CN107024447B - 一种生药粉在线检测装置和检测方法 - Google Patents
一种生药粉在线检测装置和检测方法 Download PDFInfo
- Publication number
- CN107024447B CN107024447B CN201610063482.4A CN201610063482A CN107024447B CN 107024447 B CN107024447 B CN 107024447B CN 201610063482 A CN201610063482 A CN 201610063482A CN 107024447 B CN107024447 B CN 107024447B
- Authority
- CN
- China
- Prior art keywords
- crude drug
- pill
- drug powder
- sampling
- model
- 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.)
- Active
Links
- 239000000843 powder Substances 0.000 title claims abstract description 100
- 239000003814 drug Substances 0.000 title claims abstract description 84
- 229940079593 drug Drugs 0.000 title claims abstract description 81
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 81
- 239000000523 sample Substances 0.000 claims abstract description 51
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 43
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 238000003908 quality control method Methods 0.000 claims abstract description 18
- 239000013307 optical fiber Substances 0.000 claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 239000006187 pill Substances 0.000 claims description 94
- UILPJVPSNHJFIK-UHFFFAOYSA-N Paeonol Chemical compound COC1=CC=C(C(C)=O)C(O)=C1 UILPJVPSNHJFIK-UHFFFAOYSA-N 0.000 claims description 54
- 241000405414 Rehmannia Species 0.000 claims description 36
- 238000012937 correction Methods 0.000 claims description 35
- 239000004615 ingredient Substances 0.000 claims description 33
- YLTGFGDODHXMFB-UHFFFAOYSA-N isoacetovanillon Natural products COC1=CC=C(C(C)=O)C=C1O YLTGFGDODHXMFB-UHFFFAOYSA-N 0.000 claims description 27
- MLIBGOFSXXWRIY-UHFFFAOYSA-N paeonol Natural products COC1=CC=C(O)C(C(C)=O)=C1 MLIBGOFSXXWRIY-UHFFFAOYSA-N 0.000 claims description 27
- 239000009220 Liuwei Dihuang Decoction Substances 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 26
- AMBQHHVBBHTQBF-UHFFFAOYSA-N Loganin Natural products C12C(C)C(O)CC2C(C(=O)OC)=COC1OC1OC(CO)C(O)C(O)C1O AMBQHHVBBHTQBF-UHFFFAOYSA-N 0.000 claims description 25
- AMBQHHVBBHTQBF-UOUCRYGSSA-N loganin Chemical compound O([C@@H]1OC=C([C@H]2C[C@H](O)[C@H](C)[C@H]21)C(=O)OC)[C@@H]1O[C@H](CO)[C@@H](O)[C@H](O)[C@H]1O AMBQHHVBBHTQBF-UOUCRYGSSA-N 0.000 claims description 25
