CN106568759A - 一种基于多谱融合的道地药材质量鉴别方法 - Google Patents
一种基于多谱融合的道地药材质量鉴别方法 Download PDFInfo
- Publication number
- CN106568759A CN106568759A CN201610888888.6A CN201610888888A CN106568759A CN 106568759 A CN106568759 A CN 106568759A CN 201610888888 A CN201610888888 A CN 201610888888A CN 106568759 A CN106568759 A CN 106568759A
- Authority
- CN
- China
- Prior art keywords
- data
- medicinal materials
- identification method
- method based
- genuine medicinal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000004927 fusion Effects 0.000 title claims abstract description 38
- 239000003814 drug Substances 0.000 title abstract description 12
- 229940079593 drug Drugs 0.000 title abstract description 11
- 239000000463 material Substances 0.000 claims abstract description 35
- 230000003595 spectral effect Effects 0.000 claims abstract description 23
- 238000001237 Raman spectrum Methods 0.000 claims abstract description 20
- 238000002211 ultraviolet spectrum Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 20
- 230000005012 migration Effects 0.000 claims description 19
- 238000013508 migration Methods 0.000 claims description 19
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 16
- 238000001069 Raman spectroscopy Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 11
- 239000012159 carrier gas Substances 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000001871 ion mobility spectroscopy Methods 0.000 claims description 8
- 239000000843 powder Substances 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 238000007500 overflow downdraw method Methods 0.000 claims description 6
- 241000931526 Acer campestre Species 0.000 claims description 5
- 239000000706 filtrate Substances 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 239000010453 quartz Substances 0.000 claims description 5
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000002904 solvent Substances 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000002203 pretreatment Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 2
- 239000007921 spray Substances 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 238000010606 normalization Methods 0.000 abstract description 2
