CN107703074A - 一种用于四元掺伪三七快速准确的定量分析方法 - Google Patents
一种用于四元掺伪三七快速准确的定量分析方法 Download PDFInfo
- Publication number
- CN107703074A CN107703074A CN201710928186.0A CN201710928186A CN107703074A CN 107703074 A CN107703074 A CN 107703074A CN 201710928186 A CN201710928186 A CN 201710928186A CN 107703074 A CN107703074 A CN 107703074A
- Authority
- CN
- China
- Prior art keywords
- pseudo
- ginseng
- der
- quaternary
- quantitative analysis
- 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
- 244000131316 Panax pseudoginseng Species 0.000 title claims abstract description 57
- 235000003181 Panax pseudoginseng Nutrition 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 18
- 238000002211 ultraviolet spectrum Methods 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 5
- 238000009499 grossing Methods 0.000 claims abstract 2
- 238000005457 optimization Methods 0.000 claims abstract 2
- 239000003814 drug Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000002203 pretreatment Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 229940126678 chinese medicines Drugs 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 244000197580 Poria cocos Species 0.000 claims 1
- 235000008599 Poria cocos Nutrition 0.000 claims 1
- 244000046146 Pueraria lobata Species 0.000 claims 1
- 235000010575 Pueraria lobata Nutrition 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 claims 1
- 241000894007 species Species 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract 1
- 244000163122 Curcuma domestica Species 0.000 description 27
- 235000014375 Curcuma Nutrition 0.000 description 14
- 240000009138 Curcuma zedoaria Species 0.000 description 14
- 235000003405 Curcuma zedoaria Nutrition 0.000 description 14
- 244000062241 Kaempferia galanga Species 0.000 description 14
- 235000013421 Kaempferia galanga Nutrition 0.000 description 14
- 239000001812 curcuma zedoaria berg. rosc. Substances 0.000 description 14
- VFLDPWHFBUODDF-FCXRPNKRSA-N curcumin Chemical compound C1=C(O)C(OC)=CC(\C=C\C(=O)CC(=O)\C=C\C=2C=C(OC)C(O)=CC=2)=C1 VFLDPWHFBUODDF-FCXRPNKRSA-N 0.000 description 14
- 235000019509 white turmeric Nutrition 0.000 description 14
- 235000003392 Curcuma domestica Nutrition 0.000 description 13
- 235000003373 curcuma longa Nutrition 0.000 description 13
- 235000013976 turmeric Nutrition 0.000 description 13
- 230000008859 change Effects 0.000 description 9
- 238000000354 decomposition reaction Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 5
- 240000008397 Ganoderma lucidum Species 0.000 description 4
