CN113834795A - 硫酸羟氯喹颗粒水分近红外光谱在线定量模型及其建立方法及检测方法 - Google Patents
硫酸羟氯喹颗粒水分近红外光谱在线定量模型及其建立方法及检测方法 Download PDFInfo
- Publication number
- CN113834795A CN113834795A CN202010514508.9A CN202010514508A CN113834795A CN 113834795 A CN113834795 A CN 113834795A CN 202010514508 A CN202010514508 A CN 202010514508A CN 113834795 A CN113834795 A CN 113834795A
- Authority
- CN
- China
- Prior art keywords
- near infrared
- infrared spectrum
- hydroxychloroquine sulfate
- quantitative model
- establishing
- 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
- ZAVJTSLIGAGALR-UHFFFAOYSA-N 2-(2,2,2-trifluoroacetyl)cyclooctan-1-one Chemical compound FC(F)(F)C(=O)C1CCCCCCC1=O ZAVJTSLIGAGALR-UHFFFAOYSA-N 0.000 title claims abstract description 91
- 229960002927 hydroxychloroquine sulfate Drugs 0.000 title claims abstract description 91
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 72
- 239000002245 particle Substances 0.000 title claims abstract description 66
- 238000001514 detection method Methods 0.000 title abstract description 10
- 238000001035 drying Methods 0.000 claims abstract description 43
- 238000005070 sampling Methods 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000012795 verification Methods 0.000 claims abstract description 18
- 238000010238 partial least squares regression Methods 0.000 claims abstract description 4
- 239000000523 sample Substances 0.000 claims description 61
- 238000001914 filtration Methods 0.000 claims description 19
- 238000009499 grossing Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 14
- 238000009795 derivation Methods 0.000 claims description 13
- 239000000126 substance Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 239000013307 optical fiber Substances 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 239000008187 granular material Substances 0.000 abstract description 22
