一种基于近红外漫反射光谱的丹参片中间体含量检测方法与流程

本发明属于药物分析技术领域，具体涉及一种基于近红外漫反射光谱的丹参片中间体含量检测方法。

背景技术：

雷氏丹参片是在中医药理论指导下，以丹参药材为原料，按照规定的处方、生产工艺和质量标准生产的制剂。具有便于携带、使用方便等特点。雷氏丹参片具有活血化瘀的功能。用于瘀血闭阻所致的胸痹，症见胸部疼痛、痛处固定、舌质暗紫；冠心病心绞痛等症状。目前丹参片的原料和成品的检测方法按照《中华人民共和国药典》和《上海市中药饮片炮制规范》，因此，需要一种高效的检测方法对丹参片生产过程的质量进行把控，可以有效的控制产成品的质量，而近红外光谱技术在中成药中的应用仍有待开发。

随着人工智能方法的快速发展，尤其是深度学习在特征提取方面展现出的巨大优势，越来越多的深度学习算法被用于近红外光谱数据处理。利用偏最小二乘法(pls)、bp神经网络等算法对药品的近红外光谱数据进行分析，并选出了对响应变量有显著影响的重要自变量，建立性能较好的分析模型，且具有较高的预测精度。

近红外光谱(near-infraredreflectancespectroscopy，nirs)是指介于中红外光与可见光之间，波长范围为12820～3959cm^-1(780～2526nm)的电磁波。近红外光谱信息来源于分子振动合频与倍频吸收，主要反映分子中o-h、n-h、c-h基团振动的合频与倍频吸收，是人们认识最早的非可见光区域。近红外光谱分析技术具有快速、无损、可在线分析等优点，近年来已应用在诸多行业产品的质量控制中，并成为当前国际上热门的研究课题。目前，近红外光谱分析技术在中药分析领域已用于中药材的真伪鉴别、产地分析、成分定量分析等方面，对同一科属内的多种形态相近的植物药的分类鉴别领域的研究也在逐步深入。建立可靠的校正模型是近红外光谱分析成功的关键，而合理的实验设计和恰当的分析模型则是建立校正模型的关键。因此，需发展复杂中药体系中的光谱特征信息提取技术，提高仪器灵敏度，降低分析下限，提高检测的精确度。

技术实现要素：

本发明的目的是针对现有的问题，提供了一种基于近红外漫反射光谱的丹参片中间体含量检测方法。

由于丹参片中间体在化学成分上存在显微的差异性，c-h、n-h、o-h等基团在可见/近红外谱区合频、倍频吸收强度不同，反映在近红外光谱能量谱的峰数、峰强、峰位的不同，化学成分差异越明显，光谱特征区别越明显。因此，本发明以检测到的全波数的近红外光谱为研究基础，首先确定采集丹参片中间体的近红外光谱，然后使用高效液相法采集丹参片中间体的含量数据，使用偏最小二乘法建立丹参片中间体的定量检测模型，最终实现丹参片中间体含量的快速检测。该方法的主要步骤：选取105批丹参片中间体，近红外仪器采集丹参片中间体样品光谱数据并保存；光谱用矢量归一化和一阶导数算法处理后，在matlab软件中分别运用偏最小二乘法，建立丹参片中间体的含量检测模型，最终实现以丹参片中间体含量的快速无损检测。

本发明是通过以下技术方案实现的：

一种基于近红外漫反射光谱的丹参片中间体含量检测方法，包括以下步骤：

(1)采用高效液相色谱仪采集丹参片中间体的含量；

(2)采用近红外光谱仪采集丹参片中间体的光谱数据；

(3)对丹参片中间体的光谱数据进行矢量归一化和一阶导数算法处理；

(4)在matlab软件中分别输入偏最小二乘法的算法来确定真实值和光谱信息之间的联系，建立丹参片中间体含量检测模型，具体为：

(4.1)将光谱数据划分建模集和验证集；

(4.2)matlab软件中分别运行偏最小二乘法算法；

(4.3)对模型进行筛选，若决定系数r²不在设定的阈值内，则认为所建模型不可靠，若决定系数r²在设定的阈值内，则认为所建模型可靠。

进一步地，步骤(1)中所述的在丹参片中间体的含量采集时，选取选取105批的丹参片中间体。

进一步地，步骤(2)中所述的丹参片中间体的光谱数据采集时，选取选取105批的丹参片中间体。

进一步地，步骤(2)中所述的光谱选择10000～4000cm^-1，分辨率8cm^-1。

进一步地，步骤(4.1)中所述的将光谱数据划分建模集和验证集，70％光谱数据分为建模集，30％光谱数据分为验证集。

进一步地，步骤(4)中所述的matlab软件运行偏最小二乘法的算法训练次数为5000次。

进一步地，步骤(4.3)中所述的设定的阈值为0.66≤r²≤0.9。

本发明相比现有技术具有以下优点：

本发明以检测到的丹参片中间体样品近红外漫反射光谱能量谱为基础，首先采集了丹参片中间体的真实含量；然后运用偏最小二乘法建立丹参片中间体的含量检测模型，最终实现丹参片中间体含量的快速检测。