- YKRGDOXKVOZESV-WRJNSLSBSA-N Paeoniflorin Chemical compound C([C@]12[C@H]3O[C@]4(O)C[C@](O3)([C@]1(C[C@@H]42)O[C@H]1[C@@H]([C@@H](O)[C@H](O)[C@@H](CO)O1)O)C)OC(=O)C1=CC=CC=C1 YKRGDOXKVOZESV-WRJNSLSBSA-N 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 24
- YKRGDOXKVOZESV-UHFFFAOYSA-N paeoniflorin Natural products O1C(C)(C2(CC34)OC5C(C(O)C(O)C(CO)O5)O)CC3(O)OC1C24COC(=O)C1=CC=CC=C1 YKRGDOXKVOZESV-UHFFFAOYSA-N 0.000 claims description 24
- 238000002156 mixing Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 12
- 235000012907 honey Nutrition 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000010828 elution Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 101150061025 rseP gene Proteins 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 7
- 239000012071 phase Substances 0.000 claims description 6
- WEVYAHXRMPXWCK-UHFFFAOYSA-N acetonitrile Substances CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000004128 high performance liquid chromatography Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000004587 chromatography analysis Methods 0.000 claims description 2
- 239000007791 liquid phase Substances 0.000 claims description 2
- 238000007430 reference method Methods 0.000 claims description 2
- 238000002790 cross-validation Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 19
- 238000005303 weighing Methods 0.000 description 7
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001035 drying Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229930182470 glycoside Natural products 0.000 description 1
- 150000002338 glycosides Chemical class 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000006228 supernatant Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000009210 therapy by ultrasound Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
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
- G01N21/17—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
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种生药粉在线检测装置和检测方法，所述检测装置包括混合机、取样管道、取样开关、取样台、光纤探头、近红外光谱仪、控制系统，所述在线检测方法包括以下步骤：(a)在线检测装置的设立；(b)收集不同生产批次的生药粉；(c)测定生药粉中的质控指标；(d)采集生药粉的近红外光谱数据；(e)近红外光谱建模波段选择以及光谱预处理；(f)近红外光谱模型的建立与评价；(g)用所建模型快速在线检测；(h)检测结果的判断和控制。本发明提供的在线检测装置和检测方法有利于快速、准确在线监控生药粉的质量。
Description
技术领域