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 abstract description 2
- 238000007635 classification algorithm Methods 0.000 abstract 1
- 238000009791 electrochemical migration reaction Methods 0.000 abstract 1
- 238000000513 principal component analysis Methods 0.000 abstract 1
- 239000009636 Huang Qi Substances 0.000 description 16
- 230000000857 drug effect Effects 0.000 description 3
- 239000012567 medical material Substances 0.000 description 3
- 229940121657 clinical drug Drugs 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 241001061264 Astragalus Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 206010062717 Increased upper airway secretion Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 208000004880 Polyuria Diseases 0.000 description 1
- 230000036592 analgesia Effects 0.000 description 1
- 235000006533 astragalus Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000035619 diuresis Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005469 granulation Methods 0.000 description 1
- 230000003179 granulation Effects 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 208000026435 phlegm Diseases 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 210000004233 talus Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于多谱融合的道地药材质量鉴别方法，通过采集不同产地中药材的离子迁移谱、拉曼光谱、紫外光谱，并利用模式识别算法对获得的多谱图信息进行融合判别分析，所用算法包括小波降噪、谱图归一化、核主成分分析、稀疏分类算法。本发明实现了不同产地中药材快速、准确、智能化识别，有效提高了谱图信息利用率，提升了道地药材识别率。
Description
技术领域
本发明属于药材鉴别技术领域，特别涉及了一种基于多谱融合的道地药材质量鉴别方法。
背景技术
中药材是中药复方发挥临床药效的重要基础，而不同产地的中药材因受到不同的地理位置、气候条件、土壤质量、温度、湿度等多种因素的影响，进而表现出有差异的药理作用和临床药效。以黄芪为例，黄芪是豆科植物蒙古黄芪或者膜荚黄芪的干燥根，是我国一种传统的中药材，具有补气固表、利水消肿、镇痛祛痰和敛疮生肌等功效，主产于我国甘肃、内蒙古、山西等诸多省份。但就临床而言，黄芪产地生长环境的不同，也使得各省区药材药效存在差异。
针对道地药材的鉴定工作十分必要，是维护中药材质量安全，保证中药材质量水平的重要环节。目前，针对道地药材的鉴别，如黄芪，主要依靠的是传统的形态学特征鉴定，这需要鉴定者丰富的实践经验和药理知识，不可避免的具有一定的人为主观性和不确定性。近年来，快速发展的色谱指纹图谱法等仪器分析方法，在中药材道地药材等方面取得了一定的进展，但是色谱法，如高效液相色谱发，一般需要比较复杂的样品前处理过程，较为费时费力。
因此，很有必要在现有技术的基础之上，发展一种能快速、准确地鉴别道地药材的新方法。
发明内容
为了解决上述背景技术提出的技术问题，本明旨在提供一种基于多谱融合的道地药材质量鉴别方法，基于离子迁移谱、拉曼光谱、紫外光谱的多谱融合，能够快速、准确地鉴别道地药材。
为了实现上述技术目的，本发明的技术方案为：
一种基于多谱融合的道地药材质量鉴别方法，包括以下步骤：
(1)选取不同产地的道地药材作为样品，对样品进行前处理：
使用粉碎机处理道地药材样品得到粉末样品，取0.5-100g粉末样品，置于1-500mL的提取溶剂中，混合均匀，在25-200℃条件下搅拌，再在冷凝水回流条件下，反应0.1-24h，当反应体系自然冷却至室温，过滤收集滤液，作为待测溶液；
