CN102914596A - 一种利用近红外光谱快速测定片仔癀质量的方法 - Google Patents

Abstract

本发明公开了一种利用近红外光谱快速测定片仔癀质量的方法，该方法包括如下步骤：(1)收集具有代表性的片仔癀样品作为训练集；(2)高效液相法测定训练集中片仔癀样品的质量指标；(3)测定训练集中片仔癀样品的近红外光谱数据，并对近红外光谱数据进行预处理，其预处理后的光谱数据作为变量；(4)将预处理后的光谱数据与质量指标进行关联，建立校正模型并对校正模型进行验证；(5)用验证过的校正模型测定待测片仔癀的质量。该方法可快速判断待测样品是否可疑，适用于对假劣仿品的快速筛查；同时还可评价每批片仔癀的质量差异和稳定性，具有检测时间短、速度快、准确，可在线检测，节省大量的人力和物力等优点，具有明显的经济效益和社会效益。

Description

一种利用近红外光谱快速测定片仔癀质量的方法

技术领域

本发明涉及一种快速测定片仔癀质量的方法，特别涉及一种利用近红外光谱快速测定片仔癀质量的方法，属医药领域。

背景技术

片仔癀是由牛黄、三七、蛇胆、麝香等制成的锭剂，气微香，味苦、微甘。具有消炎、清凉解毒、消肿止痛等作用，对急性肝炎、眼炎、耳炎、痈疽疔疮、无名肿毒、跌打损伤及一切炎症引起的疼痛、发热等症均有疗效；并能抑制消化系统癌细胞的生长。片仔癀是国家一级中药保护品种，其独特的疗效得到了国内外市场的认可，与此同时市场上假冒片仔癀的现象也非常多。片仔癀国家标准的质量检测方法多采用薄层色谱法、气相色谱法、高效液相色谱法等，但这些方法存在样品前处理复杂，检测时间长，检测成本高、污染环境等问题，而且多为离线检测，无法快速监测片仔癀质量。因此，有必要研究出一种快速、准确、高效的检测片仔癀质量的方法。

近红外光谱指可见光谱区到中红外光谱区之间的电磁波，通常将近红外谱区的范围定义为780～2526nm(12820～3959cm^-1)，光谱信息来源于分子内部振动的倍频与合频，并且主要反映分子中C-H、N-H、O-H基团的倍频和合频振动吸收，其化学信息量相当丰富。因此，适合近红外光谱测量的物质种类范围和场合十分广泛，可用于非破坏性测定、原位分析、在线分析、活体分析等。本发明正是在利用近红外光谱特性的基础上开展了快速测定片仔癀质量的方法研究。

发明内容

本发明目的在于提供一种利用近红外光谱快速测定片仔癀质量的方法。

本发明目的是通过如下技术方案实现的。

本发明提供的利用近红外光谱快速测定片仔癀质量的方法包括如下步骤：

(1)收集具有代表性的片仔癀样品作为训练集；所述具有代表性的片仔癀样品，是指样品的质量指标必须能够涵盖所期望的变化范围，而且在这个变化范围内是均匀分布的；所述的质量指标可以是片仔癀中三七中的皂苷类成分的含量，如三七皂苷R₁含量、人参皂苷R_g1含量、人参皂苷R_b1含量或该三类成分总的含量；

(2)高效液相法测定训练集中片仔癀样品的质量指标----化学测定值；

(3)将训练集中的样品随机分为校正集和验证集两部分，校正集和验证集中的样品数目比例为3～5∶1；测定训练集中校正集(62批)、验证集(16批)片仔癀样品的近红外光谱数据，并对近红外光谱数据进行预处理，其预处理后的光谱数据作为变量；

(4)用多元校正方法将步骤(3)预处理后的光谱数据与步骤(2)测定的质量指标进行关联，建立校正模型；

(5)采用内部交叉检验对校正模型进行验证，评价预测值和真值(即步骤(2)测定的质量指标)的相关性；利用校正模型对验证集中片仔癀样品进行质量预测，化学测定值与预测值的平均相对误差应小于5％；

(6)用验证过的校正模型测定待测片仔癀的质量：取待测片仔癀，测定其近红外光谱数据，并经过与步骤第(3)相同的预处理，利用步骤(4)建立的校正模型，测定片仔癀的质量指标。