本发明属于近红外检测领域，具体涉及一种生药粉的在线检测装置和检测方法。
背景技术
中成药制剂中，生药粉的混合是一个关键的步骤，均一性和含量达到目标值是检验生药粉混合是否合格的两个重要考核指标。在实际生产过程中，取样麻烦、传统的检测分析方法费时费力，严重影响生产效率。且在粉碎的过程中部分生药粉的活性成分易受温度影响挥发或结构改变，在粉碎过程中机器发热致温度升高使得其成分损耗导致含量达不到目标值，造成该批生药粉不合格而致使物料浪费并影响后续工艺流程的及时运转。因此实现在线自动控制生药粉混合工艺非常有意义。
近年来，近红外光谱技术已经广泛应用于原药材、成品及制药过程中关键指标的检测。近红外光谱应用于六味地黄丸已有文献“六味地黄丸近红外光谱定性分析方法的建立”、“近红外光谱法快速检测六味地黄丸中的定量指标”、“近红外漫反射光谱法快速鉴别不同厂家的六味地黄丸”等。然而这些文献多数针对是六味地黄丸浓缩丸成品中单一或少数指标成分，且多数采用偏最小二乘回归算法作为定量模型的建模方法，将基于主成分分析的反向人工神经网络用于六味地黄丸小蜜丸生药粉中多个质控指标在线检测未见相关报道。
发明内容
本发明一个目的在于提供一种生药粉的在线检测装置，包括混合机1、取样管道2、取样开关3、取样台4、光纤探头5、近红外光谱仪6、控制系统7。取样台4通过取样管道2与混合机1连接，取样开关3用于控制收集样品；取样台4通过光纤探头5连接近红外光谱仪6；控制系统7与近红外光谱仪6、混合机1通过电缆连接，通过近红外光谱仪6采集取样台4中生药粉的近红外光谱数据并进行建模、检测、分析，并进行结果判断和控制。
进一步的优选，所述在线检测装置还设有一个取样管道口控制器8，设置在取样管道2上，控制取样管道2的端口在混合机1内不同位置取样。
本发明的第二个目的在于提供一种生药粉在线检测方法，该方法包括如下步骤：
(a)在线检测装置的设立：在线检测装置包括混合机1、取样管道2、取样开关3、取样台4、光纤探头5、近红外光谱仪6、控制系统7。取样台4通过取样管道2与混合机1连接，取样开关3用于控制收集样品；取样台4通过光纤探头5连接近红外光谱仪6；控制系统7与近红外光谱仪6、混合机1通过电缆连接，通过近红外光谱仪6采集取样台4中生药粉的近红外光谱数据并进行建模、检测、分析，并进行结果判断和控制；
(b)收集不同生产批次的生药粉；
(c)测定生药粉中的质控指标；
(d)采集生药粉的近红外光谱数据；
(e)近红外光谱建模波段选择以及光谱预处理；
(f)近红外光谱模型的建立与评价；
(g)用所建近红外光谱模型快速在线检测；
(h)检测结果的判断和控制。
进一步优选，步骤(a)中所述在线检测装置还设有一个取样管道口控制器8，控制取样管道2的端口在混合机1内不同位置取样；步骤(h)为：在混合机1内不同部位随机取样5-10个样品，经步骤(g)所得预测结果达到生药粉目标值且各预测结果间RSD值小于5％，控制系统7使混合机1停止混合，进行卸料。
本发明以六味地黄丸小蜜丸生药粉为例，提供六味地黄丸小蜜丸生药粉在线检测方法，应用该方法建立的定量校正模型能快速准确地测定水分、芍药苷、马钱苷、丹皮酚4个质控指标的含量，实现对不同批次六味地黄丸小蜜丸生药粉整体质量的全面快速评价，技术方案详述如下：
一种六味地黄丸小蜜丸生药粉在线检测方法，包括如下步骤：
(a)在线检测装置的设立：在线检测装置包括混合机1、取样管道2、取样开关3、取样台4、光纤探头5、近红外光谱仪6、控制系统7，取样台4通过取样管道2与混合机1连接，取样开关3用于控制收集样品，取样台4通过光纤探头5连接近红外光谱仪6，控制系统7与近红外光谱仪6、混合机1通过电缆连接，通过近红外光谱仪6采集取样台4中生药粉的近红外光谱数据并进行建模、检测、分析，并进行结果判断和控制；
(b)采集不同生产批次的六味地黄丸小蜜丸生药粉；
(c)测定六味地黄丸小蜜丸生药粉中的关键质控指标：选取水分含量、马钱苷含量、芍药苷含量和丹皮酚含量作为六味地黄丸小蜜丸生药粉的关键质控指标；其中水分含量采用烘干称重法测定，芍药苷、马钱苷和丹皮酚含量采用高效液相色谱法测定：其中液相色谱条件为：色谱柱：C18色谱柱，优选Waters CORTECS C18分析柱，4.6×150mm，2.7μm；流动相：水(A)-乙腈(B)，梯度洗脱；检测波长0-30min，240nm，30-60min，274nm；流速为0.8mL·min-1，进样量为10μL，柱温30℃，所述梯度洗脱按照如下表1进行，
表1梯度洗脱表
(d)采集六味地黄丸小蜜丸生药粉近红外光谱数据：采集六味地黄丸小蜜丸生药粉校正集样品和验证集样品的近红外原始光谱数据，打开取样开关3，通过取样管道2，适量生药粉进入取样台4，通过光纤探头5采用漫反射内置光源采集近红外光谱，粉末厚度为1cm，以空气为参比，扫描次数为32，分辨率为8cm-1，扫描光谱范围为4000～10000cm-1，通过3次重复装样扫描得到3张光谱，平均光谱后得到该药材样本的最终光谱图；
(e)选择合适的近红外光谱建模波段和近红外原始光谱预处理方法：针对步骤(d)采集的近红外原始光谱数据，包括校正集和验证集样本，采用标准正则化变换(SNV)和二阶导数法(Savitzky-Golay平滑)预处理，分别用于消除基线漂移、噪音及固体颗粒对光谱的影响；预处理后，建模波段选择为：水分和芍药苷含量模型采用4500～7500cm-1波段，马钱苷含量模型采用7400～8200cm-1和9291～9345cm-1波段，丹皮酚含量模型采用4600～6900cm-1波段；
