CN108318440A - 一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法 - Google Patents
一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法 Download PDFInfo
- Publication number
- CN108318440A CN108318440A CN201711403783.8A CN201711403783A CN108318440A CN 108318440 A CN108318440 A CN 108318440A CN 201711403783 A CN201711403783 A CN 201711403783A CN 108318440 A CN108318440 A CN 108318440A
- Authority
- CN
- China
- Prior art keywords
- coating
- sample
- film
- infrared
- film coating
- 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 76
- 238000009501 film coating Methods 0.000 title claims abstract description 48
- 239000010409 thin film Substances 0.000 title claims abstract description 14
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 238000000576 coating method Methods 0.000 claims abstract description 88
- 239000011248 coating agent Substances 0.000 claims abstract description 84
- 239000010408 film Substances 0.000 claims abstract description 44
- 239000007888 film coating Substances 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 20
- 239000000463 material Substances 0.000 claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims description 29
- 230000009466 transformation Effects 0.000 claims description 10
- 238000010239 partial least squares discriminant analysis Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 2
- 229940089161 ginsenoside Drugs 0.000 claims description 2
- 229930182494 ginsenoside Natural products 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 239000000523 sample Substances 0.000 description 60
- 230000009102 absorption Effects 0.000 description 20
- 238000010521 absorption reaction Methods 0.000 description 20
- 238000002329 infrared spectrum Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 10
- 230000003595 spectral effect Effects 0.000 description 9
- 238000009825 accumulation Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 239000000843 powder Substances 0.000 description 5
- 210000002784 stomach Anatomy 0.000 description 5
- 239000012141 concentrate Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000002203 pretreatment Methods 0.000 description 4
- 230000029087 digestion Effects 0.000 description 3
- 239000004615 ingredient Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 201000006549 dyspepsia Diseases 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000006101 laboratory sample Substances 0.000 description 2