步骤(2)所述高效液相法测定可以按如下条件进行：

色谱条件：色谱柱为Welch Materials C18色谱柱，规格：250mm×4.6mm，5μm；检测波长为203nm；流速为1ml/min；柱温为25℃；流动相：乙腈-水，其中0～32min，乙腈与水的体积比为79∶21；32～65min，乙腈与水的体积比由79∶21逐渐降为60∶40；理论塔板数按三七皂苷R1峰计算应不低于2500；

对照品溶液的制备：精密称取人参皂苷Rg₁对照品、人参皂苷Rb₁对照品和三七皂苷R₁对照品适量，加甲醇制成每1体积份含人参皂苷Rg₁0.4重量份、人参皂苷Rb₁0.4重量份、三七皂苷R₁0.1重量份的混合溶液，即得；

供试品溶液的制备：取片仔癀样品，粉碎，研细，过5号筛(即80目筛)，取400～600重量份，精密称定，精密加入甲醇20～30体积份，称定重量，置水浴上保持微沸0.5～1.5小时，放冷，再称定重量，用甲醇补足减失的重量，摇匀，滤过，取续滤液，即得；

样品含量的测定：按照所述色谱条件对样品进行含量测定；每批样品的测定结果为2次测量的平均值。

本发明所述重量份/体积份的单位对应关系为mg/ml的对应关系。

步骤(3)中测定训练集中片仔癀样品的近红外光谱数据的方法可以是直接扫描其近红外光谱图，或将片仔癀样品粉碎，过筛，取片仔癀粉末，测定其近红外光谱。具体的实施方法可以是：

(1)片仔癀锭剂的扫描：直接扫描片仔癀锭剂样品，测样方式：积分球漫反射，分辨率为8cm^-1；扫描次数64次；扫描范围：12500～4000cm^-1；每锭测量4次；

(2)片仔癀粉末的扫描：先将片仔癀锭剂粉碎，过80目筛，取过筛的样品粉末放入安瓿瓶中，混合均匀，轻轻压平，置测量杯中，进行扫描；测样方式：积分球漫反射，分辨率8cm^-1；扫描次数64次；扫描范围：12500～4000cm^-1；每批样品测量4次。

步骤(3)中光谱预处理方法包括：未处理(Absorbance)、一阶导数(First derivative)、二阶导数(Second derivative)、矢量归一化(Vector normalization，VN)、直线相减(Straight linesubtraction，SLS)、最小-最大归一化(Min-max normalization，MMN)、多元散射校正(Multiplicative scatter calibration，MSC)、常偏移量消除(Constant offset elimination，COE)、一阶导数光谱和其他处理方法相结合的方法。优选最小-最大归一化、一阶导数、矢量归一化或多元散射校正。

步骤(4)中用多元校正方法包括：多元线性回归法(MLR)、主成分回归法(PCR)、偏最小二乘回归法(PLS)。优选偏最小二乘回归法(PLS)。

步骤(4)中近红外光谱的最佳建模波段为4000～8000(单位cm^-1)。

附图说明

图1样品的原始近红外光谱图

图2三七皂苷R1粉末模型预测值和真值的相关图

图3人参皂苷Rg1粉末模型预测值和真值的相关图

图4人参皂苷Rb1粉末模型预测值和真值的相关图

图5皂苷总和粉末模型预测值和真值的相关图

图6三七皂苷R1锭剂模型预测值和真值的相关图

图7人参皂苷Rg1锭剂模型预测值和真值的相关图

图8人参皂苷Rb1锭剂模型预测值和真值的相关图

图9皂苷总和锭剂模型预测值和真值的相关图

图10粉末参考光谱和测试光谱的最大合格性索引

图11锭剂参考光谱和测试光谱的最大合格性索引

本发明方法所得片仔癀近红外光谱具有一致性，采用最大CI法建立模型，在片仔癀产品质量发生显著性差异时，可在很短的时间内发现——根据待测样品光谱的CI值是否超出CI限度可快速判断待测样品是否可疑，同时适用于对假劣仿品的快速筛查。同时还可评价每批片仔癀的质量差异和稳定性，具有检测时间短、速度快、准确，可在线检测，节省大量的人力和物力等优点，具有明显的经济效益和社会效益。

下述实验例和实施例用于进一步说明但不限于本发明。

实施例1：利用近红外光谱快速测定片仔癀质量的方法学研究

一、仪器和试剂：

傅立叶变换近红外光谱仪Bruker MPA；仪器附件：OPUS处理软件；安捷伦高效液相色谱仪1200。

三七皂苷R₁、人参皂苷Rg₁和人参皂苷Rb₁(中国药品生物制品检定所，批号分别为110745-200617；110703-200726；110704-200921)，片仔癀78批，乙腈为色谱纯，其余试剂为分析纯。