(f)建立六味地黄丸小蜜丸生药粉中各关键质控指标的近红外定量校正模型：应用化学计量学软件将所得到的近红外光谱信息和参比方法所测得的标准值进行关联，采用基于主成分的反向人工神经网络(PCA-BPANN)建立近红外光谱和关键质控指标之间的定量校正模型；
(g)测定待测的六味地黄丸小蜜丸生药粉样品的近红外光谱数据，导入步骤(f)所述定量校正模型，经模型计算得到待测样品中水分、马钱苷、芍药苷、丹皮酚的预测含量。
(h)检测结果的判断和控制：在混合机1内不同部位随机取样5-10个样品，经步骤(g)所得预测结果达到生药粉目标值且各预测结果间RSD值小于5％，控制系统7使混合机1停止混合，进行卸料。
本发明所述步骤(f)具体实现如下：经步骤(e)对光谱进行波段选择和预处理后，采用基于主成分分析的BP人工神经网络(PCA-BPANN)计算方法建立近红外特征光谱信息与水分含量、芍药苷含量、马钱苷含量和丹皮酚含量这4个质控指标的定量校正模型，并通过各模型性能评价指标考察模型性能，将验证集数据导入已建的PCA-BPANN定量校正模型，通过模型性能评价指标判断模型的稳定性和预测能力；其中应用主成分分析法(PCA)对六味地黄丸小蜜丸生药粉光谱特征变量进行数据降维处理，提取出有效的主特征变量，作为反向人工神经网络的输入层单元数，将已测得的校正集样本各质控指标的含量作为标准输出，建立隐藏层为2的反向人工神经网络(BP-ANN)网络模型；根据模型的精密度和预测的准确性，寻找最优隐藏层单元数，输入层到隐含层的传递函数为正切S形传递函数(Tansig)，隐含层到输出层的传递函数为线性传递函数(Purelin)，同时采用Levenberg-Marquardt规则训练网络，学习速率为0.1，重复训练次数为1000，训练终止目标为4×10-7；最终经校正集样本数据训练得到六味地黄丸小蜜丸生药粉各质控指标的基于主成分分析的反向人工神经网络(PCA-BP-ANN)定量模型；利用验证集样品对训练好的PCA-BPANN定量模型进行验证和测试，输入经同样预处理的验证集样本近红外光谱数据，输出为该样本近红外光谱所对应的六味地黄丸小蜜丸生药粉水分、芍药苷、马钱苷和丹皮酚的含量。通过模型性能评价指标判断4个定量模型的稳定性和预测能力；所述定量校正模型性能评价指标包括：相关系数(R)、校正集均方差(RMSEC)、预测集均方差(RMSEP)、相对偏差(RSEP)。当R值接近于1，RMSEC和RMSEP值较小且互相接近时，说明模型的稳定性好，预测精度高。当RSEP值小于10％时，评价模型具有较好的预测能力，能够满足六味地黄丸小蜜丸生药粉快速在线检测的要求。
本发明的有益效果：
(1)本发明的生药粉在线检测装置和检测方法，实现实时在线检测，取样简便，减少外来污染，节省检测时间，结果准确可靠，有力保障了生药粉达到均一性和含量指标要求，节约了生产成本，提高了生产效率和经济效益，能全面反映生药粉的质量，有助于保证成品质量的安全性、有效性和均一性。
(2)本发明将近红外光谱技术引入到六味地黄丸小蜜丸生药粉检测领域中，并将反向人工神经网络理论与近红外光谱技术相结合，先利用主成分分析(PCA)进行光谱数据有效特征提取，提高数据处理效率和模型训练精度，建立六味地黄丸小蜜丸生药粉中水分含量、马钱苷含量、芍药苷含量、丹皮酚含量的近红外定量校正模型，可以同时对水分、芍药苷、马钱苷和丹皮酚含量进行快速无损分析，分析结果准确可靠，与常规的复杂分析方法相比，本发明所建立的近红外检测方法操作简便，准确有效。
附图说明
附图1为在线检测装置结构示意图
附图2是六味地黄丸小蜜丸生药粉近红外原始吸收光谱图
附图3是六味地黄丸小蜜丸生药粉水分含量实测值与近红外预测值的相关图
附图4是六味地黄丸小蜜丸生药粉验证集水分含量实测值与预测值柱状图
附图5是六味地黄丸小蜜丸生药粉芍药苷含量实测值与近红外预测值的相关图
附图6是六味地黄丸小蜜丸生药粉验证集芍药苷含量实测值与预测值柱状图
附图7是六味地黄丸小蜜丸生药粉马钱苷含量实测值与近红外预测值的相关图
附图8是六味地黄丸小蜜丸生药粉验证集马钱苷含量实测值与预测值柱状图
附图9是六味地黄丸小蜜丸生药粉丹皮酚含量实测值与近红外预测值的相关图
附图10是六味地黄丸小蜜丸生药粉验证集丹皮酚含量实测值与预测值柱状图
具体实施方式
实施例1在线检测装置
参阅附图1，一种生药粉在线检测装置，包括混合机1、取样管道2、取样开关3、取样台4、光纤探头5、近红外光谱仪6、控制系统7。取样台4通过取样管道2与混合机1连接，取样开关3用于控制收集样品；取样台4通过光纤探头5连接近红外光谱仪6；控制系统7与近红外光谱仪6、混合机1通过电缆连接，通过近红外光谱仪6采集取样台4中生药粉的近红外光谱数据并进行建模、检测、分析，并进行结果判断和控制。为更好的取样，在线检测装置还设有一个取样管道口控制器8，设置在取样管道2上，控制取样管道2的端口在混合机1内不同位置取样。
使用时，打开取样开关3，通过取样管道2，适量生药粉进入取样台4，通过光纤探头5采集近红外光谱，需在混合机1内不同部位随机取样5-10个样品，经控制系统所得预测结果达到生药粉目标值且各预测结果间RSD值小于5％，控制系统7使混合机1停止混合，进行卸料。
