范围为：4.89-5.32预测的相对误差小于3％。由上述技术方可知，本发明提供了一种女仕口服液的在线检测方法，该方法为建立校正模型，近红外仪采集女仕口服液配制过程终点样品的近红外光谱图，根据校正模型对样品质量指标进行检测。实验结果显示本发明所述女仕口服液的在线检测方法在多糖含量在448～677mg/100ml之间显示出良好的相关性，校正模型的r为0.9845；在可溶性固形物含量在11.8～13.1之间显示出良好的相关性，校正模型的r为0.7866；ph在4.8～5.4之间显示出良好的相关性，校正模型的r为0.9607。本发明所述在线检测方法操作简单，快速，准确性高，可实时检测产品质量，有效指导生产，是女仕口服液生产过程质量控制的一大创新，经济和社会效益巨大。与传统的化学检测方法相比，减少了分析时间，节省了人力、物力，减少对环境的污染，减少生产成本。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。图1为女仕口服液样品的近红外原始谱图；图2为女仕口服液多糖含量的分布情况；图3女仕口服液多糖含量模型建模波段；图4为女仕口服液中多糖含量pls回归模型参考值和预测值之间的相关图；图5为女仕口服液多糖含量验证数据的参考值与预测值之间的相对误差分布图；图6为女仕口服液可溶性固形物含量的分布情况；图7女仕口服液可溶性固形物含量模型建模波段；图8为女仕口服液中可溶性固形物含量pls回归模型参考值和预测值之间的相关图；图9为女仕口服液验可溶性固形物含量证数据的参考值与预测值之间的相对误差分布图；图10为女仕口服液ph的分布情况；图11为女仕口服液ph模型建模波段；图12为女仕口服液中ph的pls回归模型参考值和预测值之间的相关图；图13为女仕口服液验证数据ph的参考值与预测值之间的相对误差分布图。具体实施方式本发明公开了一种女仕口服液在线检测方法。本领域技术人员可以借鉴本文内容，适当改进工艺参数实现。特别需要指出的是，所有类似的替换和改动对本领域技术人员来说是显而易见的，它们都被视为包括在本发明。本发明的方法及产品已经通过较佳实施例进行了描述，相关人员明显能在不脱离本
发明内容、精神和范围内对本文所述的方法进行改动或适当变更与组合，来实现和应用本发明技术。为了进一步理解本发明，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。如无特殊说明，本发明实施例中所涉及的试剂及仪器均为市售产品，均可以通过商业渠道购买获得。实施例11、女仕口服液样品数据的收集。取女仕口服液不同生产批号的配制液终点溶液样品，用antarismx傅立叶近红外在线光谱分析仪(美国thermofisherscientific)连接长光纤，探头采集光谱，光谱采集条件为：透反射，空气为背景，扫描范围为10000cm-1-4000cm-1，分辨率为8cm-1，累计扫描次数32次，每个样品重复扫描三次，计算三次平均光谱作为样品近红外光谱数据，共收集女仕口服液样品数据180组，每条光谱有1557个变量。采集到的女仕口服液的原始近红外光谱图见图1。2、女仕口服液样品多糖含量的测定方法-硫酸蒽酮法。(1)配制一系列已知葡萄糖浓度的标准溶液，620nm波长处测定吸收度，以吸收度为横坐标，浓度为纵坐标，绘制标准曲线。(2)精密称量女仕口服液配制液终点溶液2g，加入8ml的无水乙醇，离心，去上清液，沉淀用10ml的丙酮和乙醚洗涤、离心，待有机溶剂挥发以后得多糖提取物。将该提取物用蒸馏水定容至100ml容量瓶中，作为供试液。(3)精密量取样品供试液1ml，置具塞试管中，照标准曲线的绘制项下操作，测定吸收度，计算样本中多糖含量。测得的女仕口服液多糖含量的分布范围为：448～677mg/100ml，多糖含量的分布见图2。3、数据分组女仕口服液数据采用spxy方法将180组女士配制液样品数据分为153组训练数据和27组验证数据。使用软件matlab2010b编写自动分组程序。4、多糖含量校正模型光谱的预处理使用matlab环境下的pls_toolbox_801工具箱对光谱进行不同的预处理，包括detrend、baseline、msc、snv、一阶微分、s.g平滑以及一系列组合预处理方法，结果确定最优预处理方法是detrend和一阶微分(poly3，width5)的组合方法。