二、方法

(一)高效液相法测定78批片仔癀锭剂中三七皂苷R₁、人参皂苷Rg₁和人参皂苷Rb₁的含量

1.色谱条件

色谱柱为Welch Materials C18色谱柱(250mm×4.6mm 5μm)；检测波长为203nm；流速为1ml/min；柱温为25℃。流动相：乙腈-水(A相为水，C相为乙腈。0～32min，A为21％，C为79％；32～65min，A为21％→40％，C为79％→60％)。理论塔板数按三七皂苷R1峰计算应不低于2500。

2.对照品溶液的制备

精密称取人参皂苷Rg₁对照品、人参皂苷Rb₁对照品和三七皂苷R₁对照品适量，加甲醇制成每1ml含人参皂苷Rg₁0.4mg、人参皂苷Rb₁0.4mg、三七皂苷R₁0.1mg的混合溶液，即得。

3.供试品溶液的制备

取片仔癀锭剂样品，粉碎，研细(过5号筛，即80目)，取约0.5g，精密称定，精密加入甲醇25ml，称定重量，置水浴上保持微沸1小时，放冷，再称定重量，用甲醇补足减失的重量，摇匀，滤过，取续滤液，即得。

4.样品含量的测定

按照所述色谱条件对78批样品进行含量测定。每批样品的测定结果为2次测量的平均值，结果见表1。

表1片仔癀中三七皂苷的含量结果

(二)近红外光谱扫描

方法1、直接扫描同样批次的78批片仔癀锭剂样品，测样方式：积分球漫反射，分辨率为8cm^-1；样品扫描时间64scans；扫描范围：12500～4000cm^-1；每锭测量4次。

方法2、将同样批次的78批片仔癀锭剂样品粉碎，过80目筛，取过筛的样品粉末放入安瓿瓶中，混合均匀，轻轻压平，置测量杯中，按下述试验条件进行扫描。测样方式：积分球漫反射，分辨率8cm^-1；样品扫描时间64scans；扫描范围：12500～4000cm^-1；每批测量4次。

(三)模型的建立

为充分利用近红外光谱所提供的信息，需使用合适的计算分析方法处理NIR数据。一般在对未知样品进行分析前，必须建立一个校正集，对校正集中的每一个样品测量其光谱和对应的组成或性质，与单波长测定建立标准曲线一样，事先必须用多元校正方法将测量的光谱与性质或组成数据进行关联，建校正模型，常用的多元校正方法有多元线性回归(MLR)、主成分回归(PCR)、偏最小二乘回归(PLS)等，其中，PLS算法通过因子分析将光谱数据集(多维空间数据，维数相当于波长数目)缩降维，在降维的同时考虑性质阵的作用，通过对主成分变量的合理选取，去掉含有干扰组分和干扰因素的成分变量，仅取内含有用信息量最大的主成分变量参加质量参数的回归，所建立的校正模型优于MLR与PCR法。因此，PLS是目前在近红外光谱中应用最多的一种多元校正方法。

将校正集中62批片仔癀供试品的化学分析值与近红外光谱一一对应，利用OPUS软件的自动优化功能，利用偏最小二乘法建立相关模型并进行交叉检验，通过交叉检验比较不同光谱预处理方法与不同谱区范围组合的交叉验证确定系数(R²)、交叉检验标准差(RMSECV)等参数，筛出最优校正模型，分别作为定标模型。

三、结果

1.光谱预处理方法的选择

通常，NIR光谱信号含有随机噪音、基线飘移、信号本底、样品不均匀、光散射等于扰，运用合理的光谱预处理方法可提取NIR光谱的特征信息，消除各种噪声和干扰，降低样品表面不均匀和色差等因素影响，提高模型的预测精度和稳定性。Bruck近红外光谱仪自带OPUS软件中的11种光谱预处理方法，包括：未处理(Absorbance)、一阶微分(First derivative)、二阶微分(Second derivative)、矢量归一化(Vector normalization，VN)、直线相减(Straight linesubtraction，SLS)、最小-最大归一化(Min-max normalization，MMN)、多元散射校正(Multiplicative scatter calibration，MSC)、常偏移量消除(Constant offset elimination，COE)、一阶微分光谱和其他处理方法相结合的方法。

