高良姜中高良姜素含量NIRS分析模型的构建

建立高良姜药材中高良姜索含量的近红外光谱定量分析模型,实现药材中高良姜素的含量的快速测定方法,采用高效液相色谱法测定130批药材中高良姜素的含量,采集近红外光谱数据并用多元散射校正法、二阶导数法、Savitzky-Golay平滑法预处理,结合偏最小二乘法建立高良姜中高良姜素含量的定量分析模型,对所建模型进行了内部交叉验证和外部预测验证,并对模型进行了重复性考察。对于所建立的高良姜素近红外光谱定量分析模型,内部交叉验证决定系数达到0.9868,校正均方差为0.0529,预测均方差为0.0625,内部交叉验证均方差为0.0975,交叉检验和外部检验RPD均大于3。表明该模型稳定、准确可靠,可应用于高良姜中高良姜素的含量测定。     

当归中Z-藁本内酯及正丁烯基苯酞近红外定量模型的建立

建立快速测定当归中Z-藁本内酯及正丁烯基苯酞的近红外漫反射光谱定量模型。通过载有积分球漫反射装置的近红外光谱仪获得141批当归药材的近红外光谱,以高效液相色谱测定Z-藁本内酯及正丁烯基苯酞的质量分数,利用TQ Analyst 8.0软件的偏最小二乘法建立定量模型。结果表明,所建Z-藁本内酯模型的相关系数为0.9931,校正均方差为0.4464,预测均方差为0.50341交叉验证相关系数为0.9362,交叉验证均方差为1.0355。所建正丁烯基苯酞模型的相关系数为0.9672,校正均方差为0.5253,预测均方差为0.6462:交叉验证相关系数为0.9146,交叉验证均方差为1.0453。Z-藁本内酯及正丁烯基苯酞的平均预测回收率分别为100.99%及102.14%。研究表明,利用近红外光谱技术快速测定当归中Z-藁本内酯及正丁烯基苯酞的含量是可行的。     

NIRS快速测定制何首乌中二苯乙烯苷的含量

目的建立近红外光谱技术(NIRS)测定制何首乌中2,3,5,4'-四羟基二苯乙烯-2-O-β-D-葡萄糖苷(二苯乙烯苷)含量的方法。方法中国药典方法测定样品中二苯乙烯苷的含量,采集样品的近红外光谱数据,利用TQ 8.0分析软件对光谱数据进行分析处理,建立制何首乌中二苯乙烯苷含量测定的近红外光谱校正模型。结果该模型的内部交叉验证系数(R~2)、校正均方差(RMSEC)、预测均方差(RMSEP)、内部交叉验证均方差(RMSECV)分别为0.98、0.04、0.04、0.12。结论所建立的方法可用于制何首乌中二苯乙烯苷的含量测定。     

夏枯草中迷迭香酸近红外光谱定量分析模型的建立

目的:建立近红外漫反射光谱法快速测定夏枯草中迷迭香酸的含量方法。方法:采用高效液相色谱法测定不同产地的170批次夏枯草中迷迭香酸的含量,同时采集近红外漫反射光谱,对原始光谱进行多元散射校正(MSC)、一阶导数(First derivative)和S-G(Savitzky-Golay filter)平滑等光谱预处理方法,采用偏最小二乘法(PLS)建立近红外定量分析模型,实现夏枯草中指标性成分迷迭香酸含量的快速测定。结果:所建立的迷迭香酸近红外定量分析模型,模型R~2为0.9768,RMSEC和RMSEP分别为0.0387和0.0441,表明所建近红外模型预测准确度高。交叉验证均方差RMSECV为0.0706,表明所建模型稳健性好。结论:本研究所建迷迭香酸近红外定量分析模型具有很好的预测准确度和稳健性,为市场上夏枯草质量的快速评价提供新的方法。     

支持向量回归算法在NIR光谱法预测带鱼糜蛋白质和水分含量中的应用

为考察支持向量回归(SVR)在鱼糜近红外光谱(NIRS)分析中应用的可行性,采用SVR对73份带鱼糜样品的MR漫反射光谱及其蛋白质和水分含量的化学测定数据进行处理,建立了蛋白质和水分含量MRS定标模型,首次尝试将近红外光谱技术应用到带鱼糜主要成分含量的测定中.采用留一法交叉验证(LOOCV)的蛋白质和水分相关系数分别为0.90和0.96,并用独立样本集对模型进行外部验证.结果表明,SVR模型的预测能力比较好.因此,可以将NIR光谱支持向量回归法预测带鱼糜蛋白质和水分含量应用到鱼糜晶质的快速评价中.     

不同产地黄柏的近红外指纹图谱鉴别分析

建立用近红外漫反射光谱鉴别不同产地黄柏药材的新方法.采集不同产地的黄柏药材及其伪品的近红外漫反射光谱,用模式识别方法进行聚类分析,建立判别模型并用三重交叉验证的方法对模型稳定性进行验证.黄柏样品与伪品能较好地区分开;建立模型后对已知训练集样本的分类精度高达100%,对未知样本的预测精度达到100%,该模型具有很好的预测性能,这说明了所建方法性能优良,能够适用于黄柏药材的不同种植产地分类鉴别.近红外光谱法简便、快速、不破坏样品,结合模式识别方法能够准确鉴别正品、伪品以及不同产地的黄柏药材.     

近红外光谱法测定黄芩提取物中黄芩苷含量

应用近红外光谱技术探讨了黄芩提取物中黄芩苷含量的快速检测新方法.共收集12个不同厂家的100批黄芩提取物样品,利用Nicolet 6700型傅立叶变换近红外光谱仪采集样品近红外漫反射光谱,通过HPLC法测定黄芩苷含量值,结合偏最小二乘法(PLS)建立黄芩苷含量的近红外定量校正模型,并通过筛选合适的光谱预处理方法、建模区间和主成分数获得最优模型.所建最优校正模型的相关系数(R2)、校正均方差(RMSEC)和内部交叉验证均方差(RMSECV)分别为0.995、0.440和2.259;经外部验证,模型的预测相关系数(r2)、预测均方差(RMSEP)和平均回收率分别为0.988、0.486和100.190%.结果表明,该方法可用于不同厂家黄芩提取物中黄芩苷含量的直接测定,操作简便,无污染,结果准确可靠,可实现大批量样品的快速分析.     

近红外和高光谱技术用于小麦籽粒蛋白含量预测探索

以57份小麦籽粒为样本,分别采用Vertex 70傅立叶近红外光谱仪(单籽粒测样附件)和近红外增强型高光谱成像系统采集光谱,建立预测小麦籽粒蛋白含量的模型。基于近红外的小麦单籽粒模型相关系数为0.52,交叉校验均方根误差为0.807;而基于高光谱建立的模型相关系数为0.81,交叉校验均方根误差为0.7035。结果表明:在样本量少且为籽粒形态时,可优先考虑高光谱技术替代传统的近红外单籽粒采样模式来检测样本内部品质,但其实用性还有待进一步验证。若深入结合图像信息,高光谱技术在农产品内外品质检测方面有更广阔的应用。     

近红外光谱结合反向区间偏最小二乘法检测药用辅料糊精

利用近红外光谱结合化学计量学方法快速检测了药用辅料糊精含量。首先,用近红外光谱仪采集主药与糊精共存样本的近红外光谱数据;然后,采用反向区间偏最小二乘法(Backward Interval Partial Least Squares,Bi PLS)优选光谱特征区间;最后,采用偏最小二乘法(PLS)对优选出来的区间建立药用辅料糊精近红外光谱模型。采用Bi PLS将全光谱均匀划分35个子区间,选择16个子区间[1,7,10,12,18,20,21,23~25,28~33]时,建立的模型预测效果最佳,其交叉验证均方根误差和预测均方根误差分别为1.501和2.437,校正集和验证集相关系数分别为0.9968和0.9958。因此,利用近红外光谱技术快速检测药用辅料糊精含量是可行的。     

连续小波变换-支持向量回归用于植物样品多组分分析

采用连续小波变换（CWT）技术对近红外光谱（NIR）数据进行预处理，扣除光谱中的背景与噪音成分，再用支持向量回归（SVR）进行建模，建立了用于复杂植物样品多组分分析的建模方法（CWT-SVR），并应用于烟草样品中常规成分（总糖、总植物碱和总氮）含量的测定。结果表明，CWT—SVR方法优于基于全谱数据的SVR和偏最小二乘（PLS）法，为近红外光谱定量分析提供了一种新的建模方法。