CN107389598A - 一种鉴定槐花品质的近红外光谱分析方法 - Google Patents
一种鉴定槐花品质的近红外光谱分析方法 Download PDFInfo
- Publication number
- CN107389598A CN107389598A CN201710594111.3A CN201710594111A CN107389598A CN 107389598 A CN107389598 A CN 107389598A CN 201710594111 A CN201710594111 A CN 201710594111A CN 107389598 A CN107389598 A CN 107389598A
- Authority
- CN
- China
- Prior art keywords
- sophora flower
- quality
- sample
- near infrared
- spectrum
- 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.)
- Granted
Links
- 241000219784 Sophora Species 0.000 title claims abstract description 71
- 230000003595 spectral effect Effects 0.000 title claims abstract description 18
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000001228 spectrum Methods 0.000 claims abstract description 36
- 239000003814 drug Substances 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000002329 infrared spectrum Methods 0.000 claims description 27
- 239000003610 charcoal Substances 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 11
- 238000010183 spectrum analysis Methods 0.000 claims description 5
- 238000013278 delphi method Methods 0.000 claims description 4
- 239000010453 quartz Substances 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 230000010076 replication Effects 0.000 claims description 3
- 238000003705 background correction Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 208000011580 syndromic disease Diseases 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000036541 health Effects 0.000 description 13
- 239000008280 blood Substances 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 7
- 238000001816 cooling Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 208000032843 Hemorrhage Diseases 0.000 description 3
- 244000046101 Sophora japonica Species 0.000 description 3
- 230000023597 hemostasis Effects 0.000 description 3
- 230000000740 bleeding effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- -1 flavone compound Chemical class 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 235000021374 legumes Nutrition 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 102000003712 Complement factor B Human genes 0.000 description 1
- 108090000056 Complement factor B Proteins 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 235000010586 Sophora japonica Nutrition 0.000 description 1