本研究中，使用OPUS软件下的自动优化功能分别对三七皂苷R₁、人参皂苷Rg₁、人参皂苷Rb₁及总和等成分进行建模条件优化，筛选出最适合光谱预处理方法，具体参数见表2，表3。

2.光谱波段选择

PLS可容许进行全波段的建模，但从其近红外光谱图(图1)来看，它们的高频区域比较平缓，且主要为样品的本底吸收，若波段范围选择过宽，将包含大量冗余信息，导致计算时间增加，甚至降低模型的预测效果。

建模光谱经预处理方法处理后，在全谱范围内分析谱段和含量的相关性，结合软件自动优化功能对波段进行优选，最终确定最佳建模波段，具体参见表2，表3。

3.最优模型的交叉验证和预测结果

根据前述优化结果，用PLS法建立了片仔癀中三七皂苷R₁、人参皂苷Rg₁和人参皂苷Rb₁的近红外光谱最优校正模型，并采用内部交叉检验(cross validation)进行验证，交叉检验的步长为1个样品。通过交叉检验的结果评价模型的好坏。预测值和真值的相关性见表2，表3和图2～图9，图中横坐标为化学分析数据真值，纵坐标为近红外交叉检验的预测值，可以看出所建立的PLS回归模型具有较为显著的预测效果。

表2近红外模型各参数列表——粉末模型

注：表中预处理方法为一阶导数时，平滑点数为17。

表3近红外模型各参数列表——锭剂模型

采用上述模型，对未参与建模的另外16批样品(即验证集)进行含量预测，结果如表4和表5所示。

表416批样品预测结果

表56批样品预测结果分析

由上表可知，用建立的预测模型预测片仔癀中的三七皂苷R₁、人参皂苷Rg₁、人参皂苷Rb₁及皂苷总量的含量，可达到化学测定值与预测值的平均相对误差小于5％的水平，已有一定的预测能力。

四、一致性检验(合格性测试)

随机选取33批样品的近红外光谱作为参考光谱，其余45批样品的近红外光谱作为测试光谱，采用最大CI法，即直观的指定CI限度值，预处理方法为矢量归一化(SNV)，选择全谱段，合格性测试索引范围选择4.5，可得参考光谱和测试光谱的最大合格性索引如图10和图11所示。图10-11中绿点代表参考光谱，蓝点代表测试光谱。

如图显示，参考光谱及测试光谱的索引值均主要分布在CI为1～3附近，表明样品质量较稳定，无明显差异，且生产工艺稳定。

实施例2近红外光谱快速测片仔癀锭剂的质量

(1)收集80批具有代表性的片仔癀锭剂作为训练集。

(2)高效液相法(仪器：安捷伦高效液相色谱仪1200)测定训练集中片仔癀锭剂中三七皂苷R₁、人参皂苷Rg₁和人参皂苷Rb₁的含量。

色谱条件：色谱柱为Welch Materials C18色谱柱(250mm×4.6mm 5μm)；检测波长为203nm；流速为1ml/min；柱温为25℃。流动相：乙腈-水(A相为水，C相为乙腈。0～32min，A为21％，C为79％；32～65min，A为21％→40％，C为79％→60％)。理论塔板数按三七皂苷R1峰计算应不低于2500。

对照品溶液的制备：精密称取人参皂苷Rg₁对照品、人参皂苷Rb₁对照品和三七皂苷R₁对照品适量，加甲醇制成每1ml含人参皂苷Rg₁0.4mg、人参皂苷Rb₁0.4mg、三七皂苷R₁0.1mg的混合溶液，即得。

供试品溶液的制备：取片仔癀样品，粉碎，研细(过5号筛，即80目)，取约0.5g，精密称定，精密加入甲醇25ml，称定重量，置水浴上保持微沸1小时，放冷，再称定重量，用甲醇补足减失的重量，摇匀，滤过，取续滤液，即得。

样品含量的测定：按照所述色谱条件对80批样品进行含量测定。每批样品的测定结果为2次测量的平均值；

(3)将训练集分为校正集和验证集，其中校正集60批样品，验证集20批；利用近红外光谱仪(仪器：傅立叶变换近红外光谱仪Bruker MPA；仪器附件：OPUS处理软件)直接扫描80批样品(片仔癀锭剂)，测样方式：积分球漫反射，分辨率为8cm^-1；扫描次数64次；扫描范围：12500～4000cm^-1；每锭测量4次。