- HQKMJHAJHXVSDF-UHFFFAOYSA-L magnesium stearate Chemical compound [Mg+2].CCCCCCCCCCCCCCCCCC([O-])=O.CCCCCCCCCCCCCCCCCC([O-])=O HQKMJHAJHXVSDF-UHFFFAOYSA-L 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000012188 paraffin wax Substances 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- SCPYDCQAZCOKTP-UHFFFAOYSA-N silanol Chemical compound [SiH3]O SCPYDCQAZCOKTP-UHFFFAOYSA-N 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001694 spray drying Methods 0.000 description 2
- 206010000060 Abdominal distension Diseases 0.000 description 1
- 235000009917 Crataegus X brevipes Nutrition 0.000 description 1
- 235000013204 Crataegus X haemacarpa Nutrition 0.000 description 1
- 235000009685 Crataegus X maligna Nutrition 0.000 description 1
- 235000009444 Crataegus X rubrocarnea Nutrition 0.000 description 1
- 235000009486 Crataegus bullatus Nutrition 0.000 description 1
- 235000017181 Crataegus chrysocarpa Nutrition 0.000 description 1
- 235000009682 Crataegus limnophila Nutrition 0.000 description 1
- 235000004423 Crataegus monogyna Nutrition 0.000 description 1
- 240000000171 Crataegus monogyna Species 0.000 description 1
- 235000002313 Crataegus paludosa Nutrition 0.000 description 1
- 235000009840 Crataegus x incaedua Nutrition 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- GXCLVBGFBYZDAG-UHFFFAOYSA-N N-[2-(1H-indol-3-yl)ethyl]-N-methylprop-2-en-1-amine Chemical compound CN(CCC1=CNC2=C1C=CC=C2)CC=C GXCLVBGFBYZDAG-UHFFFAOYSA-N 0.000 description 1
- 229910008051 Si-OH Inorganic materials 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 229910006358 Si—OH Inorganic materials 0.000 description 1
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 1
- 229930006000 Sucrose Natural products 0.000 description 1
- 208000019790 abdominal distention Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005100 correlation spectroscopy Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000003405 delayed action preparation Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000010643 digestive system disease Diseases 0.000 description 1
- FPAFDBFIGPHWGO-UHFFFAOYSA-N dioxosilane;oxomagnesium;hydrate Chemical compound O.[Mg]=O.[Mg]=O.[Mg]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O FPAFDBFIGPHWGO-UHFFFAOYSA-N 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000002702 enteric coating Substances 0.000 description 1
- 238000009505 enteric coating Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 235000019359 magnesium stearate Nutrition 0.000 description 1
- 125000000325 methylidene group Chemical group [H]C([H])=* 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000006187 pill Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 229960004793 sucrose Drugs 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 238000009492 tablet coating Methods 0.000 description 1
- 239000002700 tablet coating Substances 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