- GAMYVSCDDLXAQW-AOIWZFSPSA-N Thermopsosid Natural products O(C)c1c(O)ccc(C=2Oc3c(c(O)cc(O[C@H]4[C@H](O)[C@@H](O)[C@H](O)[C@H](CO)O4)c3)C(=O)C=2)c1 GAMYVSCDDLXAQW-AOIWZFSPSA-N 0.000 description 1
- 230000003110 anti-inflammatory effect Effects 0.000 description 1
- 230000000259 anti-tumor effect Effects 0.000 description 1
- 230000000840 anti-viral effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 229930003944 flavone Natural products 0.000 description 1
- 235000011949 flavones Nutrition 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 208000035861 hematochezia Diseases 0.000 description 1
- 208000014617 hemorrhoid Diseases 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 229930182490 saponin Natural products 0.000 description 1
- 235000017709 saponins Nutrition 0.000 description 1
- 150000003431 steroids Chemical class 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- VHBFFQKBGNRLFZ-UHFFFAOYSA-N vitamin p Natural products O1C2=CC=CC=C2C(=O)C=C1C1=CC=CC=C1 VHBFFQKBGNRLFZ-UHFFFAOYSA-N 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
- G01N21/17—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
-
- 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
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
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
本发明公开了一种鉴定槐花品质的近红外光谱分析方法。包括如下步骤：S1.样品的收集、品质筛选及光谱数据采集；S2.确定特征谱段：除去槐花温湿度及样品含水量影响，初步确定建模范围，对初步确定建模范围分别或组合分析，确定特征谱段；S3.建立定性鉴别模型：在特征谱段范围内，选择适合的不同炮制品组阈值范围，建立槐花品质的近红外定性鉴别模型；S4.模型的验证；S5.未知样品鉴定。本发明首次利用近红外分析方法建立槐花品质的定性鉴别模型客观评价槐花品质，与传统经验鉴别比较，方法简单快速，客观化、可量化、数字化评价中药质量。本发明为槐花品质的评价提供新的鉴定方法，对市场槐花炮制品的质量监管提供科学依据。
Description
技术领域
本发明属于药材检测技术领域。更具体地，涉及一种鉴定槐花品质的近红外光谱分析方法。
背景技术
槐花为豆科植物槐Sophora japonica L.的干燥花，主产于河北、山东、河南、天津等地。本品味苦，微寒，具有清肝泻火、清热凉血的作用，临床用于血痢、便血、吐血、肝热目赤等。槐花主要含有黄酮类化合物、皂苷类化合物和甾类等化学成分，具有抗炎、抗病毒、抗真菌、抗肿瘤、止血、降血脂作用，降压扩冠心血管，对治疗痔病出血有显著疗效。
槐花生品有清肝泻火、清热凉血的作用，多用于血热妄行，肝热目赤，头痛眩晕，疮毒肿痛；炒品则缓和其苦寒之性，清热凉血的作用较生品差，有凉血止血作用，保存药效；炭品凉血止血强，可用于各种出血症等。
中药饮片质量控制方法主要根据药工对火候的把握，采用感官评价，通过眼看、鼻闻、口尝等方式来控制炮制火候和饮片质量。但是，该方法主观因素影响比较大，同一情况两药工的结论也可能不一样，因此规范统一中药饮片标准尤为重要。现代近红外光谱分析方法是结合化学计量学技术分析使用，具有不需要复杂繁琐的预处理，操作简便，分析速度快，无损无化学污染等优点，近年来该方法也越来越多地在应用中药分析中。
现有技术未见有采用近红外光谱分析技术定性鉴别槐花品质的相关报道。
发明内容
本发明要解决的技术问题是克服现有采用感官评价来鉴别槐花品质存在的缺陷和不足，提供一种利用近红外光谱测定槐花品质的方法，所述方法与传统经验鉴别比较，方法简单快速，客观化、可量化、数字化评价中药质量。
本发明的目的是提供一种鉴定槐花品质的近红外光谱分析方法。
本发明上述目的是通过以下技术方案给予实现的：
一种鉴定槐花品质的近红外光谱分析方法，包括如下步骤：
S1.光谱数据采集：收集不同批次的槐花炮制品，人工筛选出品质较好的槐花炮制品，预处理后采集近红外光谱数据；
S2.确定特征谱段：除去槐花温湿度及样品含水量影响，利用相关系数分析法、一阶导数处理和二阶导数处理，初步确定建模范围为10000～7500cm-1、6545～5600cm-1和4700～4000cm-1；采用因子化法，预处理方法为二阶导数和矢量归一化法，以错判数和准确率为指标，对初步确定建模范围分别或组合分析，确定特征谱段为6545～5600cm-1；