- 238000009776 industrial production Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000010200 validation analysis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 229910052594 sapphire Inorganic materials 0.000 description 4
- 239000010980 sapphire Substances 0.000 description 4
- 238000012353 t test Methods 0.000 description 4
- 238000005550 wet granulation Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005469 granulation Methods 0.000 description 2
- 230000003179 granulation Effects 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 150000002367 halogens Chemical class 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 206010039073 rheumatoid arthritis Diseases 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 201000000596 systemic lupus erythematosus Diseases 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
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
本发明公开了一种硫酸羟氯喹颗粒水分的近红外光谱在线定量模型的建立方法,及所建模型,以及一种硫酸羟氯喹颗粒水分的检测方法。该建立方法的步骤如下:对干燥过程中的硫酸羟氯喹颗粒采集近红外光谱样本,并在每次采集完成后取样,检测取样所得的样品的水分含量;剔除所采集的近红外光谱样本中的异常样本,将剔除异常样本后剩余的近红外光谱样本分为校正集和验证集;选择建模波段为4800~5500cm‑1和6800~7400cm‑1,选择主因子数为5~7,运用偏最小二乘回归建立在线定量模型。本发明的在线定量模型准确度较高、稳定性较好,可应用于工业生产,实现快速准确的检测硫酸羟氯喹颗粒水分,高效便捷的监测干燥终点。
Description
技术领域
本发明涉及一种硫酸羟氯喹颗粒水分的近红外光谱在线定量模型的建立方法,及所建模型,以及一种硫酸羟氯喹颗粒水分的检测方法。
背景技术
硫酸羟氯喹是临床上治疗类风湿性关节炎、系统性红斑狼疮的常用药物。硫酸羟氯喹颗粒片剂生产过程中的重要质量控制点为硫酸羟氯喹制粒。硫酸羟氯喹制粒的工艺为湿法制粒。湿法制粒的质量控制主要在制粒过程中检测颗粒水分、混合均匀度和粒径等一系列指标。其中,水分含量既影响粒径分布也影响混匀程度,故需要优先测量。目前硫酸羟氯喹颗粒在干燥过程中使用快速水分测定仪测定水分含量,以监测干燥终点。这种分析方法在干燥过程中取样测定水分,会带来人为干扰的影响,且水分测定仪的测量时间较长,在等待测量结果时流化床内的物料水分仍在不断变化。因此,亟需一种更高效准确的硫酸羟氯喹颗粒水分检测方法。
近红外光谱(near infrared spectroscopy,NIRS)分析技术是过程分析技术(process analytical technology,PAT)的核心技术之一,可以对原始物料质量、中间物料质量和工艺过程参数等关键质量数据进行检测以确保成品质量,其具有测试方便、分析速度快、分析效率高的特点。
使用NIR分析技术对硫酸羟氯喹颗粒的水分含量进行实时监测将有助于提高硫酸羟氯喹的生产效率以及终产品的质量,有助于未来向生产全自动化的发展。目前,使用NIR分析技术监测硫酸羟氯喹颗粒水分含量的报道限于硫酸羟氯喹颗粒水分的离线定量模型的建立(李沙沙,陈辉,赵云丽,等.硫酸羟氯喹颗粒水分含量测定近红外定量模型的建立[J].沈阳药科大学学报,2019,036(007):593-599.)。但是,离线检测不利于提高硫酸羟氯喹颗粒的生产效率以及终产品的质量,也不利于向硫酸羟氯喹颗粒生产全自动化方向的发展。因此,亟需一种硫酸羟氯喹颗粒中水分的近红外光谱在线定量模型的建立方法。