- 238000009736 wetting Methods 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
Abstract
本发明涉及一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法,包括以下步骤:采集片剂薄膜包衣全过程内样品和薄膜包衣标准片的近红外指纹图谱特征峰的信息;将所得的近红外指纹图谱特征峰的信息与薄膜包衣标准片建立指纹图谱判别模型;运用所述指纹图谱判别模型对不同包衣时间样品与薄膜包衣标准片的接近程度,以确定包衣终点是否到达。所述方法用于薄膜包衣的终点判断不需测定衣膜的真实厚度、具有快速、便捷、准确和无损的优点,对于保证薄膜包衣产品的批间和批内包衣质量的均一性、提高包衣材料的利用率、实现包衣终点在线检测等方面具有重要意义。
Description
技术领域
本发明涉及一种薄膜包衣质量控制方法,具体涉及一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法。
背景技术
薄膜包衣技术已广泛用于片剂、丸剂、颗粒剂等,具有提高产品稳定性、掩盖不良气味及提高美观度等优点,且特别适用于吸湿性强、稳定性差的中药固体制剂。在薄膜包衣质量控制中,传统包衣终点判断方法容易出现不同批次衣膜厚度等存在差异性,从而导致其包衣片的衣膜功能存在较大差异,如防潮效果不一、崩解时间差异、释药行为变化等。因此,不同片剂良好的衣膜厚度均一性是稳定发挥上述包衣效果的重要保障之一。一般而言,衣膜厚度的均一性与包衣终点判断方法的精确度息息相关,目前工业上在包衣终点判断方面常采用包衣增重、包衣液使用情况、包衣时间等方法。但上述方法通常受到包衣过程中片芯的水分得失、磨损、破裂、包衣速度变化、包衣液喷雾干燥等因素影响,难以快速准确地判断不同批次的包衣终点,从而难以保证包衣膜质量的均匀性和包衣制剂质量的一致性。
近年来,国内外已出现近红外光谱、太赫兹脉冲成像光谱等新技术应用于包衣领域。其中近红外光谱技术主要集中在肠溶包衣或膜控型缓控释制剂、糖包衣膜厚度的定量预测,运用该定量模型须借助一定测量方法获取衣膜真实厚度或增重比,一般适用于增重在10%以上的包衣制剂;对于增重范围仅为2-4%的薄膜包衣而言,因衣膜真实厚度较小,测定方法操作繁琐、难度大且存在较大的测量误差,而且片剂在包衣过程中,由于片芯的运动轨迹不均一,因此接触的包衣材料数量、在包衣过程的磨损程度等不一致,因此我们一般认为到达包衣终点的同批包衣片剂的衣膜厚度并不一致,存在批内差异;仅靠单点的厚度数值模型来判断包衣终点不能体现片剂包衣衣膜厚度的实际情况,在同一包衣片剂中,衣膜厚度在一定范围,都应认为合格,或到达包衣终点。
针对薄膜包衣上述终点判断问题,我们提出一种无需测定衣膜厚度、具有快速、无损、精密度高的薄膜包衣终点判断方法以保证不同批次薄膜衣厚度良好的均一性,继而使包衣片发挥稳定的薄膜衣功能。
发明内容
本发明的目的在于克服现有技术的不足,提供一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法。所述方法用于薄膜包衣的终点判断具有快速、便捷和无损的优点,能够保证不同批次间衣膜厚度良好的均一性。
本发明提供一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法,包括以下步骤:
(1)采集片剂薄膜包衣全过程内样品和包衣标准片的近红外指纹图谱特征峰的信息;
(2)将所得的近红外指纹图谱特征峰的信息与包衣终点到达情况建立指纹图谱判别模型;
(3)运用所述指纹图谱判别模型对不同时间待测样品的薄膜包衣终点情况进行判断。
优选地,所述步骤(1)具体包括以下步骤:
A.获取薄膜包衣全过程内样品和包衣标准片近红外图谱:将薄膜包衣全过程内样品和包衣标准片均重复扫描取其平均值;
B.获取薄膜包衣全过程内样品和包衣标准片的近红外图谱的特征峰信息:将步骤A所得近红外图谱确定有效图谱波长范围经预处理得到特征峰信息。
优选地,所述指纹图谱判别模型为主成分分析模型(Principal ComponentAnalysis,PCA)、偏最小二乘法-判别分析(Partial Least Squares-DiscriminantAnalysis,PLS-DA)模型、正交偏最小二乘判别分析模型(Orthogonal Partial LeastSquares-Discriminant Analysis,OPLS-DA)。
优选地,所述指纹图谱判别模型为正交偏最小二乘判别分析模型。
优选地,所述步骤(1)所述样品包括片芯和包衣材料。
优选地,所述步骤(1)所述样品还包括水分和包衣中间片。
优选地,所述步骤(3)包括以下步骤:
a.取待检验的未知样品;
b.获取所述未知样品的近红外图谱的特征峰信息;
c.将所述未知样品的近红外图谱的特征峰信息添加到指纹图谱判别模型中进行快速薄膜包衣终点判断,得出未知样品是否到达包衣终点的结论。
在本发明的实施方式中,步骤a中的未知样品为薄膜包衣过程中的片剂。
优选地,步骤b具体包括以下步骤:
I.获取未知样品的近红外图谱:将未知样品重复扫描取其平均值;
II.获取未知样品的近红外图谱的特征峰信息:将步骤I所得近红外图谱确定有效图谱波长范围经预处理得到特征峰信息。
在本发明的实施方式中,本领域技术人员可以根据需要将待测的未知样品的进行一个或几个面的扫描,扫描的次数也没有特别的限制,优选地,所述步骤I的具体步骤为:将待测未知样品的2个面均重复扫描3次取其平均值。
优选地,所述预处理包括数据增强变换、平滑处理、导数微分、标准正态变量变换、多元散射校正、傅里叶变换中的一种几种;优选地,所述预处理为一阶导数和标准正态变量变换。
优选地,所述步骤(1)所述样品为健胃消食片片芯、水分和包衣材料欧巴代。
优选地,所述欧巴代在傅里叶变换红外吸收光谱中有以下位置的特征峰:7212.49cm-1(1386nm)和4501.23cm-1(2221nm)附近;
所述水分在傅里叶变换红外吸收光谱中有以下位置的特征峰;5153.084cm-1(1940.59nm)和6935.59cm-1(1441.84nm)附近;
