一种姜科中药配方颗粒的近红外光谱鉴别模型构建方法和鉴别方法组成比例

本发明专利技术涉及一种姜科中药配方颗粒的近红外光谱鉴别模型构建方法和鉴别方法。包括以下步骤：采集生姜、干姜、炮姜和姜炭配方颗粒的样品的近红外光谱，分为参考光谱集和测试光谱集；在近红外光谱范围，对所述参考光谱集的近红外光谱进行预处理，采用定性分析的基本算法，建立生姜、干姜、炮姜和姜炭配方颗粒的近红外光谱鉴别模型；对所述鉴别模型进行评价。解决了难以鉴别区分生姜、干姜、炮姜和姜炭配方颗粒的问题，具有高效便捷、结果准确、不破坏样品、无化学试剂污染等优势。无化学试剂污染等优势。

【技术实现步骤摘要】
一种姜科中药配方颗粒的近红外光谱鉴别模型构建方法和鉴别方法


[0001]本专利技术涉及药物分析
，特别涉及一种姜科中药配方颗粒的近红外光谱鉴别模型构建方法和鉴别方法，具体是涉及生姜、干姜、炮姜和姜炭配方颗粒的近红外光谱鉴别模型构建方法和生姜、干姜、炮姜和姜炭配方颗粒的鉴别方法。

技术介绍

[0002]生姜为姜科植物姜Zingiber officinale Rosc.的新鲜根茎，干姜为姜的干燥根茎，炮姜、姜炭为干姜的两种炮制加工品。《中华人民共和国药典》(2020版)第一部中，将以上四者分开并分别进行描述。四者在中医临床应用方面有所区别，生姜具有解表散寒，温中止呕，化痰止咳，解鱼蟹毒等功效，干姜具有回阳通脉，温肺化饮等功效。炮姜辛燥之性较干姜弱，作用缓和持久且能止泻止痛，而姜炭更偏向于止血。因此，需要将这四种饮片区分开来。四者气味相近，传统的鉴别方法主要是根据饮片的外观性状来鉴别，例如生姜表面黄褐色或灰棕色，干姜表面灰黄色或浅灰棕色，炮姜表面呈不规则膨胀，表面棕黑色或棕褐色，而姜炭表面呈焦黑色等特征。但是，这四种饮片经过水提、浓缩、干燥制成中药配方颗粒后，失去了原有的外形特征，四者便难以鉴别区分。
[0003]现有的薄层色谱法对生姜、干姜、炮姜和姜炭的鉴别效果不明显，(窦欣.薄层色谱法鉴别干姜不同炮制品[J].科技信息，2013，(15)：484，492.)。采用高效液相色谱法虽然能指认出6
‑
姜酚、8
‑
姜酚、10
‑
姜酚等色谱峰，但这些峰基本属于共有峰(龙全江，李文涛，张颖，等.不同加工法制得的干姜片及炮制品高效液相色谱指纹图谱比较研究[J].甘肃中医药大学学报，2019，36(2)：23
‑
27.)，仍然难以准确鉴别四者。而且以上色谱分析方法至少存在以下缺点：制样过程繁复、样品被破坏、分析时间长、化学试剂污染等。因此，有必要建立高效准确的生姜、干姜、炮姜和姜炭配方颗粒的鉴别方法。