发明内容
本发明所要解决的问题在于克服现有技术中利用近红外光谱分析技术检测硫酸羟氯喹颗粒中的水分含量限于离线方式,无法快速、实时测得检测结果,不利于提高生产效率的缺陷,提供一种硫酸羟氯喹颗粒水分的近红外光谱在线定量模型的建立方法,及所建模型,以及一种硫酸羟氯喹颗粒水分的检测方法。本发明的在线定量模型准确度较高、稳定性较好,可应用于工业生产,从而实现快速准确的检测硫酸羟氯喹颗粒水分,高效便捷的监测干燥终点。
为了实现上述目的,本发明提供以下技术方案:
本发明提供的技术方案之一为:一种硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立方法。该建立方法包括如下步骤:
(1)对干燥过程中的硫酸羟氯喹颗粒采集近红外光谱样本,并在每次采集完成后取样,检测取样所得的样品的水分含量;其中,所述干燥的温度为A以下时,所述取样的时间间隔为30~32s,所述干燥的温度为大于A时,所述取样的时间间隔为115~125s;所述A为34~36℃;
(2)剔除所采集的近红外光谱样本中的异常样本,将剔除异常样本后剩余的近红外光谱样本分为校正集和验证集;
(3)选择建模波段为4800~5500cm-1和6800~7400cm-1,选择主因子数为5~7,运用偏最小二乘回归建立硫酸羟氯喹颗粒水分近红外光谱在线定量模型。
步骤(1)中,所述硫酸羟氯喹颗粒为硫酸羟氯喹制剂生产过程中所制的颗粒,一般为湿法制粒制得的硫酸羟氯喹湿颗粒。所述干燥过程在本领域常规的干燥设备中进行,一般为流化床。
所述对干燥过程中的硫酸羟氯喹颗粒采集近红外光谱样本,并在每次采集完成后取样的具体设备设置可为:在流化床锅炉本体下部的两侧设置采谱窗口(如蓝宝石窗口)和取样口,可为对称设置,优选所述采谱窗口靠近所述取样口,以保证光谱与样品的空间对应性。
干燥过程中,硫酸羟氯喹颗粒被置于流化床锅炉本体中。当流化床进风干燥后,可开始通过固定在蓝宝石窗口上的近红外光谱仪探头采集近红外光谱样本,每次采集完成后从所述取样口中取样,优选立即取样,保证光谱与样品的时间对应性。为了尽可能避免流化床对物料的干燥过程不均匀,物料的水分值之间存在差异影响建模,可控制进风温度和频率,使物料温度缓慢上升,缓解结块现象,提高流化床对物料干燥过程的均匀程度。为避免湿物料在取样口的堆积,对样品的水分值造成影响,可及时清理取样口堆积的物料。
所述近红外光谱仪一般为具有探头的近红外光谱仪,例如Thermo Antaris MX近红外光谱仪。所述近红外光谱仪的探头优选为漫反射光纤探头。
所述采集近红外光谱样本的扫描范围可为所用近红外光谱仪的波长区间,例如,当使用的近红外光谱仪为Thermo Antaris MX时,所述扫描范围可为10000~4000cm-1。
所述采集近红外光谱样本的扫描次数、分辨率和增益值可按照本领域常规进行选择。优选的,扫描次数为64次,分辨率为8cm-1,增益值为8×。
每次采集所述近红外光谱样本前,优选采集背景光谱。
随干燥过程的进行,采集近红外光谱样本并随后取样的操作连续多次进行。所述A优选为35℃。所述取样的时间间隔优选为:所述干燥的温度为35℃以下时,所述取样的时间间隔为30s,所述干燥的温度为大于35℃时,所述取样的时间间隔为120s。所述干燥终点的温度可为48℃以上,优选为50℃。
所述采集近红外光谱样本可尽可能针对多批次硫酸羟氯喹颗粒,以包含更多批间差异,提高模型在实际生产中的可应用性。较佳的硫酸羟氯喹颗粒的批次为10批以上。通常,每一批次采集近红外光谱样本的数量为40个以上。本发明一实施例中,共采集12批次,共计519个近红外光谱样本。
所述检测取样所得的样品的水分含量的仪器可为本领域常规的水分测定仪,例如HX204卤素水分测定仪。所述样品的水分含量一般为1.00~6.50%,覆盖干燥工艺优化范围1.00~2.50%。
步骤(2)中,剔除所采集的近红外光谱样本中的异常样本可提高在线定量模型的准确度和稳定性。
所述剔除所采集的近红外光谱样本中的异常样本的方法可为本领域常规的方法,例如肖维勒准则检验结合杠杆值-学生化残差图。所述异常样本的数量一般为10个以上。