(2)分别采集待测溶液的离子迁移谱数据、拉曼光谱数据以及紫外光谱数据：
采集离子迁移谱数据：
准确移取5-50μL步骤(1)得到的待测溶液，使用电喷雾离子迁移谱仪：正、负离子模式，离子源电压1000-3000V，迁移管电压5000-10000V，载气温度100-250℃，迁移管温度100-250℃，载气流速1-5L/min，进样速度1-5μL/min，门电压1-100V，门脉冲宽度5-300μs，采集获取0-50ms范围内的离子迁移谱数据；
采集拉曼光谱数据：
准确移取0.5-2mL步骤(1)得到的待测溶液加入到透明小瓶中，使用激光光源拉曼光谱仪：激光波长785nm，激光功率450mW；而后置于拉曼光谱仪信号采集暗室内，采集获取200-3000cm-1范围内的拉曼光谱数据；
采集紫外光谱数据：
准确移取0.1-4mL步骤(1)得到的待测溶液置于石英比色皿中，使用紫外光谱仪采集波长190-1100nm范围内的紫外光谱数据；
(3)分别对离子迁移谱数据、拉曼光谱数据以及紫外光谱数据进行降噪和归一化处理：
(a)选择一个小波，并确定小波分解的层数N，然后对谱图数据进行N层小波分解；
(b)对分解得到的小波系数进行阈值处理；
(c)进行小波逆变换，将经阈值处理的小波系数进行重构，得到降噪后的谱图数据；
(d)对降噪后的谱图数据进行归一化处理；
(4)将经过步骤(3)处理后的谱图数据分别采用2种数据融合方法进行多谱融合，并通过SRC分类器得到不同产地的道地药材的识别率；
所述2种数据融合方法包括低层级数据融合和中层级数据融合；
从数据的数据维出发，首先将经步骤(3)处理后的各个谱图数据直接拼接在一起构成融合数据集，然后选择合适的核函数和核参数，对融合数据集进行KPCA分析，提取核主成分作为新变量输入空间；在SRC分类器下，优化核函数和核参数，得到道地药材的识别率；
中层级数据融合的过程如下：
从数据的特征维出发，先单独对经步骤(3)处理后的各谱图进行KPCA特征提取操作，在所选的核主成分下进行不同谱图之间特征的组合，得到融合数据，提取核主成分作为新变量输入空间；在SRC分类器下，优化核函数和核参数，得到道地药材的识别率。
进一步地，在低层级数据融合的过程中，提取累计贡献率大于98％的所有核主成分作为新变量输入空间。
进一步地，在中层级数据融合的过程中，采用控制变量法提取核主成分，即控制其中一个谱图的累计贡献率大于98％的所有核主成分的个数不变，优化其他谱图核主成分个数，根据识别率的大小，确定其他谱图核主成分的最佳个数，在其它谱图核主成分都确定的基础上，再确定一开始控制的谱图核主成分的最佳个数，最终提取出最佳的核主成分组合。
进一步地，在步骤(1)中，提取溶剂采用乙醇、甲醇、水或者前者的相互混合液。
进一步地，在步骤(1)中，取3g粉末样品，置于30mL乙醇溶液中，混合均匀，在100℃下搅拌，再在冷凝水回流条件下反应1h，当反应体系自然冷却至室温，过滤收集滤液，作为待测溶液。
进一步地，在步骤(2)中，采集离子迁移谱数据：准确移取25μL步骤(1)得到的待测溶液，使用电喷雾离子迁移谱仪：负离子模式，离子源电压2000V，迁移管电压8000V，载气温度180℃，迁移管温度180℃，载气流速1.00L/min，进样速度1.20μL/min，门电压45V，门脉冲宽度65μs，采集获取0-30ms范围内的离子迁移谱数据。
进一步地，在步骤(2)中，采集拉曼光谱数据：准确移取1.5mL步骤(1)得到的待测溶液加入到透明小瓶中，使用激光光源拉曼光谱仪：激光波长785nm，激光功率450mW；而后置于拉曼光谱仪信号采集暗室内，采集获取300-3000cm-1范围内的拉曼光谱数据。
进一步地，在步骤(2)中，采集紫外光谱数据：准确移取150μL步骤(1)得到的待测溶液，与3mL乙醇溶液混合后，置于石英比色皿中，使用紫外光谱仪采集波长200-400nm范围内的紫外光谱数据。
进一步地，在步骤(b)中，对分解得到的小波系数采用软阈值法进行阈值处理，软阈值法的公式如下：
上式中，x为小波系数，T为设定的阈值，sign(*)为符号函数。
进一步地，在步骤(d)中，采用下式对降噪后的谱图数据进行归一化处理：
上式中，s、s'分别为归一化处理后的谱图数据。
采用上述技术方案带来的有益效果：
本发明采用离子迁移谱、拉曼光谱、紫外光谱的多谱融合数据来对道地药材进行鉴别，将仪器分析技术与模式识别算法有机结合，实现了道地药材谱图信号的多维采集与计算机智能识别。本发明所采用的离子迁移谱、拉曼光谱、紫外光谱具有多种优点，突出表现在谱图信号采集迅速，样品用量较少，易于便携化等方面。
附图说明
图1为本发明的基本流程图；
图2为不同产地黄芪的离子迁移谱图，横坐标为漂移时间，纵坐标为幅度；
图3为不同产地黄芪的拉曼光谱图，横坐标为波数，纵坐标为幅度；
图4为不同产地黄芪的紫外光谱图，横坐标为波长，纵坐标为幅度；
图5为本发明低层级数据融合示意图；
图6为本发明中层级数据融合示意图；
图7为不同产地黄芪的核主成分分析图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本实施例以具有代表性的药材黄芪作为道地药材进行说明。