S3.建立定性鉴别模型：在特征谱段范围内，选择适合的不同炮制品组阈值范围，建立槐花品质的近红外定性鉴别模型；
S4.模型的验证：将未用于建模的槐花炮制品、少量不符合标准的槐花炮制品及槐米验证模型的准确性；
S5.未知样品测定：取品质未知的槐花待测样品，采集近红外光谱，应用步骤S3建立的定性模型进行品质鉴定。
阈值是对定性模型中同组样品的所有光谱设定的一个距离限度，选取合适的阈值，使该组样品的所有光谱的距离都小于这个限度，而模型中其他样品的光谱距离均大于这个限度；阈值公式DT＝DMax+X·S0，其中DMax为该组样品中所有光谱到平均光谱的最大距离，S0为光谱距离的标准偏差，X默认值为0.25，若样品的匹配值(光谱与一组样品平均光谱的光谱距离)小于该组的阈值，则鉴定为同一组物质。
本发明槐花炮制品近红外光谱的阈值分别为生品组0.10996、炒品组0.17354、炭品组0.26867。
选择性S值可考察模型的优劣，S＞1表示能准确区分该两组样品，S＝1表示刚好能区分开该两组样品，S＜1表示不能区分该两组样品；公式S＝D/(D1+D2)，其中D表示两组样品的平均光谱距离，D1、D2分别为该两组样品的阈值。
本发明槐花生品组与炒品组的S值为1.20371，炭品组与炒品组的S值为2.30243，说明各组能被准确区分开，槐花各组炮制品存在一定差异。
优选地，步骤S1所述人工筛选为以经验鉴别为标准，采用德尔菲法，按照炮制程度、色泽均匀度和饮片均匀度评分项目，分别对每批槐花炒品、炭品评分鉴定，确定实验的研究对象，剔除不符合标准的炮制品。
更优选地，步骤S1所述人工筛选为以经验鉴别为标准，采用德尔菲法，按照炮制程度、色泽均匀度和饮片均匀度(40:30:30)评分项目，10位中药专家(从事中药工作20年以上具有高级职称的教授和主任药师)对各批槐花炒品、炭品评分鉴定，将平均得分在80分以上的槐花炮制品作为研究对象，剔除评分较低的炮制品。
优选地，步骤S1所述采集近红外光谱的方法为采用Bruker公司MPA型傅里叶变换近红外光谱仪，应用样品旋转器，积分球漫反射采集近红外光谱，扫描次数为64次，分辨率16cm-1，光谱采集范围12500～4000cm-1，PbS检测器，每个样品重复测定3次，取平均光谱作为样品光谱。温度(16.0±0.5)℃，湿度(55±2)％。
优选地，步骤S1所述采集近红外光谱数据的方法为取各批次样品粉末约10g，过五号筛，置于石英样品杯中，使样品自然摊平，校准干涉峰位和扣除背景后，采集近红外光谱，得到近红外光谱图。
优选地，近红外光谱采集软件为OPUS 6.0光谱分析软件，近红外光谱数据处理软件为OPUS 7.5光谱分析软件。
与现有技术相比，本发明具有以下有益效果：
(1)本发明首次利用近红外分析方法建立槐花品质的定性鉴别模型客观评价槐花品质，与传统经验鉴别比较，方法简单快速，客观化、可量化、数字化评价中药质量。
(2)本发明为槐花品质的评价提供新的鉴定方法，对市场槐花炮制品的质量监管提供科学依据，具有较大的应用前景。
附图说明
图1为本发明具体实施方式85批槐花炮制品的傅里叶变换近红外光谱图。
图2为本发明具体实施方式槐花不同炮制品主成分得分图。
具体实施方式
以下结合说明书附图和具体实施例来进一步说明本发明，但实施例并不对本发明做任何形式的限定。除非特别说明，本发明采用的试剂、方法和设备为本技术领域常规试剂、方法和设备。
除非特别说明，以下实施例所用试剂和材料均为市购。
本发明所用仪器：MPA傅立叶变换近红外光谱仪(Bruker公司，德国)，配有漫反射积分球，样品旋转器，石英样品杯，PbS检测器，OPUS6.0光谱分析软件；高速万能粉碎机(永光明医疗仪器有限公司，北京)；电子分析天平(Sartorius公司，瑞士)。
实施例1 槐花品质的近红外定性鉴别方法的建立
1、样品的收集：槐花炮制品为市场收集，均经广东省药品检验所林锦锋副主任中药师鉴定，均为豆科植物槐Sophora japonica L.的干燥花。槐花炮制品合计112批，其中35批生品，42批炒品，35炭品。样品购自北京、成都、广州、河北、山东、河南、深圳等地，产地包括河南、河北、山东、天津、安徽、北京等地。
2、优选槐花炮制品：以经验鉴别为标准，采用德尔菲法，按照炮制程度、色泽均匀度和饮片均匀度(40:30:30)评分项目，10位中药专家(从事中药工作20年以上具有高级职称的教授和主任药师)对各批槐花炒品、炭品评分鉴定。将平均得分在80分以上的槐花炮制品作为研究对象，剔除评分较低的炮制品，重新排序，得到36批炒品(C1～C36)，28批炭品(T1～T28)。槐花炒品和炭品的得分平均值见表1。
表1 槐花炒品和炭品平均得分表
3、采集样品傅里叶变换近红外光谱图：分别取85批槐花炮制品(随机抽取30批生品、30批炒品、25批炭品)粉末10g(过五号筛)，于石英样品杯中，扫描次数为64次，分辨率16cm-1，光谱范围12500～4000cm-1，PbS检测器，积分球漫反射采集近红外光谱，重复测定3次，取平均光谱，得到85批槐花炮制品傅里叶变换近红外光谱谱图，如图1所示。温度(16.0±0.5)℃，湿度(55±2)％。
4、确定光谱处理方法：定性分析的基本算法有标准算法和因子化法。标准算法采用的是欧式距离，直接计算光谱距离，并计算相应光谱区间内的全部数据点；而因子化法是通过对原始光谱进行主成分分解，选取其特征信息，压缩原始光谱，故选择因子化法。
采用因子化法，除去槐花温湿度及样品含水量影响，利用相关系数分析法、一阶导数处理和二阶导数处理，初步确定建模范围为10000～7500cm-1、6545～5600cm-1和4700～4000cm-1。