所述校正集和所述验证集的分类方法可为本领域常规的分类方法,例如SPXY分类方法或y等间距法。
所述校正集和所述验证集的数量比可为2:1~3:1,例如2.1:1。
所述校正集可用于建立所述在线定量模型。所述校正集的数量可为300个以上。所述验证集可用于对所述模型进行验证,并对所述模型进行准确度评价。所述验证集的数量可为100个以上。
步骤(2)中优选包括对所述剔除异常样本后剩余的近红外光谱样本进行预处理。
所述预处理的方法可为分离近红外光谱中的散射信号与化学信息,或者,分离近红外光谱中的散射信号与化学信息、增强光谱信号和滤除噪声。
其中,所述分离近红外光谱中的散射信号与化学信息可消除由于颗粒分布不均匀产生的散射对其光谱的影响,所用方法可为多元散射校正(Multiplicative Signalcorrection,MSC)或标准正则变换(standard normal variate transformation,SNV)。所述增强光谱信号的方法可为一阶求导或二阶求导,优选为一阶求导。所述滤除噪声的方法可为Savitzky-Golay平滑滤波或Karl Norris平滑滤波,优选为Karl Norris平滑滤波。
所述预处理的方法优选为MSC,或者,SNV,或者,MSC、一阶求导和Karl Norris平滑滤波,或者,SNV、一阶求导和Karl Norris平滑滤波;更优选为MSC、一阶求导和Karl Norris平滑滤波,或者,SNV、一阶求导和KarlNorris平滑滤波。
步骤(3)中,所述建模波段优选为4935~5336cm-1和6911~7297cm-1。所述主因子数优选为6。
所述主因子数可根据本领域常规的方法选择,例如,根据TQAnlyst9.5中的PRESS图,选择交互验证误差均方根(RMSECV)和PRESS最小时对应的主因子数。选择正确的主因子数既能完全利用近红外光谱的信息,也能避免建立在线定量模型的过程中出现过拟合现象。
建立所述在线定量模型的软件可为本领域常规的建立模型软件,例如MATLAB2014a或TQAnlyst9.5。
本发明提供的技术方案之二为:一种由上述建立方法建立的硫酸羟氯喹颗粒水分近红外光谱在线定量模型。
本发明的在线定量模型可按本领域常规的方法进行评价。例如:在线定量模型的相关系数R大于0.9,表明在线定量模型的准确度较高。校正集和验证集的数据点在模型范围内的分布均匀,校正集分布在验证集的范围内,表明用校正集建立的模型对验证集的验证有效。验证集误差均方根与校正集误差均方根之差的绝对值(|RMSEP-RMSEC|)趋近于0,表明在线定量模型稳定性较好。验证集标准偏差(SDV)与预测集标准偏差(SEP)的比值(RPD)大于5,表明在线定量模型的预测结果可以接受。将采用在线定量模型得到的硫酸羟氯喹颗粒的水分含量(预测值)与采用水分测定仪测得的硫酸羟氯喹颗粒的水分含量(参考值)进行配对样本t检验显示无统计学差异,表明在线定量模型的误差较小,稳定性较好。
本发明提供的技术方案之三为:一种硫酸羟氯喹颗粒水分的检测方法。
该检测方法包括如下步骤:
(1)对干燥过程中的硫酸羟氯喹颗粒采集近红外光谱;
(2)将步骤(1)中所采集的近红外光谱导入所述的硫酸羟氯喹颗粒水分近红外光谱在线定量模型,得到所述硫酸羟氯喹颗粒的水分含量。
步骤(1)中,所述采集近红外光谱的扫描范围可为所用近红外光谱仪的波长区间,例如,当使用的近红外光谱仪为Thermo Antaris MX时,所述扫描范围可为10000~4000cm-1。
所述采集近红外光谱的分辨率和增益值可按照本领域常规进行选择。优选的,分辨率为8cm-1,增益值为8×。
所述采集近红外光谱的扫描次数可为2~3次。
步骤(2)中,所述硫酸羟氯喹颗粒的水分含量可用于监测干燥终点。例如,当所述硫酸羟氯喹颗粒的水分含量为1.00~2.50%时,可停止干燥。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明所用试剂和原料均市售可得。
本发明的积极进步效果在于:本发明的硫酸羟氯喹颗粒水分近红外光谱在线定量模型准确度较高、稳定性较好,在线定量模型的相关系数R达0.9以上,|RMSEP-RMSEC|趋近于0,RPD为5以上。将本发明的在线定量模型应用于工业生产中,t检验显示无统计学差异;可实现快速准确的检测硫酸羟氯喹颗粒水分,高效便捷的监测干燥终点。
附图说明
图1为实施例1采集的干燥过程中的硫酸羟氯喹颗粒的近红外光谱图。