实施例2
以六味地黄丸小蜜丸生药粉为例的生药粉在线检测方法(结合附图1)，包括如下步骤：
(a)在线检测装置的设立：在线检测装置包括混合机1、取样管道2、取样开关3、取样台4、光纤探头5、近红外光谱仪6、控制系统7，取样台4通过取样管道2与混合机1连接，取样开关3用于控制收集样品，取样台4通过光纤探头5连接近红外光谱仪6，控制系统7与近红外光谱仪6、混合机1通过电缆连接，通过近红外光谱仪6采集取样台4中生药粉的近红外光谱数据并进行建模、检测、分析，并进行结果判断和控制；为更好的取样，在线检测装置还设有一个取样管道口控制器8，设置在取样管道2上，控制取样管道2的端口在混合机1内不同位置取样。
(b)采集不同生产批次的六味地黄丸小蜜丸生药粉：采集53批次六味地黄丸小蜜丸生药粉；
(c)测定六味地黄丸小蜜丸生药粉中的关键质控指标：
①六味地黄丸小蜜丸水分含量测定
水分测定方法：根据药典烘干法，取烘干至恒重(连续两次称重差异小于5mg)的扁形瓶(X0)，取2g六味地黄丸小蜜丸生药粉，精密称重(X1)，置真空烘箱中105℃烘5h，取出置干燥器中冷却30min，称重，再置真空烘箱中烘1h，称重(X2)，重量差异5mg以上者继续置烘箱中烘，直至差异小于5mg。根据减少的重量，计算供试品中含水量(％)。
水分含量(％)＝(X1－X2+X0)/X1×100
②六味地黄丸小蜜丸生药粉中芍药苷、马钱苷和丹皮酚含量测定
芍药苷、马钱苷和丹皮酚含量采用高效液相色谱法测定：a.预处理方法为：取六味地黄丸小蜜丸生药粉粉末约1g，精密称定，置具塞锥形瓶中，精密加50mL的甲醇，超声0.5h，再称重，用甲醇补足失重。提取液至1.5mL的离心管中离心10min，转速为13000r·min-1，取上清液，既得。b.液相色谱条件：色谱柱：Waters CORTECS C18分析柱(4.6×150mm，2.7μm)；流动相：乙腈(B)-水(A)为流动相，梯度洗脱(按0～30min，流动相(B)5→15％，30～35min，流动相(B)15％，35～60min，15→60％)；检测波长0～30min:240nm，30～60min:274nm；流速为0.8mL·min-1；进样量为10μL；柱温30℃，理论塔板数按丹皮酚计算不应低于3500。
(d)采集六味地黄丸小蜜丸生药粉校正集样品和验证集样品的近红外原始光谱数据：
采集53批次(包括37个校正集，16个验证集)六味地黄丸小蜜丸生药粉，打开取样开关3，通过取样管道2，适量生药粉进入取样台4，通过光纤探头5采用漫反射内置光源采集近红外光谱，粉末厚度为1cm，探头与粉末表层间距为10cm，探头测量直径为10mm，以空气为参比，扫描次数为32，分辨率为8cm-1，扫描光谱范围为4000～10000cm-1，通过3次重复装样扫描得到3张光谱，平均光谱后得到该药材样本的最终光谱图，见附图2。
(e)选择合适的近红外光谱建模波段和近红外原始光谱预处理方法
采用标准正则化变换(SNV)和二阶导数法(Savitzky-Golay平滑)预处理近红外光谱原始数据，分别用于消除基线漂移、噪音及固体颗粒等对光谱的影响。光谱预处理后，进行建模波段选择：水分和芍药苷含量模型采用4500～7500cm-1波段，马钱苷含量模型采用7400～8200cm-1和9291～9345cm-1波段，丹皮酚含量模型采用4600～6900cm-1波段。
(f)六味地黄丸小蜜丸生药粉的近红外定量校正模型建立：
①水指标的近红外定量校正模型：在4500～7500cm-1范围内，对预处理后的近红外光谱数据(包括37个校正集，16个验证集)，首先应用主成分分析法(PCA)对六味地黄丸小蜜丸生药粉校正集样本光谱特征变量进行降维，提取出前25个主成分，其累计贡献率达到99％以上，作为反向人工神经网络(BP-ANN)的输入层单元数，将已测得的37个校正集样本水分含量作为标准输出层，建立2层结构BPANN模型。通过选择不同的中间隐藏层单元数进行反复试验，最终确定了经校正集样本训练得到PCA-BPANN定量校正模型。
②马钱苷、芍药苷和丹皮酚近红外定量模型：对预处理后的近红外光谱数据，利用主成分分析法进行数据降维，对于芍药苷、丹皮酚和马钱苷分别提取出前35、33、33个主成分为主特征变量，其累计总贡献率均大于99％。因此将主特征变量作为BP神经网络的输入，将已测得的37个校正集样品的马钱苷、芍药苷和丹皮酚含量作为标准输出，建立隐藏层为2的BPANN模型。最终确定隐藏层单元数分别为10，10时，训练结束后得到的芍药苷、丹皮酚和马钱苷含量的PCA-BPANN模型精度最高。
③六味地黄丸小蜜丸生药粉中各指标近红外定量模型的建立及验证
随机选择约三分之二样本作为校正集，剩余的三分之一样本作为验证集用于预测。建立隐藏层为2的BP-ANN网络模型。根据模型的精密度和预测的准确性，寻找最优隐藏层单元数，输入层到隐含层的传递函数为正切S形传递函数(Tansig)，隐含层到输出层的传递函数为线性传递函数(Purelin)，同时采用Levenberg-Marquardt规则训练网络，学习速率为0.1，重复训练次数为1000，训练终止目标为4×10-7。最终经校正集样本数据训练得到六味地黄丸小蜜丸生药粉各质控指标的PCA-BP-ANN定量模型。