所述健胃消食片片芯在傅里叶变换红外吸收光谱中有以下位置的特征峰:6989.19cm-1(1430.78nm)、4890.12cm-1(2044.94nm)、4150.24cm-1(2409.49nm)附近。
在本申请中所述的包衣标准片,是指通过实验或者专家确定的包衣终点的包衣片,更具体的,是指符合药典标准的包衣片或者经过防潮实验、口感评价等实验确定的包衣终点的包衣片。
与现有技术相比,本发明具有的有益效果为:本发明采用近红外OPLS-DA指纹图谱判别模型进行薄膜包衣终点快速判断。利用近红外指纹图谱技术进行快速预测薄膜包衣终点的方法,一方面是利用近红外光谱技术快速、无损的特点;另一方面结合中药指纹图谱组合峰特征更明显、准确的特点。
与传统薄膜包衣终点判断方法相比,本发明方法具有:
I.无需直接测定衣膜的真实厚度;
II.具有简单快速的特点:本发明在建立OPLS-DA模型后,未知样品从扫描到结果判定只需几秒到十几秒时间,极大地缩短了传统衣膜终点判断方法的判断时间。
III.准确度更高:本发明模型采用未知样品对已知校正模型进行判别分析,从而进行终点判断。与传统判断方法相比,本发明模型整个判断过程中不受片芯重量差异、水分得失、衣膜掉粉、脆碎度、包衣液喷雾干燥、包衣速度等因素的影响,提高了不同批次之间衣膜终点判断结果的准确性,保证不同批次包衣片质量的稳定性。
IV.符合在线监测要求:本发明模型具体快速、无损的检测特点,经文献检索发现,近红外实时监测技术已在国外片剂包衣领域有实际应用。因此,本发明模型的技术特点决定其具有在线监测的发展前景。
与近红外光谱快速定量模型预测衣膜厚度相比,本发明具有如下明显优势:
I.建模简单,真正实现全过程的无损技术特点:近红外光谱定量模型在建模过程中,须将通过一定测量方法获取建模样品的衣膜厚度。该直接测量方法一般采用石蜡包埋、切片、高倍图像放大的技术获得衣膜真实厚度。测量过程复杂繁琐且具有破坏性。本发明模型在建模过程中无需获取衣膜真实厚度,具有建模简单、无损的技术优势。
II.模型预测能力更强,准确度更高:近红外光谱定量模型在建模过程中,须将已知衣膜厚度样品与其光谱之间建立数学模型。其模型预测能力与真实衣膜厚度的准确性息息相关,直接影响到数学模型的成功与否。实际上,成品薄膜衣厚度也仅为15μm左右,这还不包括其他更薄的包衣中间体衣膜厚度。采用石蜡包埋切片法所获得的衣膜厚度值存在较大的方法误差,导致模型的预测能力不强。采用近红外指纹图谱定性判别的预测方法只需将未知样品光谱与标准品的相关特征吸收峰进行OPLS-DA即可预测未知样品包衣终点到达情况。因此,本发明模型的预测能力更强,对应的准确度也更高。
附图说明
图1是健胃消食片原辅料近红外原始图谱;
图2健胃消食片片芯经预处理的近红外光谱;
图3健胃消食片包衣片经预处理的近红外光谱;;
图4健胃消食片包衣辅料欧巴代经预处理的近红外光谱;
图5是样品近红外指纹图谱PCA-Score图;
图6是OPLS-DA三维得分图。
具体实施方式
本发明公开了一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法,本领域技术人员可以借鉴本文内容,适当改进工艺参数实现。特别需要指出的是,所有类似的替换和改动对本领域技术人员来说是显而易见的,它们都被视为包括在本发明。本发明的方法及应用已经通过较佳实施例进行了描述,相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的方法和应用进行改动或适当变更与组合,来实现和应用本发明技术。
下述实施例中的实验方法,如无特别说明,均为常规方法。下述实施例涉及的试剂或原料若无特别说明,均为普通市售品,皆可通过市场购买获得。
下面通过具体的近红外指纹图谱建模方法实验,来进行说明。
1、从片芯开始取样,采集不同包衣厚度的薄膜包衣片的近红外漫反射光谱。
仪器:Bruker MPA型傅立叶变换近红外光谱仪、积分球漫反射测样器件,附PBS检测器,OPUS光谱采集和处理软件。
扫描条件:仪器开机预热30分钟并进行峰位校正后,在温度23±1℃、相对湿度42±2%的环境内使用积分球漫反射测样器件进行扫描。扫描样品前,先进行空白背景扫描。
测试条件:扫描波数频率范围12000-4000cm-1,扫描步长4cm-1,扫描次数32次,分辨率8cm-1,每个样品重复多次扫描,取其平均值。
2.挑选一级品及以上等级的成品包衣片作为标准包衣片,其近红外光谱作为参照光谱。
3.样品近红外光谱经一阶或二阶导数、Norris导数滤波、SNV、平滑等预处理,并用相关光谱法对光谱图进行波长选择。
这些预处理方法可以单独使用,也可以多个同时使用,以达到最佳的预处理效果。NIR光谱分析中产生的误差主要来自高频随机噪音、基线漂移、信号本底、样品不均匀、光散射等。为解决各种因素对光谱产生的干扰。充分从光谱中提取有效特征信息,必须对光谱进行预处理。
4.将标准包衣片的参照光谱与其他样品光谱进行PCA、PLS-DA或OPLS-DA方法进行快速判别模型。
其中,OPLS-DA模型利用OSC方法进行滤波处理,提取光谱有效成分,同时将偏最小二乘和判别模型相结合,是近红外光谱分析中使用较多效果较好的一种判别方法。
5.判别模型性能评价参数。
OPLS-DA模型的性能使用如下指标进行评价:
(1)自变量累积解释能力R2X(Cum);
(2)因变量累积解释能力R2Y(Cum);
(3)模型累积可预测能力Q2Y(Cum)。
一般来说,PLS-DA模型评价指标主要包括R2X(Cum),R2Y(Cum)及Q2Y(Cum)。R2X(Cum)和R2Y(Cum)分别表示该模型提取n个主成分后累积对自变量X和因变量Y的累积解释能力;模型累积可预测能力一般Q2Y(Cum)进行表述,Q2Y(Cum)越接近1,表示该模型预判能力越好。
6.采集待测样品的近红外漫反射光谱。
方法同步骤1。
7.应用所建模型对待测样品光谱进行预处理,并预测待测样品的包衣终点到达情况,从而实现对样品薄膜包衣终点到达情况进行快速判别的目的。
实施例1
将本发明的方法应用于健胃消食片包衣终点的快速判断。健胃消食片是陈皮、山药、麦芽、山楂、太子参等中药浸膏粉再加入适宜辅料制成的中药薄膜包衣片。主要用于脾胃虚弱所致的食积、脘腹胀满、消化不良等消化性疾病的辅助治疗。
实验材料