图2为实施例1的方法建立的硫酸羟氯喹颗粒水分的近红外光谱在线定量模型。
图3为实施例6中硫酸羟氯喹颗粒水分的预测值与参考值的水分变化趋势图。
图4为实施例7中检测的硫酸羟氯喹颗粒水分变化趋势图。
图5为对比例1的方法建立的硫酸羟氯喹颗粒水分的近红外光谱在线定量模型。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。下列实施例中未注明具体条件的实验方法,按照常规方法和条件,或按照商品说明书选择。
实施例1硫酸羟氯喹颗粒水分的近红外光谱在线定量模型的建立
(1)采集近红外光谱及取样
将硫酸羟氯喹制剂生产过程中湿法制粒制得的硫酸羟氯喹颗粒(上海上药中西制药有限公司)置于流化床中进行干燥。流化床开始进风干燥后,开始对干燥过程中的硫酸羟氯喹颗粒采集近红外光谱样本(如图1),并在每次采集完成后取样,检测取样所得的样品的水分含量。
在流化床锅体的下半部分安装蓝宝石窗口,近红外光谱仪的探头固定于窗口上,取样口在流化床的另一侧,靠近蓝宝石窗口。近红外光谱仪为ThermoAntaris MX近红外光谱仪,探头为漫反射光纤探头;扫描范围为10000~4000cm-1,扫描次数为64次,分辨率为8cm-1,增益值为8×。每次采集所述近红外光谱样本前采集背景光谱。
当干燥的温度为35℃以下时,取样的时间间隔为30s;当干燥的温度为大于35℃时,取样的时间间隔为120s。一批硫酸羟氯喹颗粒物料分成4锅流化床完成干燥,每一锅流化床采集大约10个近红外光谱样本,一批可采集大约40个近红外光谱样本,共采集12批,共计519个近红外光谱样本;每次采集完成后取样,共取519个硫酸羟氯喹颗粒样品,采用HX204卤素水分测定仪检测取样所得的样品的水分含量为1.00~6.50%(参考值)。
(2)采用肖维勒准则检验结合杠杆值-学生化残差图剔除步骤(1)所采集的近红外光谱样本中的13个异常光谱(23、58、61、70、79、95、96、97、139、223、276、350和473)。
采用SPXY分类方法将剔除异常光谱后的硫酸羟氯喹颗粒样品的近红外光谱分为校正集和验证集,其中,校正集为344个,验证集为162个。通过主成分分析可以看出,验证集均匀分布在校正集中,表明校正集覆盖了验证集的水分含量范围,划分较为合理。
对剔除异常样本后剩余的近红外光谱样本进行预处理,其中,预处理的方法为MSC、一阶求导和Karl Norris平滑滤波。
(3)选择建模波段为4935~5336cm-1;选择TQAnlyst9.5的PRESS图中,交互验证误差均方根(RMSECV)和PRESS最小时对应的数值6为主因子数;运用偏最小二乘回归建立硫酸羟氯喹颗粒水分近红外光谱在线定量模型(如图2)。
实施例2硫酸羟氯喹颗粒水分的近红外光谱在线定量模型的建立
实施例2中在线定量模型的建立方法,步骤(2)中对剔除异常样本后剩余的近红外光谱样本进行预处理,其中,预处理的方法为SNV、一阶求导和Karl Norris平滑滤波;其他均同实施例1。
实施例3硫酸羟氯喹颗粒水分的近红外光谱在线定量模型的建立
实施例3中在线定量模型的建立方法,步骤(2)中对剔除异常样本后剩余的近红外光谱样本进行预处理,其中,预处理的方法为MSC;其他均同实施例1。
实施例4硫酸羟氯喹颗粒水分的近红外光谱在线定量模型的建立
实施例4中在线定量模型的建立方法,步骤(2)中对剔除异常样本后剩余的近红外光谱样本进行预处理,其中,预处理的方法为SNV;其他均同实施例1。
实施例5硫酸羟氯喹颗粒水分的近红外光谱在线定量模型的建立
实施例5中在线定量模型的建立方法,步骤(2)中未对剔除异常样本后剩余的近红外光谱样本进行预处理;其他均同实施例1。
对比例1硫酸羟氯喹颗粒水分的近红外光谱在线定量模型的建立
对比例1中,取样的时间间隔为120s;其他均同实施例。
从图5中可以看出,对比例1中的在线定量模型偏向水分低的一侧,预测结果会有偏差。
效果实施例1
(1)对实施例1~5中的在线定量模型进行准确度评价,结果如表1所示。
表1
实施例 | RMSEC/% | RMSEP/% | RMSECV/% | R |
实施例1 | 0.408 | 0.435 | 0.446 | 0.9372 |
实施例2 | 0.405 | 0.436 | 0.446 | 0.9372 |
实施例3 | 0.467 | 0.409 | 0.481 | 0.9309 |