所建立的定量校正模型采用相关系数(R)、校正集均方差(RMSEC)、预测集均方差(RMSEP)等参数来考察模型性能，当模型相关系数R越接近1，分析准确度越高，当RMSEC和RMSEP值越小且彼此越接近时，模型具有较高的预测能力。同时采用预测相对偏差(RSEP)来评价模型对未知样品的预测能力，当RSEP值小于10％且越小时评价模型具有较好的预测能力，能够满足六味地黄丸生药粉有效成分指标成分快速在线检测的要求。
表2为六味地黄丸小蜜丸生药粉中各个指标模型评价结果。从表2中可以看出四个指标的PCA-BPANN模型校正集相关系数均大于0.89，线性良好，RMSEC和RMSEP均较小，且比较接近。对已建立模型进行预测，可以从表中看出已建立的水分模型预测能力较好，RSEP小于5％，另外芍药苷和丹皮酚模型的RSEP小于12％，能够满足粉末近红外光谱建模的预测能力要求。所建立的PCA-BPANN模型的校正和验证结果相近，泛化能力强，具有较好的预测能力和模型稳定性。
表2六味地黄丸小蜜丸生药粉中各指标含量模型评价结果
(g)测定待测的六味地黄丸小蜜丸生药粉样品的近红外光谱数据，导入步骤(f)所述定量校正模型，经模型计算得到待测样品中水分、马钱苷、芍药苷、丹皮酚的预测含量。
将4个定量模型分别用于预测验证集样品中水分、芍药苷、马钱苷和丹皮酚的含量。水分含量的实测值和近红外预测值的比较见附图3-4，芍药苷含量的实测值和近红外预测值的比较见附图5-6，马钱苷含量的实测值和近红外预测值的比较见附图7-8，丹皮酚含量的实测值和近红外预测值的比较见附图9-10。可以看出六味地黄丸小蜜丸生药粉的4个指标含量实测值与近红外预测值接近。表明本发明所采用的方法适用于六味地黄丸小蜜丸生药粉中各指标的快速在线定量分析，该方法的稳定性和适用性较好。
(h)检测结果的判断和控制：在混合机1内不同部位随机取样5-10个样品，经步骤(g)所得预测结果达到生药粉目标值且各预测结果间RSD值小于5％，控制系统7使混合机1停止混合，进行卸料。
Claims (5)
1.一种生药粉在线检测方法，其特征在于，所述生药粉为六味地黄丸小蜜丸生药粉，所述检测方法包括如下步骤：
(a)在线检测装置的设立：在线检测装置包括混合机(1)、取样管道(2)、取样开关(3)、取样台(4)、光纤探头(5)、近红外光谱仪(6)、控制系统(7)，取样台(4)通过取样管道(2)与混合机(1)连接，取样开关(3)用于控制收集样品，取样台(4)通过光纤探头(5)连接近红外光谱仪(6)，控制系统(7)与近红外光谱仪(6)、混合机(1)通过电缆连接，通过近红外光谱仪(6)采集取样台(4)中生药粉的近红外光谱数据并进行建模、检测、分析，并进行结果判断和控制；所述在线检测装置还设有一个取样管道口控制器(8)，控制取样管道(2)的端口在混合机(1)内不同位置取样；
(b)收集不同生产批次的六味地黄丸小蜜丸生药粉；
(c)测定六味地黄丸小蜜丸生药粉中的质控指标：选取水分含量、马钱苷含量、芍药苷含量和丹皮酚含量作为六味地黄丸小蜜丸生药粉的关键质控指标；
(d)采集六味地黄丸小蜜丸生药粉的近红外光谱数据；
(e)选择合适的近红外光谱建模波段和近红外原始光谱预处理方法：近红外光谱原始数据采用标准正则化变换(SNV)和二阶导数法(Savitzky-Golay平滑)预处理，预处理后，建模波段选择为：水分和芍药苷含量模型采用4500～7500cm-1波段，马钱苷含量模型采用7400～8200cm-1和9291～9345cm-1波段，丹皮酚含量模型采用4600～6900cm-1波段；
(f)建立六味地黄丸小蜜丸生药粉中各关键质控指标的近红外定量校正模型：应用化学计量学软件将所得到的近红外光谱信息和参比方法所测得的标准值进行关联，采用基于主成分的反向人工神经网络法(PCA-BPANN)建立近红外光谱和关键质控指标之间的定量校正模型，对所述校正模型进行交叉验证，以相关系数(R)、校正集均方差(RMSEC)、预测集均方差(RMSEP)、相对偏差(RSEP)、相对分析误差(RPD)中的多个参数评价模型性能；
(g)测定待测的六味地黄丸小蜜丸生药粉样品的近红外光谱数据，导入步骤(f)所述定量校正模型，经模型计算得到待测样品中水分、马钱苷、芍药苷、丹皮酚的预测含量；
(h)检测结果的判断和控制。
2.根据权利要求1所述的在线检测方法，其特征在于步骤(h)为：在混合机(1)内不同部位随机取样5-10个样品，经步骤(g)所得预测结果达到生药粉目标值且各预测结果间RSD值小于5％时，控制系统(7)使混合机(1)停止混合，进行卸料。
3.根据权利要求1所述的在线检测方法，其特征在于，步骤(c)中所述芍药苷、马钱苷和丹皮酚含量采用高效液相色谱法测定：其中液相色谱条件为：色谱柱：C18色谱柱；流动相：水(A)-乙腈(B)，梯度洗脱；检测波长0-30min，240nm，30-60min，274nm；流速为0.8mL·min-1，进样量为10μL，柱温30℃，所述梯度洗脱按照如下表1进行，
表1梯度洗脱表
4.根据权利要求1所述的在线检测方法，其特征在于，所述步骤(d)通过以下步骤采集近红外光谱数据：采用漫反射内置光源采集近红外光谱，粉末厚度为1cm，以空气为参比，扫描次数为32，分辨率为8cm-1，扫描光谱范围为4000～10000cm-1。