- 235000001637 Ganoderma lucidum Nutrition 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000000862 absorption spectrum Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 150000002894 organic compounds Chemical class 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 244000273928 Zingiber officinale Species 0.000 description 1
- 235000006886 Zingiber officinale Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 235000008397 ginger Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 150000002484 inorganic compounds Chemical class 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 1
- 230000005428 wave function Effects 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
-
- 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
-
- 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
- G01N2021/3185—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry typically monochromatic or band-limited
- G01N2021/3188—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry typically monochromatic or band-limited band-limited
Abstract
本发明涉及一种用于四元掺伪三七快速准确的定量分析方法。具体步骤为先用紫外可见分光光度计扫描掺伪样品的紫外光谱，得到紫外光谱数据。之后考察SG平滑法、SNV、MSC、1stDer、2ndDer、CWT及其组合的预处理效果。采用最佳预处理方法处理数据，考察不同变量选择方法对建模结果的影响，得到最佳变量选择方法，最后采用最佳预处理‑变量选择‑PLS方法对四元掺伪三七定量分析。本发明基于紫外光谱及化学计量学，检测速度快、准确度高。本发明适用于四元掺伪三七中各组分的定量分析。
Description
技术领域
本发明属于中药检测领域，涉及一种用于四元掺伪三七快速准确的定量分析方法。
背景技术
三七是一种五加科植物，它具有止血和提高记忆力等功效。三七有着极高的营养价值与市场需求，这就导致了市场上存在很多以假乱真的中药材，如莪术、姜黄、高良姜等。这些以假乱真的中药材与三七混用，不仅降低了三七的疗效，还有可能威胁到消费者的身体健康。因此寻找合适的中药鉴别方法，对确保中药质量具有重要意义。
传统的中药鉴定方法如性状鉴别法和显微鉴别法，都需要研究者有丰厚的实践经验，而且如果中药材的外观不好或者是对未知的药材进行鉴定，这些方法都有较大的难度。最近，有专利对中药的DNA的检测(王菲菲，张聿梅，戴忠，马双成，检测样品中是否存在五加科植物成分及是否掺伪的方法，中国专利，CN201610034379.7)，这种方法虽然特异性强、准确度高，但需要PCR等尖端科技。因此有必要发展一种更为简便的中药鉴别方法。
紫外光谱是研究分子中最外层电子能级跃迁的电磁波，根据特定官能团的出峰位置及强度来判断物质类别及含量。紫外光谱的波长范围可以分为三段：10-190nm、190-400nm和400-800nm，分别称作远紫外光区、近紫外光区和可见光区，其中近紫外和可见光区是常用的区段。由于紫外光谱技术具有分析速度快、可用性、操作简单等特点，并且绝大部分的有机化合物都有吸收光谱的特性如吸收光谱形状、各吸收峰的波长位置等特点，所以紫外光谱法广泛的应用于有机化合物和无机化合物的定量和定性分析以及其它化合物的测定。
但是三七等复杂样品的紫外光谱存在严重的重叠现象，还包含大量的冗余波长信息，所以单靠紫外光谱是无法直接对四元掺伪三七进行准确定量的。因此，需要在定量分析之前采用适当的预处理及变量选择方法对光谱信号进行处理。目前，常用的光谱预处理方法有平滑、标准正态变量(SNV)、多元散射校正(MSC)、一阶导数(1st Der)、二阶导数(2ndDer)和连续小波变换(CWT)等。波长选择方法主要有无信息变量消除法(UVE)、蒙特卡罗-无信息变量消除法(MC-UVE)和随机检验-偏最小二乘回归法(RT-PLS)等。
金鹏程等人采集灵芝及11种伪品的紫外光谱，结合化学计量学方法对紫外光谱数据进行分析(金鹏程，张霁，沈涛，王元忠，传统中药灵芝及其伪品的紫外光谱特征分析.分析测试学报，2015，(10)：1113-1118)。其中，先对紫外光谱进行SG-SNV预处理，然后进行主成分分析(PCA)，它的累计贡献率达90.69％，准确的对灵芝与伪品进行了分类，为灵芝及其伪品的鉴别提供了一种有效的手段。本发明基于紫外光谱及多元校正方法，对掺伪三七进行定量分析。
发明内容
本发明的目的在于提供了一种用于四元掺伪三七快速准确的定量分析方法，以便快速、准确的对掺伪三七中各组分的含量进行预测。
为实现本发明所提供的技术方案包括以下步骤：
1)购买三七样品及三种伪品若干个，分别将三七及其伪品用粉碎机粉碎，过120目筛子，按一定比例配置成四元掺伪三七样品。
