一种基于近红外分析技术的白芍产地判别的方法
【技术领域】
[0001] 本发明属于中药材检测技术领域，具体涉及一种基于近红外分析技术的白芍产地 判别的方法。
【背景技术】
[0002] 白苟（PaeoniaeRadixAlba)为毛茛科植物苟药（PaeonialactifloraPall.) 干燥根，性微苦，味苦酸，具有养血柔肝，缓肿止痛，敛阴收汗等功效，是国家中药新药参枝 苓口服液处方中的一味主要药材。我国白芍主要分布在安徽、浙江、四川、山东等地，其中产 于安徽亳州的白芍和产于浙江的杭白芍最为有名。
[0003] 由于中药材来源复杂，不同产地的白芍药材药效、质量差别很大，加之中药材假冒 伪劣现象屡禁不止，增加了药材鉴别的难度。因此，亟需建立一种白芍药材定性判别的有效 方法，实现白芍药材产地快速无损准确的判别分析。传统的中药材质量控制鉴别方法主要 依赖于经验法，此法对人员素质要求很高，而且不符合现代化生产的要求。显微鉴别法、理 化鉴别法、色谱法等鉴别方法也是中药材鉴别的常用方法，显微鉴别法适用范围狭窄，理化 鉴别法、色谱法等具有费时费力、消耗试剂、破坏样品等不足之处。
[0004] 近红外光谱分析技术（NIRS)作为分析领域中一种绿色分析技术，因其无损、高效 以及适合在线分析等突出特点，已经成为农业领域、石油化工领域、制药领域、烟草领域中 重要的分析技术之一。定性分析是NIRS在中药领域应用的一个重要方面，已经广泛地应用 于中药材的产地、真伪鉴别。
[0005] 传统的近红外光谱分析仪器体积大、价格高，不利于现场快速分析。微型近红外光 谱仪器更具简便化、便携化特点，是近红外光谱分析技术的发展趋势。采用微型近红外光谱 仪对白芍药材进行定性判别分析，能够实现白芍药材的快速无损的定性判别。
【发明内容】
[0006] 本发明的目的在于建立一种基于近红外分析技术的白芍产地判别的方法。
[0007] 本发明的判别方法快速、无损、准确、方便，是一种绿色分析技术。
[0008] 为解决上述问题，本发明采用如下技术方案：
[0009] 一种基于近红外分析技术的白芍产地判别的方法，包括如下步骤：
[0010] (1)采集各建模产地的白芍药材样品的近红外光谱；
[0011] (2)采用K-S算法将样品划分为校正集和验证集；
[0012] (3)对校正集的白苟药材样品的近红外光谱进行SG5_lstderivative结合MSC预 处理；潜在变量数为4时，在1286-1459nm区间构建白芍药材产地判别的PLSDA定性分析模 型；
[0013] (4)采集待未知样品的近红外光谱；并进行SG5_lstderivative和MSC预处理，得 预处理光谱；
[0014] (5)将待未知样品的预处理光谱输入所述白芍药材产地判别的PLSDA定性分析模 型，分别计算出该未知样品到各个产地中心的距离，并将产地中心与未知样品距离最近的 产地判定为未知样品的产地归属。
[0015] 优选的是，在步骤（1)之前，对建模产地的白芍药材样品和待未知样品进行预处 理。
[0016] 优选的是，所述预处理的具体操作步骤为：在60°C条件下将白芍药样品干燥24h， 粉碎后，过40目筛。
[0017] 优选的是，步骤（2)中，校正集和验证集中样品数之比为4-5 :1。
[0018] 优选的是，步骤（2)中，利用校正集样本建立判别分析模型，以此作为判据，对验 证集样本进行预测，利用模型识别率和拒绝率对模型结果进行评价。
[0019] 优选的是，光谱采集时的仪器参数具体如下：波长范围为908-1676nm;100% Spectralon?标准白板为参考；积分时间：5000ys;扫描次数：100。
[0020] 优选的是，步骤（3)中，所述SG5_lstderivative结合MSC预处理用SG5_lst derivative或MSC预处理替代。
[0021] 优选的是，步骤（3)中，对光谱进行预处理后，采用iPLS方法对光谱区间进行优 化。
[0022] 优选的是，步骤（3)中，对光谱进行预处理以及对光谱区间进行优化后，采用交互 验证方法对潜在变量数进行优化。
[0023]模型验证集和校正集的识别率和拒绝率均达到100%，表明模型稳健性和准确性 好，满足分析要求。
[0024] 本发明方法快速无损、简便易行、准确可靠适，于对白芍药材进行快速无损无污染 的定性判别分析，有利于从源头上对中药的原药材进行质量控制。
[0025] 有益效果：本发明建立了一种无损、更加便携、快速的中药材定性判别方法。通过 微型近红外光谱仪对白芍药材产地进行定性判别，能够对市场上白芍药材进行产地判别， 实现了对中药生产过程中原药材的质量控制，可以最大程度的节约生产成本、提高生产效 率、保证生产质量。另外，本发明与常规方法相比，具有方法简单、操作时间短、操作方便等 优势，同时解决了传统的近红外光谱分析仪器体积大、价格高，不利于现场快速分析等缺 点，促进了近红外光谱技术在中药材定性判别方面的应用。本发明首次建立了白芍药材产 地的近红外定性判别分析模型。