实施例4 | 0.469 | 0.411 | 0.483 | 0.9306 |
实施例5 | 0.457 | 0.499 | 0.489 | 0.9206 |
实施例1~5中,验证集误差均方根与校正集误差均方根之差的绝对值(|RMSEP-RMSEC|)趋近于0,表明建立的在线定量模型稳定性较好。
如图2所示,实施例1中校正集和验证集的数据点在模型范围内分布均匀,且校正集分布在验证集的范围内,表明用校正集建立的在线定量模型对验证集的验证有效。且实施例1的验证集标准偏差(SDV)与预测集标准偏差(SEP)的比值(RPD)为5.18,大于5,表明在线定量模型的预测结果可以接受。
实施例6硫酸羟氯喹颗粒水分的检测
将实施例1中的在线定量模型应用于实验室中检测硫酸羟氯喹颗粒的水分含量:
对一批干燥过程中的硫酸羟氯喹颗粒采集近红外光谱;将采集的近红外光谱导入实施例1中的在线定量模型,得到硫酸羟氯喹颗粒的水分含量(预测值);其中,采集近红外光谱时,近红外光谱仪为Thermo Antaris MX近红外光谱仪,探头为漫反射光纤探头;扫描范围为10000~4000cm-1,扫描次数为2~3次,分辨率为8cm-1,增益值为8×。
每次采集完成后取样,用水分测定仪检测取样所得的样品的水分含量(参考值)。
将预测值与参考值进行配对样本t检验,显著性水平设为0.05,检验结果|t|=0.195,小于t双尾临界值1.990,F=1.10<1.46,说明预测值与参考值之间无统计学差异。由图3可以看出两个曲线的重合性较好,进一步表明实施例1的在线定量模型误差较小,稳定性较好。
实施例7硫酸羟氯喹颗粒水分的检测
将实施例1中的在线定量模型应用于实时监测车间生产过程中硫酸羟氯喹颗粒的水分含量:
对硫酸羟氯喹颗粒进行干燥,硫酸羟氯喹颗粒分两批进入流化床,对干燥过程中的硫酸羟氯喹颗粒采集近红外光谱;其中,采集近红外光谱时,近红外光谱仪为ThermoAntaris MX近红外光谱仪,探头为漫反射光纤探头;扫描范围为10000~4000cm-1,扫描次数为2~3次,分辨率为8cm-1,增益值为8×。
将采集的近红外光谱(预测集样本)导入实施例1中的在线定量模型,得到硫酸羟氯喹颗粒的水分含量(预测值);其中,预测集的RMSEP=0.265。
每次采集完成后取样,每批取样的数量为10个,取样后用水分测定仪测定水分含量(参考值)。
将预测集样本的预测值与参考值进行配对样本t检验,显著性水平设为0.05,检验结果|t|=0.265,小于t双尾临界值2.110,F=0.78<3.18,说明预测值与真实值之间无统计学差异。
将模型导入Result Operation软件中可实时反映上述车间生产过程中硫酸羟氯喹颗粒的水分含量变化,从图4中可以看出水分含量平稳下降直至趋于平稳。在干燥过程中在线取出5个样品用水分测定仪测量参考值并标于图4中(三角形符号标示的5个值),可以看出预测值与参考值的重合性较好,表明模型的误差较小且稳定性较好。
Claims (10)
1.一种硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立方法,其特征在于其包括下述步骤:
(1)对干燥过程中的硫酸羟氯喹颗粒采集近红外光谱样本,并在每次采集完成后取样,检测取样所得的样品的水分含量;其中,所述干燥的温度为A以下时,所述取样的时间间隔为30~32s,所述干燥的温度为大于A时,所述取样的时间间隔为115~125s;所述A为34~36℃;
(2)剔除所采集的近红外光谱样本中的异常样本,将剔除异常样本后剩余的近红外光谱样本分为校正集和验证集;
(3)选择建模波段为4800~5500cm-1和6800~7400cm-1,选择主因子数为5~7,运用偏最小二乘回归建立硫酸羟氯喹颗粒水分近红外光谱在线定量模型。
2.如权利要求1所述的硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立方法,其特征在于:步骤(1)中,所述A为35℃;
和/或,所述干燥的温度为35℃以下时,所述取样的时间间隔为30s,所述干燥的温度为大于35℃时,所述取样的时间间隔为120s;
和/或,所述硫酸羟氯喹颗粒的批次为10批以上。