2)设置紫外可见分光光度计的参数，采样的波长范围为200-800nm，扫描速度为高速，采样间隔为0.5，扫描模式为单个；在仪器属性中：测定方式为反射率，狭缝宽为5.0nm，积分时间为0.1秒，光源转换波长为323.0nm，检测器单元为外置(单检测器)，S/R转换为标准。扫描样品的紫外光谱。
3)对样品数据进行KS分组，将样品总数的2/3作为训练集，1/3作为预测集。由交叉验证预测均方根误差(RMSECV)随因子数的变化确定偏最小二乘回归(PLS)模型的最佳因子数。
4)考察无预处理、SG平滑、SNV、MSC、1st Der、2nd Der、CWT、SNV-1st Der、MSC-1stDer、SNV-2nd Der、MSC-2nd Der、SNV-CWT、MSC-CWT、1st Der-SNV、1st Der-MSC、2nd Der-SNV、2nd Der-MSC、CWT-SNV和CWT-MSC等18种预处理方法的预处理效果，RMSEP最小值对应的预处理方法为最佳光谱预处理方法。其中SG平滑及求导的窗口大小根据RMSEP随着窗口的变化确定，CWT的小波函数及分解尺度根据RMSEP随小着波函数及分解尺度的变化确定。
5)在最佳预处理方法基础上，考察UVE、MC-UVE和RT三种变量选择方法对建模结果的影响，从中选择出最佳的变量选择方法。
6)选定最佳预处理-变量选择方法结合PLS建立最终模型，预测未知样品组分的含量。通过相关系数来评价模型的预测能力。
本发明优势在于在最佳预处理方法的基础上，进一步结合三种变量选择方法，考察变量选择对模型预测能力的影响，最终确定了各个组分中最佳预处理-变量选择-PLS模型，可以实现对四元掺伪三七进行准确定量。
附图说明
图1是75个四元掺伪三七样品的紫外光谱图
图2是四元掺伪三七样品中各组分经平滑(a)、一阶导数(b)、二阶导数(c)预处理的RMSEP随着窗口的变化图
图3是四元掺伪三七样品中三七组分经小波变换预处理的RMSEP随着小波函数和分解尺度的变化图
图4是训练集平均光谱和最佳预处理结合三种变量选择方法对三七组分保留变量的分布图(a)SG-UVE(b)SG-MCUVE(c)SG-RT
图5是最佳预处理结合三种变量选择方法对三七组分预测的RMSEP随着保留变量数的变化图(a)SG-UVE(b)SG-MCUVE(c)SG-RT
图6是最佳建模方法对不同组分预测值与真实值的关系图(a)SG-RT-PLS对三七组分(b)SNV-CWT-UVE-PLS对莪术组分(c)CWT-RT-PLS对姜黄组分(d)RT-PLS对高良姜组分
具体实施方式
为更好理解本发明，下面结合实施例对本发明做进一步地详细说明，但是本发明要求保护的范围并不局限于实施例所表示的范围。
实施例
1)分别从天津市的几家药店购买到的三七、莪术、姜黄和高良姜样品若干个来配制四元掺伪三七样品。将三七、莪术、姜黄和高良姜四种中药分别用粉碎机粉碎，过120目筛子。然后将三七按优劣归类为高中低三个等级。三七与莪术、姜黄和高良姜进行掺伪，配制成75个样品，其中每个浓度比配制三个样品。每一类四元掺伪三七配制样品时，三七浓度由1-95％，主要间隔为5％，伪品的设计含量均是1-95％，主要间隔为5％，顺序随机打乱。保证每一样品中四个组分之和100％，总质量为4g。
2)开始测样前，设置仪器参数。将石英比色皿置于卡槽处测得的即为基准线，扫描四元掺伪三七样品的紫外光谱。图1显示了75个四元掺伪三七样品的紫外光谱图。
3)运用KS法将75组样品在紫外光谱中测得的150组数据取平均，得到75组光谱数据，然后运用KS法将这75组数据划分为2/3的训练集和1/3的预测集，即采用50个样本建立PLS模型，25个样本作为预测样本。将因子数从1到25进行改变，RMSECV最小值对应的因子数位最佳因子数，得到掺伪样品中三七、莪术、姜黄和高良姜组分的最佳因子数分别为18、13、11和5。
4)根据RMSEP随着窗口的变化确定SG平滑及求导的窗口大小。图2显示了平滑、一阶导数及二阶导数预处理下RMSEP随着窗口的变化，RMSEP最小值对应的窗口为最佳窗口。从图中可以看出，光谱数据在平滑预处理下，三七、莪术、姜黄和高良姜的最佳窗口为53、5、59和3，在一阶导数预处理下，三七、莪术、姜黄和高良姜的最佳窗口分别为35、39、59和59，在二阶导数预处理下，三七、莪术、姜黄和高良姜的最佳窗口分别为59、59、59和59。
根据RMSEP随着小波函数及分解尺度的变化确定CWT的小波函数及分解尺度。图3显示了四元掺伪三七样品中三七组分经CWT预处理的RMSEP随着小波函数和分解尺度的变化。从图中可以得到四元掺伪三七样品中三七的最佳分解尺度分别为58，小波函数为Haar小波。同理可以得到莪术、姜黄和高良姜组分的最佳分解尺度为57、60和60，小波函数都为Haar小波。
在最佳参数下，考察无预处理、SG平滑、SNV、MSC、1st Der、2nd Der、CWT、SNV-1stDer、MSC-1st Der、SNV-2nd Der、MSC-2nd Der、SNV-CWT、MSC-CWT、1st Der-SNV、1st Der-MSC、2nd Der-SNV、2nd Der-MSC、CWT-SNV和CWT-MSC等18种预处理方法的预处理效果，RMSEP最小值对应的预处理方法为最佳光谱预处理方法。
表1显示了不同预处理方法对四元掺伪三七样品中各组分预测的RMSEP值。将未经过预处理的PLS模型的预测结果，单一预处理后的预测结果和组合预处理后的预测结果进行比较得出，三七、莪术、姜黄、高良姜组分RMSEP最小值对应的预处理方法分别是SG平滑、SNV-CWT、CWT、无预处理。因此选择上述方法作为各组分对应的最佳的预处理方法。
5)在最佳预处理方法基础上，考察UVE、MC-UVE和RT三种变量选择方法对建模结果的影响，从中选择出最佳的变量选择方法。