5、多糖含量校正模型光谱的波段选择在matlab2010b环境下，调用已经编写好的变量选择方法ipls、ga、cars、mcuve、randomfrog等的程序代码，自动选择用于建立多糖含量校正模型的有效波段。对比模型的结果发现遗传算法(ga)选择的波段用于建立模型结果较好。除此还考察了遗传算法不同基因片段长度选择的波段对模型结果的影响。最后优选的结果为：波段长度为1，共410个变量(原始谱图有1557个变量)。波段选择结果见图3。6、女仕口服液多糖含量的校正模型的建立选择了光谱的预处理方法detrend和一阶微分(poly3,width5)，用遗传算法(ga)选择出有效的波段波(段长度为1，共410个变量)以后，用pls_toolbox_801工具箱得到女仕口服液多糖含量的pls回归模型，采用留一交叉验证的方法对模型进行内部验证。在选择预处理以及有效波段的选择过程中用r，rmsec，rmsecv作为模型的评价参数。最终结果r最大为0.9845，rmsec最小为11.07mg/100ml，rmsecv最小为29.36mg/100ml，最佳主元数为8。多糖含量pls回归模型参考值和预测值之间的相关图如图4所示。7、女仕口服液多糖含量的校正模型的验证用验证数据对女仕口服液多糖含量的校正模型进行外部验证，外部验证的样品数为27组，多糖含量的分布范围为519.38-713.58mg/100ml。用多糖含量的校正模型对验证数据样品的多糖含量进行预测，得到验证数据的多糖含量值，与蒽酮硫酸法测定的多糖含量进行比较，并计算参考值与预测值之间的相对百分误差，结果见表1，误差的分布情况如图5所示。27个验证数据的预测均方根误差为38.41。表1女仕口服液多糖含量模型预测值与参考值的比较8、模型的评价参数。(1)相关系数r：其中，c为样本参考值，模型预测值，为样本均值，m训练集样本个数，r越接近1模型的相关性越好。(2)交叉验证均方根误差rmsecv:其中，c为样本参考值，为模型预测值，为样本均值，m训练集样本个数，rmsecv越小，表示模型的预测性能越好。(3)预测均方根误差rmsep:其中，c为样本参考值，为模型预测值，为样本均值，n验证集样本个数，rmsep越小，表示模型的预测精度越好。(4)相对误差相对误差＝(预测值-参考值)/参考值*100％相对误差越小，表示模型对未知样品的预测越准确。9、女仕口服液多糖含量模型的应用。经过验证的女仕口服液多糖含量的模型嵌入到一个自己编写软件中，在线近红外光谱仪在线采集女仕配制液终点的近红外光谱图，并将光谱数据实时传输为嵌有校正模型的软件里面，并由校正模型实时预测出该批配制液的多糖含量，并在软件界面上显示历史预测数据，对于多糖含量低于质量要求的批次做出报警动作。实施例2方法步骤与实施例1相同，区别在于校正模型。1、样品数据的收集同实施例1。2、样品中可溶性固形物含量的测定。采用折光计法测量样品中可溶性固形物含量：测定前按说明书校正折光仪。分开折光仪两面棱镜，用脱脂棉蘸乙醇擦净；用末端熔圆的玻璃棒蘸取试液2～3滴，滴于折光计棱镜面中央(注意勿使玻璃棒触及镜面)；迅速闭合棱镜，静置1min，使试液均匀无气泡，并充满视野；对准光源，通过目镜观察物镜。调节指示规，使视野分成明暗两部，再旋转微调螺旋，使明暗界限清晰，并使其分界线恰好在接物镜的十字交叉点上。读取目镜视野中的报分数或折光率，并记录棱镜温度；如目镜读数标尺刻度为百分数，即为可溶性固形物含量(％)；同一样品两次测定值之差，不应大于0.5％。取两次测定的算术平均值作为结果，精确到小数点后一位。测得的女仕口服液可溶性固形物含量的分布范围为：11.89-13.01，分布见图6。3、样品数据分组方法同实施例1。可溶性固形物含量的数据共有176组，132组做训练数据，44组做验证数据。4、女仕口服液可溶性固形物含量的校正模型的预处理方法选择过程同实施例1，其结果为一阶微分(poly3,width15)。5、女仕口服液可溶性固形物含量校正模型光谱的波段选择过程同实施例1，其结果为遗传算法，波段长度为4，共464个变量。