在初步建模谱段(10000～7500cm-1、6545～5600cm-1和4700～4000cm-1)，以错判数和准确率为指标，不同预处理方法对模型进行分析，结果见表2。选择预处理方法，即二阶导数+矢量归一化。
表2 不同预处理方法对模型的影响
5、确定特征谱段：采用因子化法，预处理方法为二阶导数+矢量归一化，以错判数和准确率为指标，对初步的建模范围谱段(10000～7500cm-1、6545～5600cm-1和4700～4000cm-1)分别或组合分析，结果见表3。由表可知，当建模范围为6545～5600cm-1时，错判数为0，模型的准确率达到100％，故选6545～5600cm-1为特征波段。
表3 不同光谱范围对模型的影响
6、建立定性鉴别模型：利用OPUS软件，对85批槐花炮制品的近红外光谱建立定性鉴别模型。计算各炮制品组近红外光谱阈值及各组间的S值，见表4、表5，其近红外光谱的主成分得分图如图2。
阈值是对定性模型中同组样品的所有光谱设定的一个距离限度，选取合适的阈值，使该组样品的所有光谱的距离都小于这个限度，而模型中其他样品的光谱距离均大于这个限度；阈值公式DT＝DMax+X·S0，其中DMax为该组样品中所有光谱到平均光谱的最大距离，S0为光谱距离的标准偏差，X默认值为0.25，若样品的匹配值小于该组的阈值，则鉴定为同一组物质。
选择性S值可考察模型的优劣，S＞1表示能准确区分该两组样品，S＝1表示刚好能区分开该两组样品，S＜1表示不能区分该两组样品；公式S＝D/(D1+D2)，其中D表示两组样品的平均光谱距离，D1、D2分别为该两组样品的阈值。
得到槐花炮制品近红外光谱的阈值分别为：生品0.10996，炒品0.17354，炭品0.26867；槐花生品组与炒品组的S值为1.20371，炭品组与炒品组的S值为2.30243，均大于1，表明该模型能准确鉴别槐花的不同炮制品。其主成分得分图也可看出，所有样品被准确分为3类：1类为生品组、2类为炒品组、3类为炭品组，说明槐花各炮制品组存在一定差异。
表4 槐花炮制品的近红外光谱统计值
| 组别 | 标准偏差 | 平均距离 | 阈值 |
| 生品组 | 0.04315 | 0.03345 | 0.10996 |
| 炒品组 | 0.08576 | 0.07136 | 0.17354 |
| 炭品组 | 0.11913 | 0.09574 | 0.26867 |
表5 槐花炮制品的近红外光谱S值结果
| 组1 | 组2 | 阈值1 | 阈值2 | D | S |
| 生品组 | 炒品组 | 0.10996 | 0.17354 | 0.34090 | 1.20371 |
| 炭品组 | 炒品组 | 0.26867 | 0.17354 | 1.01816 | 2.30243 |
实施例2 槐花品质的近红外定性鉴别方法的验证
应用该近红外定性鉴别模型，对剩下未用于建模且优选得到的槐花5批生品(S31～S35)、6批炒品(C31～C36)、3批炭品(T26～T28)、得分较低的槐花2批炒品(C37、C38)和2批炭品(T29、T30)及槐米(M1)进行验证，得到其鉴定结果见表6。
表6 槐花炮制品的定性鉴别结果
由近红外模型阈值：生品0.10996、炒品0.17354、炭品0.26867，可知S31～S35、C31～C36、T26～T28相应的匹配值均在对应炮制品的阈值范围内，分别准确鉴定为生品、炒品、炭品；而C37、C38、T29、T30、M1的匹配值超出各炮制品组的阈值范围，不能鉴定其中一组炮制品，说明所建立定性模型准确稳定，可快速鉴定符合标准的槐花炮制品，不符合标准的样品均不可被鉴定。
Claims (6)
1.一种鉴定槐花品质的近红外光谱分析方法，其特征在于，包括如下步骤：
S1.光谱数据采集：收集不同批次的槐花炮制品，人工筛选出品质较好的槐花炮制品，预处理后采集近红外光谱数据；
S2.确定特征谱段：除去槐花温湿度及样品含水量影响，利用相关系数分析法、一阶导数处理和二阶导数处理，初步确定建模范围为10000～7500 cm-1、6545～5600 cm-1和4700～4000 cm-1；采用因子化法，预处理方法为二阶导数和矢量归一化法，以错判数和准确率为指标，对初步确定建模范围分别或组合分析，确定特征谱段为6545～5600 cm-1；
S3.建立定性鉴别模型：在特征谱段范围内，选择适合的不同炮制品组阈值范围，建立槐花品质的近红外定性鉴别模型；
S4.模型的验证：将未用于建模的槐花炮制品、少量不符合标准的槐花炮制品及槐米验证模型的准确性；
S5.未知样品测定：取品质未知的槐花待测样品，采集近红外光谱，应用步骤S3建立的定性模型进行品质鉴定。
2.根据权利要求1所述的方法，其特征在于，步骤S1所述人工筛选为以经验鉴别为标准，采用德尔菲法，按照炮制程度、色泽均匀度和饮片均匀度评分项目，分别对每批槐花炒品、炭品评分鉴定，确定实验的研究对象，剔除不符合标准的炮制品。
3.根据权利要求1所述的方法，其特征在于，步骤S1所述采集近红外光谱的方法为采用Bruker公司MPA型傅里叶变换近红外光谱仪，应用样品旋转器，积分球漫反射采集近红外光谱，扫描次数为64次，分辨率16 cm-1，光谱采集范围12500～4000 cm-1，PbS检测器，每个样品重复测定3次，取平均光谱作为样品光谱。
4.温度（16.0±0.5）℃，湿度(55±2)％。
5.根据权利要求1所述的方法，其特征在于，步骤S1所述采集近红外光谱数据的方法为取各批次样品粉末约10 g，过五号筛，置于石英样品杯中，使样品自然摊平，校准干涉峰位和扣除背景后，采集近红外光谱，得到近红外光谱图。