如图1所示，一种基于多谱融合的道地药材质量鉴别方法，步骤如下：
步骤1：选取甘肃、内蒙古、山西、四川出产的黄芪作为样品，对样品进行前处理：
使用粉碎机处理(25000r/min，3-10min)黄芪样品得到粉末样品取3g粉末样品，置于30mL乙醇溶液中，混合均匀，在100℃下搅拌，再在冷凝水回流条件下反应1h，当反应体系自然冷却至室温，过滤收集滤液，作为待测溶液。
步骤2：分别采集待测溶液的离子迁移谱数据、拉曼光谱数据以及紫外光谱数据：
准确移取25μL步骤1得到的待测溶液，使用电喷雾离子迁移谱仪：负离子模式，离子源电压2000V，迁移管电压8000V，载气温度180℃，迁移管温度180℃，载气流速1.00L/min，进样速度1.20μL/min，门电压45V，门脉冲宽度65μs，采集获取0-30ms范围内的离子迁移谱数据。图2为不同产地黄芪的离子迁移谱。
准确移取1.5mL步骤(1)得到的待测溶液加入到透明小瓶中，使用激光光源拉曼光谱仪：激光波长785nm，激光功率450mW；而后置于拉曼光谱仪信号采集暗室内，采集获取300-3000cm-1范围内的拉曼光谱数据。图3为不同产地黄芪的拉曼光谱图。
准确移取150μL步骤1得到的待测溶液，与3mL乙醇溶液混合后，置于石英比色皿中，使用紫外光谱仪采集波长200-400nm范围内的紫外光谱数据。图4为不同产地黄芪的紫外光谱图。
步骤3：分别对离子迁移谱数据、拉曼光谱数据以及紫外光谱数据进行降噪和归一化处理：
(1)选择Symlets小波，确定小波分解的层数为4，然后对谱图数据进行4层小波分解；
(2)对分解得到的小波系数进行软阈值处理，软阈值的公式如下：
上式中，x为小波系数，T为设定的阈值，sign(*)为符号函数；
(3)进行小波逆变换，将经阈值处理的小波系数进行重构，得到降噪后的谱图数据；
(4)对降噪后的谱图数据按下式进行归一化处理：
上式中，s、s'分别为归一化处理后的谱图数据。
步骤4：将经过步骤3处理后的谱图数据分别采用2种数据融合方法进行多谱融合，并通过SRC分类器得到不同产地的黄芪的识别率。2种数据融合方法分别为低层级数据融合和中层级数据融合。
低层级数据融合，从数据的数据维出发，将各谱图数据简单拼接在一起，构成综合的谱图数据。如图5所示，首先各个谱图的数据aij,i＝1,...,n,j＝1,...,u，bij,i＝1,...,n,j＝1,...,v，cij,i＝1,...,n,j＝1,...,w直接拼接在一起构成融合数据集xij,i＝1,...,n,j＝1,...,u+v+w，然后进行KPCA分析，选择适当的核函数和核参数，最后提取核主成分作新的变量输入空间；在SRC(基于稀疏表示)分类器下，根据识别率的高低，比较分析不同谱图数据融合的效果。其中提取主成分的个数一般依照主成分的累计贡献率而计算得到的，本发明选取累计贡献率大于98％的所有核主成分作为新的变量输入空间。
中层级数据融合，从数据的特征维出发，先单独对各谱图进行特征提取的操作，而后选择不同谱图之间特征的组合，从而构成大的融合数据。如图6所示，首先各个谱图的数据aij,i＝1,...,n,j＝1,...,u，bij,i＝1,...,n,j＝1,...,v，cij,i＝1,…,n,j＝1,…,w单独进行KPCA特征选取，在所选的核主成分下进行多谱图的特征融合，最后提取核主成分作新的变量输入空间。这里由于是选择不同谱图核主成分之间的组合，因此涉及到核主成分组合问题；本专利采用控制变量法，即控制其中一个谱图的核主成分(累计贡献率为98％的所有核主成分)个数不变，然后优化另外的谱图核主成分个数，根据识别率的大小，确定另外的谱图核主成分最佳个数；再其它谱图核主成分都确定的基础上，再确定这个谱图的最佳核主成分个数，最终得到最佳的核主成分组合。然后，在SRC分类器下，进行核函数的选择和参数优化，比较不同谱图组合的好坏。图7为不同产地黄芪的核主成分分析图。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (10)
1.一种基于多谱融合的道地药材质量鉴别方法，其特征在于，包括以下步骤：
(1)选取不同产地的道地药材作为样品，对样品进行前处理：
使用粉碎机处理道地药材样品得到粉末样品，取0.5-100g粉末样品，置于1-500mL的提取溶剂中，混合均匀，在25-200℃条件下搅拌，再在冷凝水回流条件下，反应0.1-24h，当反应体系自然冷却至室温，过滤收集滤液，作为待测溶液；
(2)分别采集待测溶液的离子迁移谱数据、拉曼光谱数据以及紫外光谱数据：
采集离子迁移谱数据：
准确移取5-50μL步骤(1)得到的待测溶液，使用电喷雾离子迁移谱仪：正、负离子模式，离子源电压1000-3000V，迁移管电压5000-10000V，载气温度100-250℃，迁移管温度100-250℃，载气流速1-5L/min，进样速度1-5μL/min，门电压1-100V，门脉冲宽度5-300μs，采集获取0-50ms范围内的离子迁移谱数据；
采集拉曼光谱数据：
