一种基于近红外光谱的软测量方法
【专利摘要】本发明涉及一种基于近红外光谱的软测量方法，尤其涉及一种基于近红外光谱的复方阿胶浆药材提取液浓缩过程相对密度的软测量方法。本发明以生产过程样本与实验室配制样本共同组成样本集，采集样本集的近红外光谱图，剔除异常样本后选择合适的光谱建模波段和预处理方法提取浓缩液的特征光谱信息，以比重瓶法测得浓缩液的相对密度作为参考值，采用偏最小二乘回归法建立浓缩液近红外光谱与其相对密度之间关系的定量校正模型，对待测样品采集其近红外光谱，利用所建模型求取其相对密度。本发明提供了一种快速、精密的密度软测量方法，有利于提高生产过程的质量控制水平。
【专利说明】一种基于近红外光谱的软测量方法
【技术领域】
[0001] 本发明为一种基于近红外光谱的软测量方法，具体涉及一种基于近红外光谱的复 方阿胶浆药材提取液浓缩过程相对密度的软测量方法，属于中药生产【技术领域】。
【背景技术】
[0002] 软测量技术为近年来在过程控制和检测领域涌现出的一种新技术，它主要是通过 间接测量的思路，对难以测量或者暂时不能测量的重要变量，选择另外一些容易测量的变 量，通过构成某种数学关系来推断或者估计。应用软测量技术实现组分含量的在线检测不 但经济可靠，且动态响应迅速、易于达到对产品质量的实时控制。
[0003] 近红外光谱（Near Infrared Spectroscopy,NIRS)是可见光与中红外光谱之间波 长范围为780至2500nm的光谱区。该光谱区主要是含氢基团（C-H、N-H、〇-H)的倍频与合 频吸收，通过扫描样品的近红外光谱，可以得到样品中有机分子含氢基团的特征信息。该技 术需要与化学计量学结合，其中常用的化学计量学技术主要有多元线性回归、主成分回归 和偏最小二乘回归等。近红外光谱用于中药质量控制能够从整体上反映中药材原料、加工 过程中间体及产品的物理及化学组成信息。它作为一种软测量技术，具有样品无需或仅需 极少的预处理、操作简便、不消耗化学试剂等诸多优点。利用这一技术，我们可以依据易测 得的近红外光谱变量与相对密度之间的数学关系，建立相对密度的软测量模型。
[0004] 浓缩过程是复方阿胶浆生产过程中的重要工序之一，也是实际生产过程中耗能较 大、质量控制相对较难的工段。在浓缩过程中，相对密度是判断过程优劣的关键性评价指 标，而且所得浓缩液的相对密度是否在所设定范围内也将对后续的沉淀除杂等过程产生影 响。当前生产上常规的相对密度检测主要采用比重瓶法，此法需取出样品并置于20°C恒温 水浴中待样品冷却至室温后方可精密称定测量，操作过程较为繁琐耗时，无法满足过程分 析快速简便的条件，难以用于中药生产过程的实时在线分析。
【发明内容】
[0005] 本发明的目的在于提供一种基于近红外光谱的软测量方法，尤其是针对复方阿胶 浆药材提取液浓缩过程相对密度的软测量方法，及时地反映浓缩过程中浓缩液的变化信 息，能增强对浓缩过程的理解，提高生产过程的质量控制水平，也为实现工艺过程的在线监 测奠定基础。
[0006] 本发明的目的通过如下技术方案实现：
[0007] -种基于近红外光谱的软测量方法，包括以下步骤：
[0008] 1.样本的收集：以实际生产过程取得的样本和实验室配制的样本组成样本集，此 方法可增加样本集的代表性；
[0009] 优选的，步骤（1)所述的实际生产过程采集的样本的具体步骤为：收集实际生产 浓缩过程共b个批次，每个批次采集k个时刻的样本，
[0010] 其中，b 彡 5;k 彡 10。
[0011] 2.样本集中各样本相对密度的测定：进行比重瓶法测定以测得样本的相对密度 作为参考值，具体操作方法为：
[0012] 取干燥、洁净并精密称定重量的比重瓶，装满样品后插入瓶塞，用滤纸将从塞孔溢 出的多余样品擦干，置20°c恒温水浴中，放置10分钟后将比重瓶自水浴中取出，精密称定， 减去比重瓶自身的重量，求得样品的重量，将样品倾去，洗净比重瓶后，装满蒸馏水再照上 法测得蒸馏水的重量，样品的相对密度即为样品的重量与蒸馏水的重量之比。
[0013] 3.近红外光谱数据采集和数据预处理：使用近红外光谱仪采集样本近红外光谱， 进行异常样本剔除和样本集的划分，然后选择合适的建模光谱波段和预处理方法，提取光 谱特征信息。