附图说明

图1是根据本发明方法采集的105组丹参中间体真实含量数据图；

图2是根据本发明方法采集的105组丹参中间体近红外原始数据图；

图3是根据本发明方法采集的105组丹参中间体近红外矢量归一化数据图；

图4是根据本发明方法采集的105组丹参中间体近红外一阶导数数据图；

图5是根据本发明方法偏最小二乘法算法程序；

图6是根据本发明方法使用偏最小二乘法程序得到的模型图。

具体实施方式

下面通过具体实施例对本发明所述的技术方案给予进一步详细的说明，但有必要指出以下实施例只用于对发明内容的描述，并不构成对本发明保护范围的限制。

实施例1

一种近红外漫反射光谱的丹参片中间体含量快速检测方法，包括以下步骤：

1)105组丹参中间体真实含量采集：取本品5g，研细，取约0.2g，精密称定，置50ml量瓶中，加水适量，超声处理(功率250w，频率33khz)20分钟，放冷，加水至刻度，摇匀，滤过，精密量取续滤液1ml，置25ml量瓶中，加水至刻度，摇匀，滤过，取续滤液。精密称取丹酚酸b对照品适量，加水制成每1ml含10μg的溶液。以十八烷基硅烷键合硅胶为填充剂；以甲醇－乙腈－甲酸－水(30：10：1：59)为流动相；检测波长为286nm。理论板数按丹酚酸b峰计算应不低于2000。分别精密吸取对照品溶液与供试品溶液各20μl,注入液相色谱仪，测定，即得。

2)105组丹参中间体近红外原始数据:打开仪器，预热约15min后，待仪器系统适应性自检完成后开始测定。取步骤1)中的105组样品研约5g，混合均匀后倒入测量杯中，压实。以内置背景为参比，采用nir-master近红外光谱扫描仪的分光光度计进行漫反射分析，扫描的波长范围为10000～4000cm^-1，扫描次数设定为40次，分辨率为8cm^-1。在扫描时的温度控制在24±2℃，湿度控制在20±2％。每次样品要求进行三次扫描，完成后将样品再次重新混合均匀按第1次测定方法再进行第2、3次测定，为了用于后续建模减少误差，取平均光谱数值作为样品的光谱数据。

3)105组丹参中间体近红外光谱数据预处理：采用“nir-cal”软件原始光谱进行矢量归一化、一阶导数预处理。

4)将经过预处理的光谱和对应的真实含量数据在matlab软件中打开，输入偏最小二乘法算法，以70％样本为训练集，30％样本为验证集，训练次数为5000次。得到符合模型参数指标的模型。

5)符合模型参数决定系数r²

所建模型的决定系数的值越接近于1其相应模型的仿真效果越好。但是在实际建模过程中，一般设定的阈值为：0.66≤r²≤0.9时刚好达到预测效果。

实施例2

一种近红外漫反射光谱的丹参片中间体含量快速检测方法，包括以下步骤：

偏最小二乘法模型验证和未知样品检测

随机选择20批外部未知含量丹参片中间体样本，采用与校正集相同的光谱预处理方法处理后的光谱数据导入定量校正模型中，快速测定丹参片中间体中丹酚酸b的含量，得到预测值。采用与实施例1所述检测方法对20批参片中间体中丹酚酸b含量进行检测，得到丹酚酸b含量的实测值。将预测值与实测值进行统计比较，计算预测相对偏差(rsep)以验证模型的性能。结果见表1和表2。

表1随机选择的20批外部未知含量丹参片中间体样本的实测值、预测值和相对偏差

表220批未知含量丹参片中间体样本的预测效果

由表1可以看出，以丹酚酸b为指标建立的定量校正模型对20个外部未知丹参片中间体中丹酚酸b含量的预测值与实测值的相对偏差均小于5％，说明建立的定量校正模型具有较好的预测能力和预测精度。

由表2可以看出，丹参片中间体中丹酚酸b含量指标近红外定量模型预测相关系数r²为0.8015，说明模型具有较好的稳定性，建立的参片中间体中丹酚酸b含量定量校正模型具有较好的预测能力，可用于参片中间体中丹酚酸b含量的快速检测。

综上所述，本发明着眼于研究和探讨丹参片中间体含量的快速检测，提出近红外漫反射光谱技术在中成药检测中的应用，寻找出检测迅速、正确率高的丹参片中间体的检测模型，能够降低检测成本，有效控制丹参片成品质量，确保出厂丹参片品质，为中成药在检测和质量控制领域提供了一定的参考意见。