图4显示了训练集平均光谱图和最佳预处理结合三种变量选择方法对三七组分保留变量的分布图，从图中可以看出三种方法保留的波长数类似。图5显示了最佳预处理结合三种变量选择方法对三七组分预测的RMSEP随着保留变量数的变化，SG-UVE、SG-MCUVE和SG-RT保留的波长数分别为335、340、175，对应的RMSEP分别为2.3771、2.6419、2.1696。可以看出，SG-RT方法保留的变量数最少，RMSEP值最小，为最佳数据处理方法。类似的，莪术、姜黄和高良姜的最佳数据处理方法分别为SNV-CWT-UVE、CWT-RT和RT。
表1 不同预处理方法对四元掺伪三七样品中各组分预测的RMSEP值
6)选定SG-RT、SNV-CWT-UVE、CWT-RT和RT分别作为三七、莪术、姜黄和高良姜组分的最佳预处理-变量选择方法，结合PLS建立最终模型。
图6显示了四种组分在最佳方法下对不同组分预测值与真实值的关系图。从图中可以看出，在最佳预处理-变量选择-PLS建模下，三七、莪术、姜黄和高良姜组分的相关系数R分别为0.9971、0.9805、0.9860和0.9894。因此，紫外光谱结合多元校正方法能够实现对四元掺伪三七的准确定量。
Claims (4)
1.一种用于四元掺伪三七快速准确的定量分析方法，其特征在于：采用紫外可见分光光度计扫描样品的紫外光谱；考察不同预处理方法的预处理效果，确定最佳预处理方法；考察不同变量选择方法对建模结果的影响，从中选择出最佳的变量选择方法；最后采用最佳预处理-变量选择方法，建立PLS模型对四元掺伪三七进行定量分析。
2.根据权利要求1所述的用于四元掺伪三七快速准确的定量分析方法，其特征在于：所述定量分析方法是先采用SG平滑法、SNV、MSC、1stDer、2ndDer、CWT、SNV-1stDer、MSC-1stDer、SNV-2ndDer、MSC-2ndDer、SNV-CWT、MSC-CWT、1stDer-SNV、1stDer-MSC、2ndDer-SNV、2ndDer-MSC、CWT-SNV和CWT-MSC对原始光谱数据进行预处理，RMSEP最小值对应的预处理方法为最佳光谱预处理方法。
3.根据权利要求1所述的用于四元掺伪三七快速准确的定量分析方法，其特征在于：采用最佳预处理方法处理数据，考察UVE、MC-UVE和RT三种变量选择方法对建模结果的影响，得到最佳变量选择方法，最终结合最佳数据处理方法建立PLS模型，对最优的PLS模型进行分析。
4.根据权利要求1所述的用于四元掺伪三七快速准确的定量分析方法，其特征在于：对掺伪中药的种类没有限制，其他中药如葛根、茯苓等与三七的四元掺伪也适用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710928186.0A CN107703074A (zh) | 2017-09-27 | 2017-09-27 | 一种用于四元掺伪三七快速准确的定量分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710928186.0A CN107703074A (zh) | 2017-09-27 | 2017-09-27 | 一种用于四元掺伪三七快速准确的定量分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107703074A true CN107703074A (zh) | 2018-02-16 |
Family
ID=61184639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710928186.0A Pending CN107703074A (zh) | 2017-09-27 | 2017-09-27 | 一种用于四元掺伪三七快速准确的定量分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107703074A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111208079A (zh) * | 2018-11-22 | 2020-05-29 | 天津工业大学 | 一种基于紫外可见光谱的四元掺伪葡萄籽油的定量检测方法 |
| CN111829979A (zh) * | 2020-07-20 | 2020-10-27 | 中国科学院合肥物质科学研究院 | 一种基于nir光谱定量测定灵芝子实体中总三萜的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103528990A (zh) * | 2013-10-31 | 2014-01-22 | 天津工业大学 | 一种近红外光谱的多模型建模方法 |
| CN106483095A (zh) * | 2016-10-13 | 2017-03-08 | 天津工业大学 | 一种快速、准确定量四元调和油中各组分油含量的方法 |
| CN107132194A (zh) * | 2017-07-10 | 2017-09-05 | 天津工业大学 | 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 |
-
2017
- 2017-09-27 CN CN201710928186.0A patent/CN107703074A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103528990A (zh) * | 2013-10-31 | 2014-01-22 | 天津工业大学 | 一种近红外光谱的多模型建模方法 |
| CN106483095A (zh) * | 2016-10-13 | 2017-03-08 | 天津工业大学 | 一种快速、准确定量四元调和油中各组分油含量的方法 |
| CN107132194A (zh) * | 2017-07-10 | 2017-09-05 | 天津工业大学 | 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 |
Non-Patent Citations (1)
| Title |
|---|