准确移取0.5-2mL步骤(1)得到的待测溶液加入到透明小瓶中，使用激光光源拉曼光谱仪：激光波长785nm，激光功率450mW；而后置于拉曼光谱仪信号采集暗室内，采集获取200-3000cm-1范围内的拉曼光谱数据；
采集紫外光谱数据：
准确移取0.1-4mL步骤(1)得到的待测溶液置于石英比色皿中，使用紫外光谱仪采集波长190-1100nm范围内的紫外光谱数据；
(3)分别对离子迁移谱数据、拉曼光谱数据以及紫外光谱数据进行降噪和归一化处理：
(a)选择一个小波，并确定小波分解的层数N，然后对谱图数据进行N层小波分解；
(b)对分解得到的小波系数进行阈值处理；
(c)进行小波逆变换，将经阈值处理的小波系数进行重构，得到降噪后的谱图数据；
(d)对降噪后的谱图数据进行归一化处理；
(4)将经过步骤(3)处理后的谱图数据分别采用2种数据融合方法进行多谱融合，并通过SRC分类器得到不同产地的道地药材的识别率；
所述2种数据融合方法包括低层级数据融合和中层级数据融合；
低层级数据融合的过程如下：
从数据的数据维出发，首先将经步骤(3)处理后的各个谱图数据直接拼接在一起构成融合数据集，然后选择合适的核函数和核参数，对融合数据集进行KPCA分析，提取核主成分作为新变量输入空间；在SRC分类器下，优化核函数和核参数，得到道地药材的识别率；
中层级数据融合的过程如下：
从数据的特征维出发，先单独对经步骤(3)处理后的各谱图进行KPCA特征提取操作，在所选的核主成分下进行不同谱图之间特征的组合，得到融合数据，提取核主成分作为新变量输入空间；在SRC分类器下，优化核函数和核参数，得到道地药材的识别率。
2.根据权利要求1所述一种基于多谱融合的道地药材质量鉴别方法，其特征在于：在低层级数据融合的过程中，提取累计贡献率大于98％的所有核主成分作为新变量输入空间。
3.根据权利要求1所述一种基于多谱融合的道地药材质量鉴别方法，其特征在于：在中层级数据融合的过程中，采用控制变量法提取核主成分，即控制其中一个谱图的累计贡献率大于98％的所有核主成分的个数不变，优化其他谱图核主成分个数，根据识别率的大小，确定其他谱图核主成分的最佳个数，在其它谱图核主成分都确定的基础上，再确定一开始控制的谱图核主成分的最佳个数，最终提取出最佳的核主成分组合。
4.根据权利要求1所述一种基于多谱融合的道地药材质量鉴别方法，其特征在于：在步骤(1)中，提取溶剂采用乙醇、甲醇、水或者前者的相互混合液。
5.根据权利要求1或4所述一种基于多谱融合的道地药材质量鉴别方法，其特征在于：在步骤(1)中，取3g粉末样品，置于30mL乙醇溶液中，混合均匀，在100℃下搅拌，再在冷凝水回流条件下反应1h，当反应体系自然冷却至室温，过滤收集滤液，作为供试品。
6.根据权利要求1所述一种基于多谱融合的道地药材质量鉴别方法，其特征在于：在步骤(2)中，采集离子迁移谱数据：准确移取25μL步骤(1)得到的待测溶液，使用电喷雾离子迁移谱仪：负离子模式，离子源电压2000V，迁移管电压8000V，载气温度180℃，迁移管温度180℃，载气流速1.00L/min，进样速度1.20μL/min，门电压45V，门脉冲宽度65μs，采集获取0-30ms范围内的离子迁移谱数据。
7.根据权利要求1所述一种基于多谱融合的道地药材质量鉴别方法，其特征在于：在步骤(2)中，采集拉曼光谱数据：准确移取1.5mL步骤(1)得到的待测溶液加入到透明小瓶中，使用激光光源拉曼光谱仪：激光波长785nm，激光功率450mW；而后置于拉曼光谱仪信号采集暗室内，采集获取300-3000cm-1范围内的拉曼光谱数据。
8.根据权利要求1所述一种基于多谱融合的道地药材质量鉴别方法，其特征在于：在步骤(2)中，采集紫外光谱数据：准确移取150μL步骤(1)得到的待测溶液，与3mL乙醇溶液混合后，置于石英比色皿中，使用紫外光谱仪采集波长200-400nm范围内的紫外光谱数据。
9.根据权利要求1所述一种基于多谱融合的道地药材质量鉴别方法，其特征在于：在步骤(b)中，对分解得到的小波系数采用软阈值法进行阈值处理，软阈值法的公式如下：
上式中，x为小波系数，T为设定的阈值，sign(*)为符号函数。
10.根据权利要求1所述一种基于多谱融合的道地药材质量鉴别方法，其特征在于：在步骤(d)中，采用下式对降噪后的谱图数据进行归一化处理：
上式中，s、s'分别为归一化处理后的谱图数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610888888.6A CN106568759A (zh) | 2016-10-11 | 2016-10-11 | 一种基于多谱融合的道地药材质量鉴别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610888888.6A CN106568759A (zh) | 2016-10-11 | 2016-10-11 | 一种基于多谱融合的道地药材质量鉴别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106568759A true CN106568759A (zh) | 2017-04-19 |