1、实验仪器:Bruker MPA型傅立叶变换近红外光谱仪(德国布鲁克光学仪器公司),配有积分球漫反射检测器,附PBS检测器,OPUS光谱采集和处理软件;Unscramblerv9.2软件;SIMCA-P 11.5软件。
扫描条件:仪器开机预热30分钟并进行峰位校正后,在温度23±1℃、相对湿度42±2%的环境内使用积分球漫反射测样器件进行扫描。扫描样品前,先进行空白背景扫描。
测试条件:扫描波数频率范围12000-4000cm-1,扫描步长4cm-1,扫描次数32次,分辨率8cm-1,每个样品重复多次扫描,取其平均值。
2、实验样品:健胃消食片浸膏粉、颗粒、片芯、11个不同包衣时间的样品中间体及包衣成品片(由江中药业股份有限公司提供),;蔗糖粉、硬脂酸镁、欧巴代胃溶型黄色薄膜包衣粉[美国卡乐康];
实验方法与结果
1近红外原始平均光谱预处理
将实验样品按照扫描条件和测试条件获得样品近红外原始平均光谱。随机取某一批次样品原辅料及其各时间段包衣片的近红外光谱数据,经OPUS分析软件处理后如图1所示。
由图1可知,在波数处于7250-4000cm-1时包衣辅料欧巴代、包衣成品片和片芯均陆续有不同强度的吸收峰,但很多组分信息在原始光谱中有重叠现象,特征吸收峰不明显,难以从峰形、峰位、峰面积直观分离片芯与薄膜的特征峰进行相关分析。故选择7250-4000cm-1波段范围进行下一步光谱预处理以便得到更多的特征光谱信息。
近红外光谱预处理方法有很多种,最常用的谱图预处理方法包括数据增强变换、平滑处理、导数微分、标准正态变量变换、多元散射校正、傅里叶变换等。本发明采用一阶导数+SNV(17平滑点)预处理光谱,其目标波段(7250-4000cm-1)预处理后,片芯的光谱结果如图2所示;包衣成品片的光谱结果如图3所示;包衣辅料欧巴代的光谱结果如图4所示。
由图2-4结果可知:本发明首先采用平滑处理以提高信噪比,其次对其进行一阶导数微分和标准正态变量变换,主要目的用于消除基线漂移、倾斜;固体表面散射以及光程变化对近红外漫反射光谱的影响。由此得到的一阶导数+SNV(17平滑点)预处理光谱,其信噪比比原始平均光谱得到明显改善,光谱分辨率也得到相应提高。
2近红外指纹图谱特征峰及其相关性分析
2.1近红外指纹图谱特征峰归属
图2-4结果显示三组样品的平均光谱经过一阶求导+SNV(17平滑点)预处理后,目标波段区域内的欧巴代、包衣片和片芯的光谱差异明显。其中,7212.49cm-1与7158.9cm-1可能为欧巴代特征峰位;6989.19cm-1、4890.12cm-1、4150.24cm-1等可能为片芯特征吸收峰。
根据相关文献资料及原辅料特征吸收光谱可以进一步得出指纹图谱特征吸收峰位及其官能团归属:在O-H键的近红外吸收峰中,Uchino T指出:游离的硅醇Si-OH键在2220nm处有一个组合频特征吸收,1385nm处的吸收是O-H伸缩振动的一级倍频。与本发明一阶微分处理后7212.49cm-1(1386nm)和4501.23cm-1(2221nm)处的特征吸收非常吻合,可基本判断为包衣预混材料(欧巴代)微粉硅胶或滑石粉的特征吸收成分。水分子的O-H键在NIRs中有两个特征谱带:1940nm处的组合频吸收和1440nm处的OH伸缩振动一级倍频吸收。这两个特征吸收与本文5153.084cm-1(1940.59nm)和6935.59cm-1(1441.84nm)非常吻合,可初步判断为水分的特征吸收峰。亚甲基C-H键的主要吸收集中在7158.9cm-1(1396.86nm,组合频);6989.19cm-1和6935.59cm-1一般为芳烃C-H键组合频吸收;脂肪族烃基中,组合频主要集中在5000-4160cm-1(2000-2400nm)处,吸收较强;4987.23cm-1(2005.12nm)处吸收为醇类O-H键伸缩弯曲振动的组合频。
2.2样品特征峰相似度分析
对样品片芯、不同包衣时间段片剂及其包衣辅料的一阶导数特征峰位进行相关分析,采用SPSS 20.0软件进行Pearson相关分析,得到特征峰的相关系数矩阵,见表1所示。
表1近红外一阶微分+SNV光谱特征峰相似度分析
从表1结果可知:原始光谱经过一阶导数(17平滑点)+SNV预处理后,120分钟包衣成品片与片芯的相关系数为0.730,得到一定分离;与包衣辅料的相关系数为0.374,得到明显分离。随着薄膜包衣时间的延长,中间体包衣片与包衣成品片的相关性逐渐增强;与片芯的相关性逐渐减弱。直到包衣片与包衣成品片的相关系数达0.900以上(P≤0.01),呈显著正相关,则可初步判断薄膜包衣终点到达。
综上所述,随着薄膜包衣的进行,包衣片的片芯特征吸收逐渐消失,薄膜材料特征吸收逐渐显现。即:整个薄膜包衣过程是包衣片的片芯特征吸收逐渐被欧巴代特征吸收取代的动态过程。
3薄膜包衣近红外指纹图谱快速判别方法的建立
将10批不同包衣时间片剂样品划分为校正集和验证集两部分。校正集样品用于近红外平均光谱构建、指纹图谱判别模型的建立;验证集样品用于近红外平指纹图谱判别模型的外部验证。校正集和预测集均含有不等数目的各包衣时间样品。其中,验证集样品在各段包衣时间片剂均匀分布,总数约占样品集1/10。
3.1偏最小二乘法判别分析
目标波段(7250-4000cm-1)光谱数据经一阶微分+SNV(17平滑点)预处理后,将样品数据导入到SIMCA-P 11.5软件中进行偏最小二乘法判别分析(Partial Least SquaresDiscriminant Analysis,PLS-DA)。其主成分得分结果如图5所示。
图5为健胃消食片包衣终点未到达片(class1)和包衣成品片(class2)的NIRs分析结果的二维t1-t2得分图。图上每一个点代表一组样品的平均值,以主成分(PC)来描述光谱矩阵变量,其中第一主成分(PC1)解释数据中最大量变量;第二主成分(PC2)可解释第二大变量。
由二维t1-t2得分图可知:从整体上看,被分析样品绝大多数落在95%的置信区间内,仅存在2个异常点样品。从样品点走势上判断,片芯主要集中于第四象限左下部分;随着薄膜包衣的进行,样品逐渐由第四象限左下部上移右中部,经第二象限过渡到第三象限。且绝大多数包衣成品片集中在第四象限中。PCA得分图结果表明:本样品首先在包衣过程中操作稳定,且实验过程中也没有引入较大误差;其次也能够很好地解释片芯衣膜厚度随包衣时间的变化。
