近红外无损检测安胎丸中关键质控指标成分的含(3)

表2 安胎丸关键质控指标成分的含量测定表（mg·pill-1）质控指标成分阿魏酸黄芩苷含黄芩苷黄芩素汉黄芩素洋川芎内酯A分类样本量最小值最大值最小值最大值最小值最大值最小值最大值最小值最大值最小值最大值总量108 0.1296 0.7746 9.7272 49.539 1.0506 6.3084 0.6786 9.0804 0.96 4.1796 0.0534 1.2936校正集84 0.1296 0.7746 9.7272 49.539 1.0506 6.3084 0.6786 9.0804 0.96 4.1796 0.0534 1.2936验证集24 0.1404 0.7614 10.449 48.9066 1.2102 6.2976 0.9582 8.991 1.1406 4.1556 0.2976 1.1034

图2是安胎丸样品溶液和标准品溶液的HPLC色谱图，表明六种关键质控指标成分不存在有峰干扰，且各成分归属于不同的色谱峰，可以准确进行定量，定量结果见表1。

2.2 关键质控指标成分的近红外定量模型的建立

2.2.1 近红外校正集样本和验证集样本的划分

针对上述测定的每一批号中各丸所含质控指标成分的含量，将所有的样本（108丸）分为校准集和预测集。且分别由84个和24个样本组成，如表2所示，并对校正集或验证集的六个质控指标成分含量进行比较，校准集的含量范围更大，且含量数据分布均匀，符合建模条件。

2.2.2 近红外光谱的特性分析

近红外光谱分析常用的光谱区域是780-2500 nm，所测特征是分子振动基频，尤其是伸缩和弯曲振动的倍频和组合频吸收带[15]。图3显示了安胎丸的原始光谱图和预处理光谱图的光谱。在卷积平滑的光谱预处理中，1150-1210 nm、1300-1500 nm和1450-1600 nm均有较大响应，这与-CH2、和-CH的二级倍频、-OH的伸缩振动有关[15]。

2.2.3 主成分分析

主成分分析（Principal Component Analysis，PCA）是一种根据光谱分数对不同样本进行分类的合适方法，可用于验证光谱的一致性[16]。图4显示了光谱的得分图。实验结果显示，12批次安胎丸从其PCA得分图看出，两年内生产的样本不存在明显的异常值。因此，108丸安胎丸具有光谱的一致性。

2.2.4 近红外光谱的预处理和波段选择

对近红外光谱仪采集的光谱数据进行光谱预处理，可以消除偏移或基线的变化，从而保证光谱数据和成分之间很好的相关性[13]。在本研究中，选择光谱扫描范围为1000-1800 nm。考察几种光谱预处理方法包括：S-G、1DC、2DC、MSC、SNV等不同预处理方法，最大程度地减少光谱中存在的干扰，并对上述光谱预处理方法进行比较，分别选出最佳光谱预处理方法：六种质控指标成分的最佳光谱预处理方法均为卷积平滑（窗口数为11，拟合次数为3）[17]。

校正模型建立时，有时并不需要所有的光谱数据都参与校正，而只用某些光谱区间就可以得到很好的校正效果，这样可以减少参与建模的数据量，降低不相关区间的噪音干扰。因此，本研究中，采用化学计量学软件提供的光谱区间选择功能，进行不同的波长选择方法的比较，优选出最佳波段进行模型的建立，最佳波段的优选结果见表3。

图3 安胎丸的近红外原始光谱及预处理光谱图a：原始光谱图；b：Savitzky-Golay卷积平滑；c：二阶卷积求导；d：多元散射校正；e：标准正态变量变换；f：归一化法；g：一阶卷积求导+多元散射校正；h：一阶卷积求导

图4 安胎丸全部样本的近红外光谱PCA得分图

2.2.5 模型主因子数的确定

采用PLS方法建立定量分析模型时，主因子数的选择直接影响到模型的实际预测能力，如果选择的主因子太少，将会丢失原始光谱较多的有用信息，导致拟合不充分；如果选择主因子太多，会将测量噪音过多的包括进来，出现过拟合现象，所建模型的预测误差会显著增大[18]。本研究以黄芩苷为例，随着主因子数增加，SECV陡然下降，防止存在过拟合现象，因此，选择主因子数为7。

2.2.6 建立最佳定量校准模型

定量校正也称多元校正[19]，是指在物质含量与分析仪器响应值之间建立定量关联关系。PLS属于线性方法，是基于有偏估计的方法，能同时对回归问题进行降维处理[19]。

本研究中根据表1中六种质控指标成分的含量测定结果，采用THUNIR软件，应用卷积平滑的光谱预处理方法，选择优化后的最佳波长，结合偏最小二乘法分别建立近红外光谱测定安胎丸六种成分的定量校正模型。六种成分的定量分析模型参数见表3。

图5 黄芩苷定量分析校正模型最佳主因子数的选择

2.3 定量校准模型的验证

采用建立的六种关键质控指标成分的定量校准模型，分别对剩余的24个验证集样本进行含量预测，如图6，结果显示安胎丸中的六种关键质控指标性成分的真实值与预测值高度匹配，其预测的相关系数R2均≥0.90，表明六个模型具有较好的预测能力。

文章来源：《无损检测》 网址: http://www.wsjczzs.cn/qikandaodu/2021/0310/424.html