Family
ID=58532762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610888888.6A Pending CN106568759A (zh) | 2016-10-11 | 2016-10-11 | 一种基于多谱融合的道地药材质量鉴别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106568759A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107101978A (zh) * | 2017-05-05 | 2017-08-29 | 山东省医药生物技术研究中心 | 一种检测道地中药的方法 |
| CN108663352A (zh) * | 2018-03-27 | 2018-10-16 | 四川中医药高等专科学校 | 一种道地药材的鉴别和标识方法 |
| CN110097127A (zh) * | 2019-05-07 | 2019-08-06 | 杭州麦迪特检测技术服务有限公司 | 基于核主成分分析的黄芪谱图特征提取与产地鉴别方法 |
| CN110110789A (zh) * | 2019-05-08 | 2019-08-09 | 杭州麦迪特检测技术服务有限公司 | 一种基于多谱图信息融合技术的中草药品质鉴别方法 |
| CN110163101A (zh) * | 2019-04-17 | 2019-08-23 | 湖南省中医药研究院 | 中药材种子区别及等级快速判别方法 |
| CN112798572A (zh) * | 2020-12-30 | 2021-05-14 | 北京华泰诺安探测技术有限公司 | 一种拉曼光谱与离子迁移谱联合检测方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102688268A (zh) * | 2012-06-19 | 2012-09-26 | 彭代银 | 一种藤黄药材中藤黄总酸的超声提取及含量测定方法 |
| CN103293141A (zh) * | 2013-03-25 | 2013-09-11 | 江苏省质量安全工程研究院 | 基于离子迁移谱/质谱/拉曼光谱融合技术的白酒年份识别方法 |
| CN104807803A (zh) * | 2015-04-20 | 2015-07-29 | 武汉轻工大学 | 基于多源光谱数据融合的花生油掺伪定量检测方法 |
| CN103245713B (zh) * | 2013-03-25 | 2016-01-20 | 江苏易谱恒科技有限公司 | 基于支持向量机和离子迁移谱的中草药产地鉴别方法 |
| CN105806824A (zh) * | 2016-03-22 | 2016-07-27 | 武汉轻工大学 | 基于多源光谱特征融合的食用油种类快速鉴别方法 |
-
2016
- 2016-10-11 CN CN201610888888.6A patent/CN106568759A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102688268A (zh) * | 2012-06-19 | 2012-09-26 | 彭代银 | 一种藤黄药材中藤黄总酸的超声提取及含量测定方法 |
| CN103293141A (zh) * | 2013-03-25 | 2013-09-11 | 江苏省质量安全工程研究院 | 基于离子迁移谱/质谱/拉曼光谱融合技术的白酒年份识别方法 |
| CN103245713B (zh) * | 2013-03-25 | 2016-01-20 | 江苏易谱恒科技有限公司 | 基于支持向量机和离子迁移谱的中草药产地鉴别方法 |
| CN104807803A (zh) * | 2015-04-20 | 2015-07-29 | 武汉轻工大学 | 基于多源光谱数据融合的花生油掺伪定量检测方法 |
| CN105806824A (zh) * | 2016-03-22 | 2016-07-27 | 武汉轻工大学 | 基于多源光谱特征融合的食用油种类快速鉴别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨义芳 等: "《中药药效物质》", 30 April 2012, 上海科学技术出版社 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107101978A (zh) * | 2017-05-05 | 2017-08-29 | 山东省医药生物技术研究中心 | 一种检测道地中药的方法 |
| CN107101978B (zh) * | 2017-05-05 | 2019-09-24 | 山东省医药生物技术研究中心 | 一种检测道地中药的方法 |
| CN108663352A (zh) * | 2018-03-27 | 2018-10-16 | 四川中医药高等专科学校 | 一种道地药材的鉴别和标识方法 |