3.如权利要求1所述的硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立方法,其特征在于:步骤(1)中,所述对干燥过程中的硫酸羟氯喹颗粒采集近红外光谱样本,并在每次采集完成后取样的设备设置为:在流化床锅炉本体下部的两侧设置采谱窗口和取样口,将近红外光谱仪的探头固定在所述采谱窗口上,优选所述采谱窗口靠近所述取样口。
4.如权利要求1所述的硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立方法,其特征在于:步骤(1)中,所述采集近红外光谱样本所用的近红外光谱仪的探头为漫反射光纤探头;
和/或,所述采集近红外光谱样本的扫描范围为10000~4000cm-1,扫描次数为64次,分辨率为8cm-1,增益值为8×。
5.如权利要求1所述的硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立方法,其特征在于:步骤(2)中,所述剔除所采集的近红外光谱样本中的异常样本的方法为肖维勒准则检验结合杠杆值-学生化残差图;
和/或,所述校正集和所述验证集的分类方法为SPXY分类方法或y等间距法。
6.如权利要求1或5所述的硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立方法,其特征在于:步骤(2)中包括对所述剔除异常样本后剩余的近红外光谱样本进行预处理;
所述预处理的方法优选为分离近红外光谱中的散射信号与化学信息,或者,分离近红外光谱中的散射信号与化学信息、增强光谱信号和滤除噪声;
所述分离近红外光谱中的散射信号与化学信息的方法优选为多元散射校正或标准正则变换;
所述增强光谱信号的方法优选为一阶求导或二阶求导;
所述滤除噪声的方法优选为Savitzky-Golay平滑滤波或KarlNorris平滑滤波;
所述预处理的方法优选为多元散射校正,或者,标准正则变换,或者,多元散射校正、一阶求导和KarlNorris平滑滤波,或者,标准正则变换、一阶求导和Karl Norris平滑滤波;更优选为多元散射校正、一阶求导和Karl Norris平滑滤波,或者,标准正则变换、一阶求导和Karl Norris平滑滤波。
7.如权利要求1所述的硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立方法,其特征在于:步骤(3)中,所述建模波段为4935~5336cm-1和6911~7297cm-1;
和/或,所述主因子数为6。
8.如权利要求1或2所述的硫酸羟氯喹颗粒水分近红外光谱在线定量模型的建立方法,其特征在于:所述剔除所采集的近红外光谱样本中的异常样本的方法为肖维勒准则检验结合杠杆值-学生化残差图;
所述校正集和所述验证集的分类方法为SPXY分类方法;
步骤(2)中包括对所述剔除异常样本后剩余的近红外光谱样本进行预处理;所述预处理的方法为多元散射校正、一阶求导和KarlNorris平滑滤波。
9.一种如权利要求1~8中任一项所述建立方法建立的硫酸羟氯喹颗粒水分近红外光谱在线定量模型。
10.一种硫酸羟氯喹颗粒水分的检测方法,其特征在于其包括下述步骤:
(1)对干燥过程中的硫酸羟氯喹颗粒采集近红外光谱;
(2)将步骤(1)中所采集的近红外光谱导入如权利要求8所述的硫酸羟氯喹颗粒水分近红外光谱在线定量模型,得到所述硫酸羟氯喹颗粒的水分含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514508.9A CN113834795A (zh) | 2020-06-08 | 2020-06-08 | 硫酸羟氯喹颗粒水分近红外光谱在线定量模型及其建立方法及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514508.9A CN113834795A (zh) | 2020-06-08 | 2020-06-08 | 硫酸羟氯喹颗粒水分近红外光谱在线定量模型及其建立方法及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113834795A true CN113834795A (zh) | 2021-12-24 |
Family