使用OPUS软件下的自动优化功能分别对三七皂苷R₁、人参皂苷Rg₁、人参皂苷Rb₁及总和成分进行建模条件优化，筛选出最适合光谱预处理方法分别为矢量归一化、多元散射校正、多元散射校正、最小-最大归一化。

(4)利用偏最小二乘法将步骤(3)预处理后的60批校正集光谱数据与步骤(2)测定的相应60批次样品的质量指标进行关联，建立校正模型；

(5)采用内部交叉检验对校正模型进行验证，评价预测值和真值的相关性，筛出最优校正模型，作为定标模型。利用校正模型对验证集20批片仔癀样品进行质量预测，步骤(2)测定的相应20批次样品的化学测定值与校正模型预测值的平均相对误差小于5％；

(6)用验证过的校正模型来预测待测片仔癀锭剂的质量：取待测片仔癀锭剂，测定其近红外光谱，并经过与第(3)步相同的预处理，利用校正模型，测定片仔癀锭剂中三七皂苷R₁、人参皂苷Rg₁、人参皂苷Rb₁及总和成分的含量。

实施例3近红外光谱快速测片仔癀粉末的质量

(1)收集100批具有代表性的片仔癀锭剂作为训练集。

(2)高效液相法(仪器：安捷伦高效液相色谱仪1200)测定训练集中片仔癀锭剂中三七皂苷R₁、人参皂苷Rg₁和人参皂苷Rb₁的含量。

色谱条件：色谱柱为Welch Materials C18色谱柱(250mm×4.6mm 5μm)；检测波长为203nm；流速为1ml/min；柱温为25℃。流动相：乙腈-水(A相为水，C相为乙腈。0～32min，A为21％，C为79％；32～65min，A为21％→40％，C为79％→60％)。理论塔板数按三七皂苷R1峰计算应不低于2500。

对照品溶液的制备：精密称取人参皂苷Rg₁对照品、人参皂苷Rb₁对照品和三七皂苷R₁对照品适量，加甲醇制成每1ml含人参皂苷Rg₁0.4mg、人参皂苷Rb₁0.4mg、三七皂苷R₁0.1mg的混合溶液，即得。

供试品溶液的制备：取片仔癀样品，粉碎，研细(过5号筛，即80目)，取约0.5g，精密称定，精密加入甲醇25ml，称定重量，置水浴上保持微沸1小时，放冷，再称定重量，用甲醇补足减失的重量，摇匀，滤过，取续滤液，即得。

样品含量的测定：按照所述色谱条件对80批样品进行含量测定。每批样品的测定结果为2次测量的平均值，

(3)将训练集分为校正集和验证集，其中校正集80批样品，验证集20批；利用近红外光谱仪(仪器：傅立叶变换近红外光谱仪Bruker MPA；仪器附件：OPUS处理软件)扫描色谱数据：取其中80批片仔癀锭剂，粉碎，过80目筛，取过筛的样品粉末放入安瓿瓶中，混合均匀，轻轻压平，置测量杯中，按下述试验条件进行扫描。测样方式：积分球漫反射，分辨率8cm^-1；扫描次数64次；扫描范围：12500～4000cm^-1；每批样品测量4次。

使用OPUS软件下的自动优化功能分别对三七皂苷R₁、人参皂苷Rg₁、人参皂苷Rb₁及总和成分进行建模条件优化，筛选出最适合光谱预处理方法分别为最小-最大归一化、一阶导数、最小-最大归一化、一阶导数；

(4)利用偏最小二乘法将步骤(3)预处理后的80批校正集样品光谱数据与步骤(2)测定的相应80批次样品的质量指标进行关联，建立校正模型；

(5)采用内部交叉检验对校正模型进行验证，评价预测值和真值的相关性，筛出最优校正模型，作为定标模型。利用校正模型对验证集20批片仔癀样品进行质量预测，步骤(2)测定的相应20批次样品的化学测定值与校正模型预测值的平均相对误差小于5％；

(6)用验证过的校正模型来预测待测片仔癀粉末的质量：取待测片仔癀锭剂，粉碎，过80目筛，取过筛的样品粉末，测定其近红外光谱，并经过与第(3)步相同的预处理，利用校正模型，测定片仔癀粉末中三七皂苷R₁、人参皂苷Rg₁和人参皂苷Rb₁的含量。

Claims (10)