【附图说明】
[0026] 图1为本发明在25°C的室温下，采用MicroNIR1700型近红外光谱仪（美国JDSU 公司）采集的三个产地（共计79份）白芍药材粉末样品的近红外漫反射原始光谱图。
[0027] 图2为本发明获得的白芍药材样品近红外光谱的主成分得分图。（注：黑色圆点 代表校正集样品，红色圆点代表验证集样品）。
[0028] 图3为本发明获得的SG5_lstderivative与MSC处理后的光谱图。
[0029] 图4为本发明获得的3个不同产地样品PLSDA定性判别分析模型结果图。
【具体实施方式】
[0030] 下面结合实例对本发明作进一步的说明。
[0031] 实施例1白芍药材的产地判别
[0032] 首先选取79份白芍个样品，其中山东菏泽（hz) 30份，安徽亳州（bz) 24份，浙江磐 安（pa) 25份，经专家鉴定。将样品于60°C下干燥24h，粉碎，过60目筛，装于自封袋中，置 于硅胶干燥器中备用。
[0033] 采用美国JDSU公司MicroNIR1700微型近红外光谱仪采集79份白芍药材粉末的 近红外光谱，每个样品重复采集3次光谱，取其平均光谱。仪器参数设置如下：采集方式选 择为漫反射方式；波长范围：908-1676nm;以100%Spectralon?标准白板为参考；积分时 间：5000ys;扫描次数：100。采用上述参数采集79份白芍粉末样品得到的近红外漫反射 光谱见图1。
[0034] 采用K-S法分别将三个不同产地的样品划分校正集和验证集。79份样品中，64份 样品作为校正集，15份样品作为验证集样品。划分校正集和验证集的结果见表1。
[0035] 表1样品集划分信息
[0036]
【主权项】
1. 一种基于近红外分析技术的白芍产地判别的方法，其特征在于，包括如下步骤： (1) 采集各建模产地的白芍药材样品的近红外光谱； (2) 采用K-S算法将样品划分为校正集和验证集； (3) 对校正集的白苟药材样品的近红外光谱进行SG5-lstderivative结合MSC预处理； 潜在变量数为4时，在1286-1459nm区间构建白芍药材产地判别的PLSDA定性分析模型； (4)采集待未知样品的近红外光谱；并进行SG5-lstderivative和MSC预处理，得预处 理光谱； (5) 将待未知样品的预处理光谱输入所述白芍药材产地判别的PLSDA定性分析模型， 分别计算出该未知样品到各个产地中心的距离，并将产地中心与未知样品距离最近的产地 判定为未知样品的产地归属。
2. 根据权利要求1所述的方法，其特征在于，在步骤（1)之前，对建模产地的白芍药材 样品和待未知样品进行预处理。
3. 根据权利要求1所述的方法，其特征在于，所述预处理的具体操作步骤为：在60°C条 件下将白芍药样品干燥24h，粉碎后，过40目筛。
4. 根据权利要求1所述的方法，其特征在于，步骤（2)中，校正集和验证集中样品数之 比为4-5 :1。
5. 根据权利要求1所述的方法，其特征在于：步骤（2)中，利用校正集样本建立判别分 析模型，以此作为判据，对验证集样本进行预测，利用模型识别率和拒绝率对模型结果进行 评价。
6. 根据权利要求1所述的方法，其特征在于：光谱采集时的仪器参数具体如下：波长 范围为908-1676nm;100%Spectralon?标准白板为参考；积分时间：5000ys;扫描次数： 100〇
7. 根据权利要求1所述的方法，其特征在于：步骤（3)中，所述SG5_lstderivative结 合MSC预处理用SG5_lstderivative或MSC预处理替代。
8. 根据权利要求1所述的方法，其特征在于：步骤（3)中，对光谱进行预处理后，采用 iPLS方法对光谱区间进行优化。
9. 根据权利要求1所述的方法，其特征在于：步骤（3)中，对光谱进行预处理以及对光 谱区间进行优化后，采用交互验证方法对潜在变量数进行优化。
【专利摘要】本发明公开了一种基于近红外分析技术的白芍产地判别的方法，方法快速、无损，操作简单，避免了常规的近红外光谱分析仪器体积大、便携不便等缺点。具体步骤如下：(1)对收集的白芍药材样品进行预处理，预处理方法为：60℃干燥24h，粉碎，过40目筛；(2)在25℃下，采用微型近红外光谱分析仪，以漫反射方式采集样品的近红外光谱；(3)对原始光谱进行预处理，最优预处理方法为：SG5-1st derivative与MSC组合；最佳建模光谱波段为286-1459nm；最佳潜在变量数为4；(4)采用KS算法将样品划分为校正集和验证集，利用校正集建立定性判别分析模型，并采用验证集对模型进行验证；(5)对所建立的白芍产地定性判别模型的预测能力进行评价。
【IPC分类】G01N21-3563, G01N21-359
【公开号】CN104713848
【申请号】CN201510141849
【发明人】臧恒昌, 曾英姿, 聂磊, 胡甜, 王冬梅, 李彤彤
【申请人】山东大学
【公开日】2015年6月17日
【申请日】2015年3月27日