ID=78963668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010514508.9A Pending CN113834795A (zh) | 2020-06-08 | 2020-06-08 | 硫酸羟氯喹颗粒水分近红外光谱在线定量模型及其建立方法及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113834795A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115047099A (zh) * | 2022-05-24 | 2022-09-13 | 上海上药杏灵科技药业股份有限公司 | 一种银杏叶提取物洗脱过程中总萜内酯含量的快速测定方法 |
-
2020
- 2020-06-08 CN CN202010514508.9A patent/CN113834795A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115047099A (zh) * | 2022-05-24 | 2022-09-13 | 上海上药杏灵科技药业股份有限公司 | 一种银杏叶提取物洗脱过程中总萜内酯含量的快速测定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108267414B (zh) | 纺织品纤维含量的近红外光谱分析方法 | |
CN109085136B (zh) | 近红外漫反射光谱测定水泥生料氧化物成分含量的方法 | |
CN104048939A (zh) | 生猪血液中血糖含量近红外快速检测方法 | |
CN104062258A (zh) | 一种采用近红外光谱快速测定复方阿胶浆中可溶性固形物的方法 | |
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 | |
CN107655852A (zh) | 婴幼儿配方奶粉中必要营养素的近红外光谱快速检测方法 | |
CN106053383A (zh) | 一种烟草加工过程中的近红外在线检测方法 | |
KR100934410B1 (ko) | 근적외 분광분석법을 이용한 곡물 종실의 무게 측정방법 | |
CN102393376A (zh) | 基于支持向量回归的鱼丸多组分含量检测的近红外光谱法 | |
CN113834795A (zh) | 硫酸羟氯喹颗粒水分近红外光谱在线定量模型及其建立方法及检测方法 | |
Turgut et al. | Estimation of the sensory properties of black tea samples using non-destructive near-infrared spectroscopy sensors | |
CN104596976A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶蛋白质的方法 | |
CN101526470B (zh) | 烟用香精的检测方法 | |
CN113324940A (zh) | 特优优质奶、高蛋白特色奶、高乳脂特色奶和普通奶的光谱分级方法 | |
CN113310929A (zh) | 高温灭菌奶中掺加豆粉及其掺加比例的光谱鉴定方法 | |
JP2007285922A (ja) | 近赤外光を用いた臨床血液検査方法 | |
CN111401794A (zh) | 一种基于近红外光谱的饲料品质控制方法 | |
JP7199697B2 (ja) | 検査装置、検査方法、プログラム、記録媒体および粉体成形物製造装置 | |
KR100859131B1 (ko) | 우유의 신선도 판별용 근적외선 분광 분석 시스템 | |
CN111521580A (zh) | 一种基于便携式近红外光谱仪的鱼片新鲜度检测方法 | |
CN103267740A (zh) | 秸秆发酵过程特征波数软仪表装置及其构造方法 | |
CN110308226A (zh) | 一种发酵虫草菌粉生产全过程链质量控制快速检测方法 | |
CN107238557A (zh) | 一种利用近红外光谱法快速检测碳酸钙粒径分布的方法 | |
CN103048275A (zh) | 基于近红外光谱的自适应软仪表装置及其构造方法 | |
CN113310933A (zh) | 原料水牛奶保存天数的光谱鉴定方法 |
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 |