[0014] 优选的，近红外光谱仪采集样本近红外光谱时采用透反射模式采集浓缩液的近红 外光谱图。
[0015] 更优选的，近红外光谱仪采集样本近红外光谱时以仪器内置背景为参比，分辨率 为4cm- 1，扫描次数为128次，扫描光谱波数范围为4000-lOOOOcnT1。
[0016] 数据预处理：在建立模型之前，首先需要鉴别并剔除异常样本并对样本集进行划 分，以获得代表性强的校正集和验证集样本，其中，用于建立模型的样本为校正集样本，用 于模型验证和评价的为验证集样本。
[0017] 本发明采用Chauvenet检验法和杠杆值与学生化残差值相结合的方法进行异常 样本的剔除，同时兼顾了化学值和光谱数据的异常，更有助于对异常样本的鉴别及剔除。
[0018] Chauvenet检验法首先计算所有样品光谱的平均光谱，然后计算每个样品光谱与 平均光谱之间的马氏距离，将距离值从小到大的顺序排列，根据Chauvenet判别准则判定 距离值最大的样品光谱是否为异常，若是则继续判别距离值第二大的样品光谱是否为异 常，以此类推，直至某一样品光谱被判定为正常。本发明中软件根据准则自动判断异常光 谱。Chauvenet判别准则公式如下：
[0019]
【权利要求】
1. 一种基于近红外光谱的软测量方法，其特征在于，该软测量方法通过以下步骤实 现： (1) 样本的收集：以实际生产过程采集的样本和实验室配制的样本组成样本集； (2) 样本集中各样本相对密度的测定：以比重瓶法测得样本的相对密度作为参考值； (3) 样本近红外光谱采集和数据预处理：使用近红外光谱仪采集样本近红外光谱，进行 异常样本剔除和样本集的划分，然后选择合适的建模光谱波段和预处理方法，提取光谱特 征信息； (4) 软测量模型的建立：使用多变量分析方法构建样本的近红外特征光谱与其相对密 度值之间的定量校正模型，使用校正集样本建立软测量模型，并通过验证集样本对模型进 行评价； (5) 软测量模型的应用：用所建模型对待测样本进行预测分析，得到待测样品的相对密 度。
2. 根据权利要求1所述的测量方法，其特征在于，步骤（1)所述的样本收集具体步骤 为：收集实际生产浓缩过程共b个批次，每个批次采集k个时刻的样本， 其中，b彡5 ;k彡10。
3. 根据权利要求1所述的测量方法，其特征在于，步骤（3)所述的近红外光谱的采集方 式为：使用透反射模式采集样本近红外光谱。
4. 根据权利要求1所述的测量方法，其特征在于，步骤（3)所述的近红外光谱采集的相 关参数为：以仪器内置背景为参比，分辨率为4CHT 1，扫描次数为128次，扫描光谱波数范围 为 4000-lOOOOcnT1。
5. 根据权利要求1所述的测量方法，其特征在于，步骤（3)样本集的划分：采用SPXY法 将样本集划分为校正集和验证集。
6. 根据权利要求1所述的测量方法，其特征在于，步骤（3)所述的数据预处理的具体 步骤为：采用Chauvenet检验法和杠杆值与学生化残差值相结合的方法进行异常样本的剔 除，米用 Sample set Partitioning based on joint x_y distance (SPXY)法将样本集划 分为校正集和验证集，采用相关光谱法选择合适的光谱区间，并结合有效的光谱预处理方 法对原始光谱图数据进行处理。
7. 根据权利要求1所述的测量方法，其特征在于，步骤（4)所述的软测量模型，其优化 性能评价指标为：以相关系数r、校正集均方差RMSEC、交叉验证均方差RMSECV及验证集均 方差RMSEP为指标优化建模参数；所述的软测量模型对待测样本的预测能力用预测集相关 系数r和预测集均方差RMSEP来考核。
8. 根据权利要求1所述的测量方法，其特征在于，步骤（4)所述的多变量分析方法为偏 最小二乘回归法。
9. 根据权利要求1-8所述的测量方法，其特征在于，所述的样本为中药生产过程中间 体。
10. 根据权利要求9所述的测量方法，其特征在于，所述的样本为复方阿胶浆药材提取 液。
【文档编号】G01N21/359GK104062256SQ201310130446
【公开日】2014年9月24日 申请日期:2013年4月15日 优先权日:2013年4月15日
【发明者】秦玉峰, 尤金花, 周祥山, 田守生, 张淹, 张路, 瞿海斌, 李文龙, 韩海帆 申请人:山东东阿阿胶股份有限公司, 浙江大学