如图7所示。6、女仕口服液可溶性固形物含量的校正模型的建立选择了光谱的预处理方法一阶微分(poly3,width5)，用遗传算法(ga)选择出有效的波段波(波段长度为4，共464个变量)以后，用pls_toolbox_801工具箱得到女仕口服液可溶性固形物含量的pls回归模型，采用留一交叉验证的方法对模型进行内部验证。在选择预处理以及有效波段的选择过程中用r，rmsec，rmsecv作为模型的评价参数。最终结果r最大为0.7866，rmsec最小为0.162，rmsecv最小为0.191，最佳主元数为4。可溶性固形物含量pls回归模型参考值和预测值之间的相关图如图8所示。7、女仕口服液可溶性固形物含量校正模型的验证用验证数据对女仕口服液可溶性固形物含量的校正模型进行外部验证，外部验证的样品数为44组，可溶性固形物含量的分布范围为11.91-12.80。用可溶性固形物含量的校正模型对验证数据样品的可溶性固形物含量进行预测，得到验证数据的可溶性固形物含量值。与化学法测定的可溶性固形物含量进行比较，并计算参考值与预测值之间的相对百分误差，结果见表2。相对误差分布如图9所示。表2女仕口服液可溶性固形物含量模型预测值与参考值的比较8、模型评价参数同实施例1。9、女仕口服液可溶性固形物含量模型的应用同实施例1。实施例3方法步骤与实施例1相同，区别在于校正模型。1、样品数据的收集同实施例1。2、样品的ph的测定。用ph计测量样品的ph值：将样品放入烧杯中，直接将电极插入其中，读出ph值。测得的女仕口服液ph的分布范围为：4.89-5.32，分布见图10。3、样品数据分组同实施例1。ph数据共有179组，149组做训练数据，30组做验证数据。4、女仕口服液ph的校正模型的预处理方法选择过程同实施例1，其结果为一阶微分(poly3,width7)。5、女仕口服液ph校正模型光谱的波段选择过程同实施例1，其结果为遗传算法，波段长度为8，共448个变量。如图11所示。6、女仕口服液ph的校正模型的建立选择了光谱的预处理方法一阶微分(poly3,width7)，用遗传算法(ga)选择出有效的波段波(波段长度为8，共448个变量)以后，用pls_toolbox_801工具箱得到女仕口服液ph的pls回归模型，采用留一交叉验证的方法对模型进行内部验证。在选择预处理以及有效波段的选择过程中用r，rmsec，rmsecv作为模型的评价参数。最终结果r最大为0.9607，rmsec最小为0.025，rmsecv最小为0.041，最佳主元数为6。ph的pls回归模型参考值和预测值之间的相关图如图12所示。7、女仕口服液ph校正模型的验证用验证数据对女仕口服液ph的校正模型进行外部验证，外部验证的样品数为30组，ph分布范围为4.93-5.29。用ph的校正模型对验证数据样品的ph进行预测，30个验证数据的预测均方根误差为0.0735。与化学法测定的ph进行比较，并计算参考值与预测值之间的相对百分误差，结果见表3。相对误差分布如图13所示。表3女仕口服液ph模型预测值与参考值的比较样品编号参考值预测值相对误差15.295.12-3.2225.205.19-0.1435.135.08-0.9945.125.00-2.2654.975.072.0865.005.091.7375.025.050.5985.084.96-2.3195.055.03-0.49105.045.02-0.32115.005.061.15125.025.030.19135.035.040.26145.014.97-0.82155.005.051.07164.955.031.62174.945.021.55185.075.02-1.02194.965.021.13204.994.96-0.58214.984.94-0.86224.934.991.21235.005.040.70245.025.081.23255.015.061.01265.005.071.50274.975.072.042855.071.31294.975.102.63304.965.041.588、模型评价参数同实施例1。9、女仕口服液ph模型的应用同实施例1。当前第1页12