一般来说,PLS-DA模型评价指标主要包括R2X(Cum),R2Y(Cum)及Q2Y(Cum)。其具体情况如表2所示:
表2 PLS-DA模型评价指标
*.模型在P≤0.05置信水平上显著;NS表示“不显著”
综合图5和表2结果可知:提取前两个主成分,模型的可预测能力分别为0.355和0.051,均大于0.05,预测能力显著。因此本模型提取前两个主成分。PCA得分图模型前两个主成分分别能解释自变量、因变量64.9%、43.4%的变异信息,模型可预测程度为40.6%。即R2X(Cum)=0.649,R2Y(Cum)=43.4%,Q2Y(Cum)=0.406。PLS-DA评价指标结果显示模型的解释变量能力和预测能力均小于0.9,表明本模型判别能力一般,须进一步改进以优化模型预测水平。
从PCA图中也可以明显看出:包衣终点片和包衣中间体呈现分离趋势,但仍有少量样品之间分离度不佳,存在重叠现象。一方面,表明包衣终点未到达片(class1)和包衣成品片(class2)之间存在邻近组别差异相对较小,即将到达包衣终点的包衣片与包衣成品片之间存在很多相似的近红外图谱特征;另一方面,也表明PLS-DA模型未能使两组之间组间差异最大化,两组之间存在某些与分组无关的光谱变量。
3.2正交偏最小二乘判别分析
将矩阵数据导入到SIMCA-P 11.5软件进行正交信号校正(Orthogonal SignalCorrection,OSC)以滤去一些跟分组信息无关的波数X矩阵。数据结果只保留了44.61%的有效成分。
将经OSC处理后的矩阵数据导入到SIMCA-P软件中进行OPLS-DA分析。图6是该模型的三维得分图。
从图6可看出样品经OPLS-DA建模后样品分成两类。Class1代表包衣终点未到达类;Class2代表包衣成品类。本发明模型能使全部样品点均集中在95%的置信区间内且能使组内数据集中,差异最小;组间数据分散,差异达到最大化。因此与PLS-DA模型相比,表明本模型优化合理,模型分类能力进一步得到提高。
对本模型的解释和预测能力进行进一步评价,提取其前两个主成分,模型的累积可预测能力Q2Y(Cum)由原来的0.406提高到0.997。优化后模型可累积解释自变量、因变量80.3%、99.7%的变异信息。即R2X(Cum)由原来的0.649提高到0.803,R2Y(Cum)也由0.434提高到0.997。OPLS-DA评价指标结果显示模型对因变量的解释能力和预测能力均大于0.9,表明本模型判别能力良好,可进行未知样品的薄膜包衣终点的快速判别。
4结论
I.7212.49cm-1(1386nm)和4501.23cm-1(2221nm)可能为欧巴代某含硅醇键成分的特征峰位;5153.084cm-1(1940.59nm)和6935.59cm-1(1441.84nm)初步判断为水分的特征吸收峰,其吸光度的增减变化表现为在薄膜包衣过程中样品表面润湿与干燥的动态过程;而6989.19cm-1、4890.12cm-1、4150.24cm-1等可能为片芯特征吸收峰。整个薄膜包衣过程是包衣片的片芯特征吸收逐渐被欧巴代特征吸收取代的过程。
II.OPLS-DA模型能使组内数据集中,差异最小;组间数据分散,差异达到最大化。模型的累积可预测能力Q2Y(Cum)由原来的0.406提高到0.997;R2X(Cum)由原来的0.649提高到0.803,R2Y(Cum)也由0.434提高到0.997。由此表明本模型判别能力良好,可进行未知样品的薄膜包衣终点的快速判别。
Claims (10)
1.一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法,包括以下步骤:
(1)采集片剂薄膜包衣全过程内样品和包衣标准片的近红外指纹图谱特征峰的信息;
(2)将所得的近红外指纹图谱特征峰的信息与包衣终点到达情况建立指纹图谱判别模型;
(3)运用所述指纹图谱判别模型对不同时间待测样品的薄膜包衣终点情况进行判断。
2.根据权利要求1所述的方法,其特征在于,所述步骤(1)具体包括以下步骤:
A.获取薄膜包衣全过程内样品和包衣标准片近红外图谱:将薄膜包衣全过程内样品和包衣标准片分别进行重复扫描取其平均值;
B.获取薄膜包衣全过程内样品和包衣标准片的近红外图谱的特征峰信息:将步骤A所得近红外图谱确定有效图谱波长范围经预处理得到特征峰信息。
3.根据权利要求1所述的方法,其特征在于,所述指纹图谱判别模型为主成分分析模型、偏最小二乘法-判别分析模型、正交偏最小二乘判别分析模型,优选地,所述指纹图谱判别模型为正交偏最小二乘判别分析模型。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述步骤(1)所述样品包括片芯和包衣材料。
5.根据权利要求4所述的方法,其特征在于,所述步骤(1)所述样品还包括水分和包衣中间片。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述步骤(3)包括以下步骤:
a.取待检验的未知样品;
b.获取所述未知样品的近红外图谱的特征峰信息;
c.将所述未知样品的近红外图谱的特征峰信息添加到指纹图谱判别模型中进行快速薄膜包衣终点判断,得出未知样品是否到达包衣终点的结论。
7.根据权利要求6所述的方法,其特征在于,步骤b具体包括以下步骤:
I.获取未知样品的近红外图谱:将未知样品重复扫描取其平均值;
II.获取未知样品的近红外图谱的特征峰信息:将步骤I所得近红外图谱确定有效图谱波长范围经预处理得到特征峰信息。
8.根据权利要求7所述的方法,其特征在于,所述预处理包括数据增强变换、平滑处理、导数微分、标准正态变量变换、多元散射校正、傅里叶变换中的一种或几种;优选地,所述预处理为一阶导数和标准正态变量变换。
9.根据权利要求1所述的方法,其特征在于,所述步骤(1)所述样品为健胃消食片片芯、水分和包衣材料欧巴代。
10.根据权利要求9所述的方法,其特征在于,所述欧巴代在傅里叶变换红外吸收光谱中有以下位置的特征峰:7212.49cm-1(1386nm)和4501.23cm-1(2221nm)附近;
所述水分在傅里叶变换红外吸收光谱中有以下位置的特征峰;5153.084cm-1(1940.59nm)和6935.59cm-1(1441.84nm)附近;