5.根据权利要求1所述的在线检测方法，其特征在于，所述步骤(f)中通过如下步骤处理：将预处理并选择波段的近红外光谱进行主成分分析(PCA)以提取六味地黄丸小蜜丸生药粉光谱的主特征变量，作为反向人工神经网络BP-ANN的输入层单元数，构建两层结构的人工神经网络模型；经测试得输入层到隐含层的传递函数为正切S形传递函数(Tansig)，隐含层到输出层的传递函数为线性传递函数(Purelin)，同时采用Levenberg-Marquardt规则训练网络，学习速率为0.1，重复训练次数为1000，训练终止目标为4×10-7；最终经校正集样本数据训练得到六味地黄丸小蜜丸生药粉中各关键质控指标的基于主成分分析的反向人工神经网络(PCA-BPANN)定量校正模型，并通过综合评价指标全面考察模型，利用验证集样品对训练好的PCA-BPANN定量模型的稳定性和预测能力进行测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610063482.4A CN107024447B (zh) | 2016-01-29 | 2016-01-29 | 一种生药粉在线检测装置和检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610063482.4A CN107024447B (zh) | 2016-01-29 | 2016-01-29 | 一种生药粉在线检测装置和检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107024447A CN107024447A (zh) | 2017-08-08 |
| CN107024447B true CN107024447B (zh) | 2022-03-29 |
Family
ID=59524170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610063482.4A Active CN107024447B (zh) | 2016-01-29 | 2016-01-29 | 一种生药粉在线检测装置和检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107024447B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110632016B (zh) * | 2019-10-17 | 2022-03-15 | 四川长虹电器股份有限公司 | 基于近红外光谱仪的中药饮片检测系统 |
| CN110849999B (zh) * | 2019-12-05 | 2022-12-06 | 江西永通科技股份有限公司 | 一种分离8-表马钱子苷和马钱子苷的液相色谱方法 |
| CN111966069A (zh) * | 2020-09-01 | 2020-11-20 | 苏州泽达兴邦医药科技有限公司 | 一种中药智能生产过程中实时检测方法及装置 |
| CN112198135B (zh) * | 2020-09-17 | 2023-09-29 | 江西本草天工科技有限责任公司 | 一种基于近红外光谱技术的维c银翘片制粒过程在线检测装置和快速终点判断方法 |
| CN112834270A (zh) * | 2020-12-30 | 2021-05-25 | 黄石燕舞药业有限公司 | 一种二维混合机液料微量取样系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007106942A1 (en) * | 2006-03-21 | 2007-09-27 | Commonwealth Scientific And Industrial Research Organisation | Analysis of grape quality using neural network |
| CN101614659A (zh) * | 2009-07-24 | 2009-12-30 | 上海现代中医药技术发展有限公司 | 对中药提取过程进行在线检测控制的装置与方法 |
| CN102252992A (zh) * | 2011-04-28 | 2011-11-23 | 天津红日药业股份有限公司 | 一种对中药提取过程进行近红外在线检测方法 |
| CN102566533A (zh) * | 2011-11-25 | 2012-07-11 | 福建中烟工业有限责任公司 | 一种烟用香精香料调配的在线监控装置及方法 |
| CN104792652A (zh) * | 2015-05-02 | 2015-07-22 | 浙江大学 | 一种黄芪药材多指标快速检测方法 |
| CN104964947A (zh) * | 2015-06-12 | 2015-10-07 | 安徽华润金蟾药业股份有限公司 | 一种黄芪配方颗粒混合过程在线质量控制方法 |
-
2016