6.根据权利要求1所述的方法，其特征在于，近红外光谱采集软件为OPUS 6.0光谱分析软件，近红外光谱数据处理软件为OPUS 7.5光谱分析软件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710594111.3A CN107389598B (zh) | 2017-07-20 | 2017-07-20 | 一种鉴定槐花品质的近红外光谱分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710594111.3A CN107389598B (zh) | 2017-07-20 | 2017-07-20 | 一种鉴定槐花品质的近红外光谱分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107389598A true CN107389598A (zh) | 2017-11-24 |
| CN107389598B CN107389598B (zh) | 2020-10-09 |
Family
ID=60336300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710594111.3A Active CN107389598B (zh) | 2017-07-20 | 2017-07-20 | 一种鉴定槐花品质的近红外光谱分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107389598B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107917896A (zh) * | 2017-11-29 | 2018-04-17 | 宁夏医科大学 | 基于近红外光谱和聚类分析技术的甘草快速鉴别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102175648A (zh) * | 2011-01-04 | 2011-09-07 | 大连理工大学 | 近红外光谱鉴别贝母品种及检测其总生物碱含量的方法 |
| CN102960096A (zh) * | 2012-11-13 | 2013-03-13 | 中国科学院合肥物质科学研究院 | 基于近红外光谱的水稻单籽粒活力无损检测筛选方法 |
| WO2015199495A1 (ko) * | 2014-06-26 | 2015-12-30 | 제주대학교 산학협력단 | Ft-ir 스펙트럼 데이터의 다변량 통계분석을 이용한 과실의 당도 및 산도 예측 방법 |
-
2017
- 2017-07-20 CN CN201710594111.3A patent/CN107389598B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102175648A (zh) * | 2011-01-04 | 2011-09-07 | 大连理工大学 | 近红外光谱鉴别贝母品种及检测其总生物碱含量的方法 |
| CN102960096A (zh) * | 2012-11-13 | 2013-03-13 | 中国科学院合肥物质科学研究院 | 基于近红外光谱的水稻单籽粒活力无损检测筛选方法 |
| WO2015199495A1 (ko) * | 2014-06-26 | 2015-12-30 | 제주대학교 산학협력단 | Ft-ir 스펙트럼 데이터의 다변량 통계분석을 이용한 과실의 당도 및 산도 예측 방법 |
Non-Patent Citations (3)
| Title |
|---|
| 宋乐等: "基于近红外光谱的单粒水稻种子活力快速无损检测", 《粮食储藏》 * |
| 王梦东等: "适用于3类茶的定性分类及主要内含成分定量分析的近红外预测模型的建立", 《华中农业大学学报》 * |
| 白雁等: "菊花不同炮制品的红外原谱、二阶导数谱及二维相关谱谱图分析", 《中药材》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107917896A (zh) * | 2017-11-29 | 2018-04-17 | 宁夏医科大学 | 基于近红外光谱和聚类分析技术的甘草快速鉴别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107389598B (zh) | 2020-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Woo et al. | Discrimination of herbal medicines according to geographical origin with near infrared reflectance spectroscopy and pattern recognition techniques | |
| Yin et al. | A review of the application of near-infrared spectroscopy to rare traditional Chinese medicine | |
| Li et al. | Novel method for the producing area identification of Zhongning Goji berries by electronic nose | |
| WO2019192433A1 (zh) | 一种基于近红外光谱技术对中药皂角刺的真伪进行化学模式识别的方法 | |
| EP3734254A1 (en) | Method for determining water soluble protein content (wspc) in soybean by near infrared spectroscopy (nirs) | |
| Xu et al. | Rapid and nondestructive detection of multiple adulterants in kudzu starch by near infrared (NIR) spectroscopy and chemometrics | |
| Wong et al. | Differentiation of Pueraria lobata and Pueraria thomsonii using partial least square discriminant analysis (PLS-DA) | |
| Li et al. | Comprehensive chemical analysis of the flower buds of five Lonicera species by ATR-FTIR, HPLC-DAD, and chemometric methods | |
| Pan et al. | Rapid On-site identification of geographical origin and storage age of tangerine peel by Near-infrared spectroscopy | |
| CN104237060A (zh) | 一种金银花药材多指标快速检测方法 | |
| CN104792652A (zh) | 一种黄芪药材多指标快速检测方法 | |
| Li et al. | HPLC–MS/MS determination of flavonoids in Gleditsiae Spina for its quality assessment | |
| CN107389813A (zh) | 基于化学分类法及UPLC‑Tof‑MS鉴别青皮、陈皮、枳实和枳壳的方法 | |
| CN105138834A (zh) | 基于近红外光谱波数k均值聚类的烟草化学值定量方法 | |
| Chen et al. | Rapid identification of three varieties of Chrysanthemum with near infrared spectroscopy | |
| Tian et al. | Simultaneous quantitative analysis of nine constituents in six Chinese medicinal materials from Citrus genus by high‐performance liquid chromatography and high‐resolution mass spectrometry combined with chemometric methods | |
| CN109709291B (zh) | 一种通关藤药材真伪快速鉴别的方法 | |
| CN114720582A (zh) | 一种不同陈化年份老香黄的综合评价方法 | |
| CN107389598A (zh) | 一种鉴定槐花品质的近红外光谱分析方法 | |
| Zhang et al. | Gas chromatographic-ion mobility spectrometry combined with a multivariate analysis model exploring the characteristic changes of odor components during the processing of black sesame | |
| Li et al. | Discrimination of heating and frying vegetable oils based on UPLC/Q-TOF MSMS and chemometrics | |
| CN109685099A (zh) | 一种光谱波段优选模糊聚类的苹果品种辨别方法 | |
| CN111380832A (zh) | 复方甘草片有效成分含量测定校正模型构建、检测方法 | |
| Luo et al. | Discriminating five Polygonatum medical materials and monitoring their chemical changes associated with traditional process by FT-IR spectroscopy coupled with multivariate analysis | |
| Wu et al. | Similarity evaluation on the compound TCM formulation “Huoling Shengji granule” and its placebo by intelligent sensory evaluation technologies and the human sensory evaluation method based on critical quality attributes |
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 |