所述健胃消食片片芯在傅里叶变换红外吸收光谱中有以下位置的特征峰:6989.19cm-1(1430.78nm)、4890.12cm-1(2044.94nm)、4150.24cm-1(2409.49nm)附近。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711403783.8A CN108318440A (zh) | 2017-12-22 | 2017-12-22 | 一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711403783.8A CN108318440A (zh) | 2017-12-22 | 2017-12-22 | 一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108318440A true CN108318440A (zh) | 2018-07-24 |
Family
ID=62893196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711403783.8A Pending CN108318440A (zh) | 2017-12-22 | 2017-12-22 | 一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108318440A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883988A (zh) * | 2019-01-18 | 2019-06-14 | 江苏康缘药业股份有限公司 | 一种固体制剂包衣合格性测试模型的检测方法 |
CN110703714A (zh) * | 2019-11-06 | 2020-01-17 | 点睛数据科技(杭州)有限责任公司 | 一种批处理过程的模型建立方法 |
CN111595814A (zh) * | 2020-07-24 | 2020-08-28 | 江西中医药大学 | 基于聚类分析监测片剂包衣终点的方法及其应用 |
CN111595816A (zh) * | 2020-07-24 | 2020-08-28 | 江西中医药大学 | 基于近红外pca分析判别片剂包衣终点的方法及其应用 |
CN111595815A (zh) * | 2020-07-24 | 2020-08-28 | 江西中医药大学 | 一种判别片剂薄膜包衣终点的方法及其应用 |
CN111735796A (zh) * | 2020-07-24 | 2020-10-02 | 江西中医药大学 | 一种近红外识别片剂薄膜包衣进度的方法及其应用 |
CN112666038A (zh) * | 2021-01-22 | 2021-04-16 | 山东大学 | 一种基于近红外光谱表征吸湿过程的方法 |
CN115031643A (zh) * | 2022-05-19 | 2022-09-09 | 山东大学 | 流化床包衣过程中包衣膜厚度在线测量方法及系统 |
CN116202991A (zh) * | 2023-05-05 | 2023-06-02 | 江西中医药大学 | 一种片剂包衣吸湿率在线检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1982873A (zh) * | 2005-12-16 | 2007-06-20 | 天津天士力制药股份有限公司 | 快速检测滴丸剂外观质量的近红外漫反射光谱法 |
CN101713731A (zh) * | 2009-11-09 | 2010-05-26 | 北京中医药大学 | 一种药物制剂包衣质量的鉴别方法 |
CN106769987A (zh) * | 2017-01-22 | 2017-05-31 | 北京中医药大学 | 一种区分麦冬药材是否经过硫熏的方法 |
-
2017
- 2017-12-22 CN CN201711403783.8A patent/CN108318440A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1982873A (zh) * | 2005-12-16 | 2007-06-20 | 天津天士力制药股份有限公司 | 快速检测滴丸剂外观质量的近红外漫反射光谱法 |
CN101713731A (zh) * | 2009-11-09 | 2010-05-26 | 北京中医药大学 | 一种药物制剂包衣质量的鉴别方法 |
CN106769987A (zh) * | 2017-01-22 | 2017-05-31 | 北京中医药大学 | 一种区分麦冬药材是否经过硫熏的方法 |
Non-Patent Citations (5)
Title |
---|
MIN-JEONG LEE ET AL.: "In line NIR quantification of film thickness on pharmaceutical pellets during a fluid bed coating process", 《INTERNATIONAL JOURNAL OF PHARMACEUTICS》 * |
李芳 等: "基于FTIR的黄芪药材产地鉴别及预测研究", 《天然产物研究与开发》 * |
杜智 等: "《临床代谢组学》", 31 May 2013, 天津出版传媒集团 * |
柯博克 等: "近红外光谱快速测定复方丹参滴丸的包衣厚度", 《中草药》 * |
王晓丽 等: "基于近红外光谱技术的果树花期树种识别方法", 《浙江农林大学学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883988A (zh) * | 2019-01-18 | 2019-06-14 | 江苏康缘药业股份有限公司 | 一种固体制剂包衣合格性测试模型的检测方法 |
CN110703714B (zh) * | 2019-11-06 | 2020-09-15 | 点睛数据科技(杭州)有限责任公司 | 一种批处理过程的模型建立方法 |
CN110703714A (zh) * | 2019-11-06 | 2020-01-17 | 点睛数据科技(杭州)有限责任公司 | 一种批处理过程的模型建立方法 |