| CN110163101A (zh) * | 2019-04-17 | 2019-08-23 | 湖南省中医药研究院 | 中药材种子区别及等级快速判别方法 |
| CN110163101B (zh) * | 2019-04-17 | 2022-09-23 | 湖南省中医药研究院 | 中药材种子区别及等级快速判别方法 |
| CN110097127A (zh) * | 2019-05-07 | 2019-08-06 | 杭州麦迪特检测技术服务有限公司 | 基于核主成分分析的黄芪谱图特征提取与产地鉴别方法 |
| CN110110789A (zh) * | 2019-05-08 | 2019-08-09 | 杭州麦迪特检测技术服务有限公司 | 一种基于多谱图信息融合技术的中草药品质鉴别方法 |
| CN112798572A (zh) * | 2020-12-30 | 2021-05-14 | 北京华泰诺安探测技术有限公司 | 一种拉曼光谱与离子迁移谱联合检测方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106568759A (zh) | 一种基于多谱融合的道地药材质量鉴别方法 | |
| CN110850020B (zh) | 一种基于人工智能的中药识别方法 | |
| Shi et al. | Development of a national VNIR soil-spectral library for soil classification and prediction of organic matter concentrations | |
| Wang et al. | Classification of Chinese herbal medicine by laser-induced breakdown spectroscopy with principal component analysis and artificial neural network | |
| Chengxu et al. | Detection of K in soil using time-resolved laser-induced breakdown spectroscopy based on convolutional neural networks | |
| CN103364362B (zh) | 一种利用THz-TDS结合化学计量学鉴定中草药的方法 | |
| CN107462535B (zh) | 一种基于高斯多峰拟合的光谱解析方法 | |
| CN102749297B (zh) | 一种基于太赫兹理论模拟光谱的农药鉴别方法 | |
| CN106770194A (zh) | 基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法 | |
| CN103076308B (zh) | 激光诱导击穿光谱的重叠峰分辨的方法 | |
| CN113008805A (zh) | 基于高光谱成像深度分析的白芷饮片质量预测方法 | |
| CN103712923A (zh) | 土壤野外原位测量光谱中去除水分影响因素的方法 | |
| CN105158200A (zh) | 一种提高近红外光谱定性分析准确度的建模方法 | |
| CN107121406A (zh) | 一种基于近红外光谱的葡萄籽油掺假鉴别方法 | |
| CN103308620A (zh) | 化妆品中对羟基苯甲酸酯的快速测定方法 | |
| CN103411912A (zh) | 一种利用THz-TDS结合模糊规则专家系统鉴定中草药的方法 | |
| Sha et al. | Improving Raman spectroscopic identification of rice varieties by feature extraction | |
| CN110110789A (zh) | 一种基于多谱图信息融合技术的中草药品质鉴别方法 | |
| CN108872198A (zh) | 基于氩气环境的激光诱导击穿光谱的土壤重金属元素镉检测方法 | |
| CN107132194A (zh) | 一种基于紫外可见光谱及化学模式识别的三七及其伪品鉴别方法 | |
| CN107655918B (zh) | 土壤重金属能谱范围确定方法及装置 | |
| CN102881007A (zh) | 化合物平面分离结果的图像处理方法及其系统 | |
| CN109946413B (zh) | 脉冲式数据非依赖性采集质谱检测蛋白质组的方法 | |
| CN106841170A (zh) | 一种基于小波神经网络算法结合libs技术的煤灰种类识别方法 | |
| CN105277510A (zh) | 一种基于太赫兹理论模拟光谱库的丙环唑鉴别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170419 |