| 明晶 等: "基于近红外光谱和SVM算法对琥珀掺伪的定性鉴别与定量分析", 《中药材》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111208079A (zh) * | 2018-11-22 | 2020-05-29 | 天津工业大学 | 一种基于紫外可见光谱的四元掺伪葡萄籽油的定量检测方法 |
| CN111829979A (zh) * | 2020-07-20 | 2020-10-27 | 中国科学院合肥物质科学研究院 | 一种基于nir光谱定量测定灵芝子实体中总三萜的方法 |
| CN111829979B (zh) * | 2020-07-20 | 2023-09-12 | 中国科学院合肥物质科学研究院 | 一种基于nir光谱定量测定灵芝子实体中总三萜的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Near infrared reflectance spectroscopy for determination of the geographical origin of wheat | |
| CN104062257B (zh) | 一种基于近红外光谱测定溶液中总黄酮含量的方法 | |
| Chen et al. | Discrimination of Ganoderma lucidum according to geographical origin with near infrared diffuse reflectance spectroscopy and pattern recognition techniques | |
| US7570357B2 (en) | Visible/near-infrared spectrometry and its device | |
| Li et al. | Pears characteristics (soluble solids content and firmness prediction, varieties) testing methods based on visible-near infrared hyperspectral imaging | |
| Zaukuu et al. | Authentication of Tokaj wine (Hungaricum) with the electronic tongue and near infrared spectroscopy | |
| CN109669023A (zh) | 一种基于多传感器融合的土壤属性预测方法 | |
| WO2005111583A1 (ja) | 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置 | |
| CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
| Xu et al. | A calibration transfer optimized single kernel near-infrared spectroscopic method | |
| CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
| Saad et al. | Quality analysis prediction and discriminating strawberry maturity with a hand-held Vis–NIR spectrometer | |
| CN106990056A (zh) | 一种土壤全氮光谱估算模型校正样本集构建方法 | |
| Xu et al. | Nondestructive detection of internal flavor in ‘Shatian’pomelo fruit based on visible/near infrared spectroscopy | |
| CN108613943A (zh) | 一种基于光谱形态转移的近红外单籽粒作物成分检测方法 | |
| CN107703074A (zh) | 一种用于四元掺伪三七快速准确的定量分析方法 | |
| KR100934410B1 (ko) | 근적외 분광분석법을 이용한 곡물 종실의 무게 측정방법 | |
| CN106769927A (zh) | 一种黄芪药材的质量检测方法 | |
| Fan et al. | Rapid and Nondestructive Determination of origin, volatile oil, sanshoamides and crack rate in the ‘Sichuan Pepper’Based on a Novel Portable Near Infrared Spectrometer | |
| CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 | |
| Feng et al. | Rapid quality assessment of Succus Bambusae oral liquid based on near infrared spectroscopy and chemometrics | |
| CN109799224A (zh) | 快速检测中药提取液中蛋白质浓度的方法及应用 | |
| CN113655027A (zh) | 一种近红外快速检测植物中单宁含量的方法 | |
| CN107356556A (zh) | 一种近红外光谱定量分析的双集成建模方法 | |
| CN101231270A (zh) | 清开灵注射液中间体及成品中指标成分含量的测定方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180216 |