CN111735796A (zh) * | 2020-07-24 | 2020-10-02 | 江西中医药大学 | 一种近红外识别片剂薄膜包衣进度的方法及其应用 |
CN111595815A (zh) * | 2020-07-24 | 2020-08-28 | 江西中医药大学 | 一种判别片剂薄膜包衣终点的方法及其应用 |
CN111595816A (zh) * | 2020-07-24 | 2020-08-28 | 江西中医药大学 | 基于近红外pca分析判别片剂包衣终点的方法及其应用 |
CN111595814A (zh) * | 2020-07-24 | 2020-08-28 | 江西中医药大学 | 基于聚类分析监测片剂包衣终点的方法及其应用 |
CN111595816B (zh) * | 2020-07-24 | 2020-11-20 | 江西中医药大学 | 基于近红外pca分析判别片剂包衣终点的方法及其应用 |
CN111735796B (zh) * | 2020-07-24 | 2021-03-23 | 江西中医药大学 | 一种近红外识别片剂薄膜包衣进度的方法及其应用 |
CN112666038A (zh) * | 2021-01-22 | 2021-04-16 | 山东大学 | 一种基于近红外光谱表征吸湿过程的方法 |
CN112666038B (zh) * | 2021-01-22 | 2023-02-28 | 山东大学 | 一种基于近红外光谱表征吸湿过程的方法 |
CN115031643A (zh) * | 2022-05-19 | 2022-09-09 | 山东大学 | 流化床包衣过程中包衣膜厚度在线测量方法及系统 |
CN115031643B (zh) * | 2022-05-19 | 2024-03-08 | 山东大学 | 流化床包衣过程中包衣膜厚度在线测量方法及系统 |
CN116202991A (zh) * | 2023-05-05 | 2023-06-02 | 江西中医药大学 | 一种片剂包衣吸湿率在线检测方法及系统 |
CN116202991B (zh) * | 2023-05-05 | 2023-08-15 | 江西中医药大学 | 一种片剂包衣吸湿率在线检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108318440A (zh) | 一种利用近红外指纹图谱技术快速判断片剂薄膜包衣终点的方法 | |
Yin et al. | A review of the application of near-infrared spectroscopy to rare traditional Chinese medicine | |
CN108519348A (zh) | 甘草药材近红外定量分析模型及检测方法和标准 | |
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 | |
Berntsson et al. | Estimation of effective sample size when analysing powders with diffuse reflectance near-infrared spectrometry | |
CN110108648B (zh) | 一种陈皮的鉴别方法和鉴别系统 | |
CN103033486B (zh) | 陈皮及广陈皮药材质量的近红外光谱监控方法 | |
CN101308086A (zh) | 基于近红外光谱技术的水果内部品质在线检测方法及装置 | |
CN108872132A (zh) | 一种利用近红外光谱判别茶鲜叶品种的方法 | |
CN104792652A (zh) | 一种黄芪药材多指标快速检测方法 | |
Wang et al. | Potential of near infrared spectroscopy and pattern recognition for rapid discrimination and quantification of Gleditsia sinensis thorn powder with adulterants | |
CN106198446A (zh) | 近红外光谱快速测定艾纳香叶粉中左旋龙脑含量的方法 | |
CN103091274A (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 | |
CN108593592A (zh) | 一种基于近红外光谱技术的半夏掺伪鉴别方法 | |
CN104316489A (zh) | 一种近红外光谱检测灵芝提取物掺假的方法 | |
CN108760677A (zh) | 一种基于近红外光谱技术的法半夏掺伪鉴别方法 | |
CN101620178B (zh) | 基于近红外光谱技术快速检测中成药、保健食品或食品中添加化学成分的方法 | |
CN108318442A (zh) | 一种适用于中药混悬体系的检测方法 | |
CN108051396A (zh) | 一种心可舒片有效成分含量的快速检测方法 | |
CN108444943A (zh) | 一种基于傅里叶变换近红外光谱的咖啡掺假快速鉴别方法 | |
CN109883988A (zh) | 一种固体制剂包衣合格性测试模型的检测方法 | |
CN1982873B (zh) | 快速检测滴丸剂外观质量的近红外漫反射光谱法 | |
Luo et al. | Rapid quantification of multi-components in alcohol precipitation liquid of Codonopsis Radix using near infrared spectroscopy (NIRS) | |
CN109030410B (zh) | 蜂王浆近红外定量校正模型的构建方法及蜂王浆的检测方法 | |
CN110887810A (zh) | 一种基于近红外光谱技术的血塞通滴丸质量一致性评价方法 |
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: 20180724 |