- 2016-01-29 CN CN201610063482.4A patent/CN107024447B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007106942A1 (en) * | 2006-03-21 | 2007-09-27 | Commonwealth Scientific And Industrial Research Organisation | Analysis of grape quality using neural network |
| CN101614659A (zh) * | 2009-07-24 | 2009-12-30 | 上海现代中医药技术发展有限公司 | 对中药提取过程进行在线检测控制的装置与方法 |
| CN102252992A (zh) * | 2011-04-28 | 2011-11-23 | 天津红日药业股份有限公司 | 一种对中药提取过程进行近红外在线检测方法 |
| CN102566533A (zh) * | 2011-11-25 | 2012-07-11 | 福建中烟工业有限责任公司 | 一种烟用香精香料调配的在线监控装置及方法 |
| CN104792652A (zh) * | 2015-05-02 | 2015-07-22 | 浙江大学 | 一种黄芪药材多指标快速检测方法 |
| CN104964947A (zh) * | 2015-06-12 | 2015-10-07 | 安徽华润金蟾药业股份有限公司 | 一种黄芪配方颗粒混合过程在线质量控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107024447A (zh) | 2017-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107024447B (zh) | 一种生药粉在线检测装置和检测方法 | |
| Jintao et al. | Rapid and simultaneous analysis of five alkaloids in four parts of Coptidis Rhizoma by near-infrared spectroscopy | |
| CN1982872B (zh) | 快速检测滴丸剂水分含量的近红外漫反射光谱法 | |
| CN108519348A (zh) | 甘草药材近红外定量分析模型及检测方法和标准 | |
| CN102106939B (zh) | 一种测定六味地黄丸浓缩丸提取浓缩液比重及马钱苷、丹皮酚含量的方法 | |
| CN102539566B (zh) | 运用近红外光谱技术快速测定盾叶薯蓣中薯蓣皂苷含量的方法 | |
| CN103776777B (zh) | 一种用近红外光谱技术识别不同生长方式人参及对人参中组分含量测定的方法 | |
| CN105548026A (zh) | 一种快速的郁金药材质控检测方法 | |
| CN103033486B (zh) | 陈皮及广陈皮药材质量的近红外光谱监控方法 | |
| CN1982874B (zh) | 快速检测滴丸剂有效成分含量的近红外漫反射光谱法 | |
| CN103091274B (zh) | 近红外漫反射光谱测定注射用丹参多酚酸水分含量的方法 | |
| CN103439288A (zh) | 一种银杏叶药材实时放行检测方法 | |
| Shao et al. | Fast determination of two atractylenolides in Rhizoma Atractylodis Macrocephalae by Fourier transform near-infrared spectroscopy with partial least squares | |
| CN107024446A (zh) | 一种六味地黄丸小蜜丸生药粉多指标快速检测方法 | |
| CN104237060A (zh) | 一种金银花药材多指标快速检测方法 | |
| CN108663337B (zh) | 一种测定丹参酮类成分的方法及其应用 | |
| CN101231274A (zh) | 近红外光谱快速测定山药中尿囊素含量的方法 | |
| Li et al. | An approach combining real-time release testing with near-infrared spectroscopy to improve quality control efficiency of Rhizoma paridis | |
| CN104568822A (zh) | 一种连翘药材多指标同时快速检测方法 | |
| CN105203496A (zh) | 一种尪痹片浓缩过程近红外在线检测方法 | |
| CN107064057A (zh) | 一种低含水率油田污泥含油量的快速测试方法 | |
| CN108007898A (zh) | 一种快速的艾片药材检测方法 | |
| CN104132909A (zh) | 诃子中没食子酸含量的近红外快速测定方法 | |
| CN105784951B (zh) | 一种六味地黄丸浓缩丸生药粉多指标快速检测方法 | |
| CN105181637A (zh) | 利用近红外漫反射光谱快速测定红参质量指标含量的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |