傅里叶变换红外光谱技术对金银花中有效成分定量模型建立及含量测定

中药材“安全、稳定、有效、可靠”是中医药现代化发展的现实需求,针对中药材质量良莠不齐的实际情况探索快速、精准、无损新型含量测定方法是目前中药材质量控制领域亟待解决问题之一。金银花有效成分复杂、质量波动较大,利用傅里叶变换红外光谱技术对金银花有效成分进行高效、无损快速测定可能是推动其质量控制的有效措施。该研究将HPLC法与傅里叶变换红外光谱技术相结合,运用化学计量学方法,建立金银花有效成分的含量测定模型,以期为金银花的快速、精准含量测定提供新方法。利用傅里叶变换光谱仪采集了河南、河北、山东三个产地共64份金银花的红外光谱,使用高效液相色谱(HPLC)法同时测定金银花中绿原酸、当药苷、断氧化马钱子苷、木犀草苷、异绿原酸A、异绿原酸C六种有效成分的含量。使用TQ分析软件中多元散射校正(MSC)、标准正态变换(SNV)、偏最小二乘法(PLS)、逐步多元线性回归(SMLR)、一阶导数(1st)、二阶导数(2nd)及SG卷曲平滑和诺里斯导数滤波(ND)进行光谱处理建立模型。经过对河南、河北、山东共64份金银花样品的化学计量学分析,结果表明PLS+MSC+2nd Der+NS对绿原酸含量测定效果最好,相关系数为0.7549,平均绝对偏差为0.24%;PLS+MSC+1st Der+ND对当药苷的含量测定效果最好,相关系数为0.9369,平均绝对偏差为0.00%;PLS+MSC+1st Der+SG对断氧化马钱子苷含量测定效果最好,相关系数为0.9678,平均绝对偏差为-0.06%;PLS+MSC+1st Der+NS、PLS+MSC+1st Der+SG以及PLS+SNV+1st Der+SG对木犀草苷的含量测定效果最好,相关系数为0.8590,平均绝对偏差为0.01%;PLS+MSC+2nd Der+ND对异绿原酸A的含量测定效果最好,相关系数为0.9339,平均绝对偏差为0.11%;PLS+MSC+2nd Der+SG对异绿原酸C的含量测定效果最好,相关系数为0.8661,平均绝对偏差为0.01%。通过傅里叶变换光谱技术建立对金银花有效成分的定量模型可以实现对未知金银花有效成分的含量测定,该研究为金银花有效成分的快速、无损测定提供了新的方法依据,有助于推动中药材质量的稳定、可控。

基于直接正交信号校正的土壤磷和钾VNIR测定研究

利用可见-近红外光谱（VNIR）检测土壤磷（P）和钾（K）含量存在精度不高的问题。为消除土壤质地、类型、颜色、颗粒大小、形状、密度等对光谱精度的影响,利用VNIR检测土壤P和K,采用直接正交信号校正（DOSC）光谱预处理降低干扰的方法,对美国密苏里州8种类型土壤共1 582个土壤样品、在350-2 500 nm波段内进行VNIR光谱扫描,对光谱进行吸光度、均值归一化、5点均值滤波平滑处理后,分别用DOSC处理和未处理数据建立偏最小二乘回归（PLSR）分析模型对P和K进行预测。实验结果表明,DOSC处理后得到的模型预测精度显著提高,其预测均方根误差（RMSEP）降低21.50%（P）、26.93%（P（0,27））、24.64%（K）和27.67%（K（0,192））,预测决定系数（R2）提高85.76%（P）、108.31%（P（0,27））、59.38%（K）和87.01%（K（0,192））,相对分析误差（RPD）提高27.37%（P）、36.90%（P（0,27））、32.75%（K）和38.29%（K（0,192））。用DOSC算法在多类型土壤的P和K的VNIR测定中,能消除由于土壤质地、类型等引起的噪声信息,提高模型预测精度,为多类型土壤P和K的VNIR测定提供了一种光谱预处理方法。

激光干扰下红外成像系统性能预测研究

激光干扰是抑制红外成像系统现场性能的有效手段,为实现对激光干扰下红外成像系统性能预测,文中以激光干扰红外成像探测器的作用机理为基础,通过对红外成像系统吸收的激光能量与对比度增强之间的关系进行分析,得到干扰激光的能量与对比度增强之间的关系,进而修正红外成像系统的对比度阈值函数;并结合NVTherm IP性能模型实现激光干扰对系统性能的预测,给出了仿真结果,为红外成像系统的性能预测评估和理论模型的继续完善提供依据。

激光近红外检测食用植物调和油的研究与应用

研究了激光近红外在食用植物调和油检测上的优势及在调和油检测中应用,利用激光近红外光谱技术对调和油的组成进行定量分析,为调和油的定量检测提供参考。利用近红外光谱仪对纯品油脂进行测定和分析,选出有代表性的纯油品和调和油品,再利用近红外光谱技术对调和油进行图谱采集与对比,对光谱进行筛选与预处理后对光谱数据利用偏最小二乘法对油脂中的组分进行定量分析,得到的模型拟合系数0.9952,并且对其中主要油脂预测准确性较高,达到预期效果。

水体COD的光谱学在线测量方法-紫外和近红外光谱比较分析

水体COD的光谱学传感技术是现代环境监测的一个重要发展方向,与传统的分析方法相比,光谱分析技术更具有可连续监测、可在线监测和检测快速的明显优势,适合对环境水样COD的定点实时监测。分别获取水样的紫外吸收光谱和近红外光谱,通过不同的光谱预处理方法结合偏最小二乘法、多元线性回归法建立水样的COD定量预测模型,对水体COD的紫外和近红外光谱的定量预测及相关模型参数进行分析,发现用S-G平滑处理后的紫外光谱和近红外光谱建立的PLS模型均得到最佳预测效果,预测集R^2分别为0.992 1和0.987 7,RMSEP分别为10.438 6和5.972 0。紫外和近红外光谱法的MLR模型预测效果较差,预测集R^2分别为0.928 0和0.957 3。通过实验结果综合对比分析,紫外吸收光谱在280~310nm谱区建模预测性能较好,近红外光谱在7 250~6 870cm^(-1)谱区建模预测性能较好,紫外光谱对应定量预测模型的决定系数较高,而近红外光谱的稳定性和重复性更好。研究表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。

基于区间组合移动窗口法筛选近红外光谱信息

近红外光谱信息的筛选方法是近红外光谱技术简化模型和提高预测精度的重要手段,为选择近红外光谱分析中最优的建模光谱波段,提出区间组合移动窗口偏最小二乘法(SCMWPLS)。该方法通过大小连续变化的移动窗口和交叉有效性筛选出连续的建模区间。以葡萄糖溶液的近红外光谱为测试对象,分别采用所提方法以及传统的间隔偏最小二乘法(IPLS)和窗口移动偏最小二乘法(MWPLS)建立近红外光谱预测模型。所提方法与传统的间隔偏最小二乘法和窗口移动偏最小二乘法模型相比,预测均方根误差分别降低了44%和25%。

基于近红外法的紫胶原胶主组分快速预测模型构建

采用化学法测定了紫胶原胶中的树脂、蜡质和色素的含量,用傅里叶变换近红外光谱技术采集原胶的近红外光谱数据,得到原始光谱,通过光谱预处理方法消除噪声,最后以偏最小二乘法(PLS)建立回归模型。最终得到紫胶中树脂、蜡质和色素含量的近红外光谱分析模型,其树脂、蜡质和色素的最优校正集决定系数(R2c)分别为0.961、0.812和0.828,交叉验证标准误差(RMSECV)分别为1.96、0.28和0.065;验证集的最优决定系数(R2p)分别为0.957、0.808和0.793,预测标准误差(RMSEP)分别为0.940、0.124和0.101。建立的紫胶原胶主组分近红外检测模型的准确度、稳定性及预测性能良好,为紫胶原胶主组分快速分析方法的建立提供了新思路。

基于改进免疫遗传算法的近红外光谱变量选择方法

该文在免疫遗传算法(IGA)的基础上,提出一种改进免疫遗传算法(iIGA)用于近红外光谱波长变量的选择。该算法舍去了原算法中固定抗体相似度阈值的思想,取而代之的是抗体相似度阈值自适应,同时引入精英保留策略和贪心算法思想,使得算法朝着正确的方向进行局部性探优。将该算法在玉米的淀粉和蛋白质含量数据集上进行实验测试,建立偏最小二乘(PLS)分析模型,并与IGA、遗传算法(GA)以及全谱方法进行了对比。结果表明,在玉米淀粉含量的预测上,iIGA相较于原IGA算法,预测集均方根误差(RMSEP)从0.3120降至0.2980,预测集预测精度提升4.5%;在玉米蛋白质含量的预测上,RMSEP从0.1244降至0.1103,预测集预测精度提升11.3%。分别对预测淀粉和蛋白质模型的RMSEP值进行显著性检验,F值分别为165.22和182.05,P值分别为9.5×10^(-23)和4.5×10^(-24),P值均小于0.05,因此,iIGA能显著提升模型预测精度。

近红外光谱在再生纤维素纤维/氨纶针织面料成分分析中的应用

以再生纤维素纤维/氨纶针织面料为研究对象进行近红外光谱分析,研究结果表明不同种类的再生纤维素纤维/氨纶针织面料近红外光谱图相似,可建立统一的预测模型对其成分含量进行定量分析;以莫代尔/氨纶、莱赛尔/氨纶、(粘纤+莫代尔)/氨纶、(粘纤+莱赛尔)/氨纶针织面料为样本建立的近红外光谱测试模型性能良好,50个复测样品模型预测值与标准值之间偏差大多都在0.6%以内,预测结果符合标准偏差要求。

FTIR结合化学计量学方法对皱环盖菇总糖和蛋白质含量快速预测

皱环盖菇是近年来深受消费者喜爱的食药用菌新品种,总糖、蛋白质作为其主要的营养成分,含量的高低与其营养价值关系密切。但是,现有含量检测方法步骤复杂,检测时间长,开发简单、快速含量预测方法具有重要意义。本研究利用傅里叶变换红外光谱采集7种不同基质栽培皱环盖菇子实体样品的红外光谱共计420个,对比原始光谱与预处理后光谱,确定光谱预处理方法,采用竞争性自适应重加权算法(CARS)对皱环盖菇子实体总糖、蛋白质所对应的特征波谱进行选择,利用随机森林(RF)、偏最小二乘回归(PLS)、支持向量机(SVM)进行建模,比较建模结果确定总糖含量的最佳预测模型为PLS,其中Rc为0.9928(误差为0.0072),RMSEC为0.9308,Rp为0.9814(误差为0.0186),RMSEP为1.1662,RPD为7.3411;蛋白质含量的最佳预测模型为RF,其中Rc为0.9947(误差为0.0053),RMSEC为0.3803,Rp为0.986(误差为0.014),RMSEP为0.7491,RPD为8.4375。以上结果表明,红外光谱技术结合化学计量法可快速、准确地预测皱环盖菇子实体总糖、蛋白质含量,研究结果可为快速预测总糖、蛋白质含量提供技术支持。

基于近红外、中红外技术结合光谱融合的热毒宁注射液含量预测模型

该文基于近红外光谱(near-infrared spectroscopy,NIRS)技术、中红外光谱(mid-infrared spectroscopy,MIRS)技术以及光谱融合技术建立快速测定热毒宁注射液(Reduning Injectin,RI)中绿原酸、新绿原酸、隐绿原酸、栀子苷、断氧化马钱子苷含量的方法。该研究通过考察6种预处理方法和5种变量筛选方法,选择最佳方法建立2种单一光谱的偏最小二乘(partial least square,PLS)模型。同时对近红外、中红外光谱进行等权融合和特征波段融合,建立PLS模型。对比4种模型对质控成分的预测效果:NIRS>特征波段融合>MIRS>等权融合,5种质控成分NIRS模型的预测相对偏差(relative standard error of prediction,RSEP)均低于2.5%,性能偏差比(ratio of performance to deviation,RPD)均大于9.5。研究表明,NIRS单一光谱模型是较优的定量检测方法,NIRS结合PLS模型可用于对热毒宁注射液的快速检测。

基于广义路径追踪算法建立桂枝茯苓胶囊和天舒胶囊中间体水分的近红外光谱通用定量模型

目的以桂枝茯苓胶囊(Guizhi Fuling Capsules,GFC)和天舒胶囊(Tianshu Capsule,TC)为研究对象,将近红外光谱(near-infrared spectroscopy,NIRS)技术与机器学习算法结合,建立快速检测2种制剂中间体水分的方法。方法采集GFC总混颗粒和TC总混颗粒的NIRS,考察不同的预处理方法、变量筛选方法及算法对模型的影响,筛选最佳建模条件,并对2种中间体建立1个水分NIRS通用定量模型。结果对同一中间体建立定量模型时,广义路径追踪(generalized path seeker,GPS)算法均优于偏最小二乘(partial least square,PLS)算法;GPS通用模型与PLS通用模型相比,预测性能更高,验证集相对偏差(relative standard errors of prediction,RSEP)由3.17%降至3.03%,性能偏差比(ratio of performance to deviation,RPD)由4.83升至5.05,可用于水分的预测,且与独立模型的预测性能相差不大。结论GPS算法结合NIRS技术建立的通用定量模型,可快速、准确地检测2种制剂中间体的水分。