1.一种利用近红外光谱快速测定片仔癀质量的方法，其特征在于该方法包括如下步骤：

(1)收集具有代表性的片仔癀样品作为训练集；

(2)高效液相法测定训练集中片仔癀样品的质量指标；

(3)将训练集中的样品分为校正集和验证集两部分，校正集和验证集中的样品数目比例为3～5∶1，测定训练集中片仔癀样品的近红外光谱数据，并对近红外光谱数据进行预处理，其预处理后的光谱数据作为变量；

(4)用多元校正方法将步骤(3)预处理后的光谱数据与步骤(2)测定的质量指标进行关联，建立校正模型；

(5)采用内部交叉检验对校正模型进行验证，评价预测值和真值的相关性；利用校正模型对验证集中片仔癀样品进行质量预测，化学测定值与预测值的平均相对误差应小于5％；

(6)用验证过的校正模型测定待测片仔癀的质量：取待测片仔癀，测定其近红外光谱数据，并经过与步骤第(3)相同的预处理，利用步骤(4)建立的校正模型，测定片仔癀的质量指标；

所述具有代表性的片仔癀样品，是指样品的质量指标必须能够涵盖所期望的变化范围，而且在这个变化范围内是均匀分布的。

2.如权利要求1所述的利用近红外光谱快速测定片仔癀质量的方法，其特征在于步骤(2)所述的质量指标是三七皂苷R1含量、人参皂苷Rg1含量、人参皂苷Rb1含量或该三类成分总的含量。

3.如权利要求1所述的利用近红外光谱快速测定片仔癀质量的方法，其特征在于步骤(2)所述高效液相法测定按如下条件进行：

色谱条件：色谱柱为Welch Materials C18色谱柱，规格：250mm×4.6mm，5μm；检测波长为203nm；流速为1ml/min；柱温为25℃；流动相：乙腈-水，其中0～32min，乙腈与水的体积比为79∶21；32～65min，乙腈与水的体积比由79∶21逐渐降为60∶40；理论塔板数按三七皂苷R1峰计算应不低于2500；

对照品溶液的制备：精密称取人参皂苷Rg₁对照品、人参皂苷Rb₁对照品和三七皂苷R₁对照品适量，加甲醇制成每1体积份含人参皂苷Rg₁0.4重量份、人参皂苷Rb₁0.4重量份、三七皂苷R₁0.1重量份的混合溶液，即得；

供试品溶液的制备：取片仔癀样品，粉碎，研细，过5号筛(即80目筛)，取400～600重量份，精密称定，精密加入甲醇20～30体积份，称定重量，置水浴上保持微沸0.5～1.5小时，放冷，再称定重量，用甲醇补足减失的重量，摇匀，滤过，取续滤液，即得；

样品含量的测定：按照所述色谱条件对样品进行含量测定；每批样品的测定结果为2次测量的平均值。

4.如权利要求1所述的利用近红外光谱快速测定片仔癀质量的方法，其特征在于步骤(3)中测定训练集中片仔癀样品的近红外光谱数据的方法为：直接扫描片仔癀样品的近红外光谱图，或将片仔癀样品粉碎，过筛，取片仔癀粉末，测定其近红外光谱。

5.如权利要求4所述的利用近红外光谱快速测定片仔癀质量的方法，其特征在于近红外光谱的测样方式为：积分球漫反射，分辨率为8cm^-1；扫描次数64次；扫描范围：12500～4000cm^-1；每批样品测量4次。

6.如权利要求1所述的利用近红外光谱快速测定片仔癀质量的方法，其特征在于步骤(3)中光谱预处理方法包括：未处理、一阶导数、二阶导数、矢量归一化、直线相减、最小-最大归一化、多元散射校正、常偏移量消除或一阶导数光谱。

7.如权利要求6所述的利用近红外光谱快速测定片仔癀质量的方法，其特征在于步骤(3)中光谱预处理方法为最小-最大归一化、一阶导数、矢量归一化或多元散射校正。

8.如权利要求1所述的利用近红外光谱快速测定片仔癀质量的方法，其特征在于步骤(4)中用多元校正方法为：多元线性回归法、主成分回归法或偏最小二乘回归法。

9.如权利要求8所述的利用近红外光谱快速测定片仔癀质量的方法，其特征在于步骤(4)中用多元校正方法为偏最小二乘回归法。

10.如权利要求1所述的利用近红外光谱快速测定片仔癀质量的方法，其特征在于步骤(4)中近红外光谱的建模波段为4000～8000cm^-1。

Images