技术实现思路

[0004]基于此，本专利技术提供一种生姜、干姜、炮姜和姜炭配方颗粒的近红外光谱鉴别模型构建方法和生姜、干姜、炮姜和姜炭配方颗粒的鉴别方法。
[0005]所述生姜、干姜、炮姜和姜炭配方颗粒的近红外光谱鉴别模型构建方法包括以下步骤：
[0006]采集生姜、干姜、炮姜和姜炭配方颗粒的样品的近红外光谱，分为参考光谱集和测试光谱集；
[0007]在近红外光谱范围，对所述参考光谱集的近红外光谱进行预处理，采用定性分析的基本算法，建立生姜、干姜、炮姜和姜炭配方颗粒的近红外光谱鉴别模型；将所述参考光谱集和所述测试光谱集的近红外光谱导入所述鉴别模型，以所述参考光谱集和所述测试光谱集的识别准确率均≥80％为指标，选择所述预处理的方法，选择所述近红外光谱范围，选择所述定性分析的基本算法；
[0008]所述近红外光谱范围选自12000.0cm
‑1～4000.0cm
‑1中的一段范围；
[0009]所述预处理的方法选自矢量归一化(Vector normalization)、一阶导数(First derivative)、二阶导数(Second derivative)及平滑处理(Smoothing)中的一种或多种组合；
[0010]所述定性分析的基本算法选自欧式距离标准法(Eucliden distance standard)、因子化法(Factorization)、原始光谱因子化法(Original spectras factorization)、相关系数法(Correlation coefficient)、第一范围标定法(Scaling to first range)或重新水平归一化法(Normal to reprolevel)；
[0011]对所述鉴别模型进行评价。
[0012]在其中一个实施例中，所述近红外光谱范围选自12000.0cm
‑1～4000.0cm
‑1、11002.4cm
‑1～4000.0cm
‑1、11002.4cm
‑1～8000.0cm
‑1、11000.0cm
‑1～4000.0cm
‑1及9000.0cm
‑1～6000.0cm
‑1中的一段；
[0013]所述预处理的方法选自矢量归一化、一阶导数、二阶导数、一阶导数和平滑处理的组合及二阶导数和平滑处理的组合中的一种；
[0014]所述定性分析的基本算法选自欧式距离标准法或因子化法。
[0015]在其中一个实施例中，所述近红外光谱范围为12000.0cm
‑1～4000.0cm
‑1，所述预处理的方法为矢量归一化，所述定性分析的基本算法为欧式距离标准法。
[0016]在其中一个实施例中，所述近红外光谱范围为11002.4cm
‑1～4000.0cm
‑1，所述预处理的方法为一阶导数及一阶导数和平滑处理的组合中的一种，所述定性分析的基本算法为因子化法。
[0017]优选地，所述预处理的方法为一阶导数和平滑处理的组合，所述平滑处理的点数为5
‑
9个，所述因子化法的主因子数为3个。
[0018]在其中一个实施例中，所述近红外光谱范围为11002.4cm
‑1～8000.0cm
‑1，所述预处理的方法为一阶导数和平滑处理的组合，所述定性分析的基本算法为因子化法。
[0019]优选地，所述平滑处理的点数为9个，所述因子化法的主因子数为3个。
[0020]在其中一个实施例中，所述近红外光谱范围为11000.0cm
‑1～4000.0cm
‑1，所述预处理的方法为二阶导数及二阶导数和平滑处理的组合中的一种，所述定性分析的基本算法为因子化法。
[0021]优选地，所述预处理的方法为二阶导数和平滑处理的组合，所述平滑处理的点数为5
‑
9个，所述因子化法的主因子数为3个。
[0022]在其中一个实施例中，所述近红外光谱范围为9000cm
‑1～6000.0cm
‑1，所述预处理的方法为二阶导数和平滑处理的组合，所述定性分析的基本算法为因子化法。
[0023]优选地，所述平滑处理的点数为9
‑
13个，所述因子化法的主因子数为3个。
[0024]在其中一个实施例中，采集所述生姜、干姜、炮姜和姜炭配方颗粒的样品的近红外光谱之前，还包括对所述生姜、干姜、炮姜和姜炭配方颗粒的样品进行粉碎和过筛的步骤。
[0025]可以理解地，所述生姜、干姜、炮姜和姜炭配方颗粒的样品的药材基原均为姜科植物姜Zingiber officinale Rosc.
[0026]可以理解地，采集近红外光谱的测量仪器可为但不限于傅立叶变换近红外光谱仪；所用计算机软件可为但不限于TANGO软件、OPUS软件；光谱测量模式可为但不限于漫反
射模式；测量参数可为但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生姜、干姜、炮姜和姜炭配方颗粒的近红外光谱鉴别模型构建方法，其特征在于，包括以下步骤：采集生姜、干姜、炮姜和姜炭配方颗粒的样品的近红外光谱，分为参考光谱集和测试光谱集；在近红外光谱范围，对所述参考光谱集的近红外光谱进行预处理，采用定性分析的基本算法，建立生姜、干姜、炮姜和姜炭配方颗粒的近红外光谱鉴别模型；将所述参考光谱集和所述测试光谱集的近红外光谱导入所述鉴别模型，以所述参考光谱集和所述测试光谱集的识别准确率均≥80％为指标，选择所述预处理的方法，选择所述近红外光谱范围，选择所述定性分析的基本算法；所述近红外光谱范围选自12000.0cm
‑1～4000.0cm
‑1中的一段范围；所述预处理的方法选自矢量归一化、一阶导数、二阶导数及平滑处理中的一种或多种组合；所述定性分析的基本算法选自欧式距离标准法、因子化法、原始光谱因子化法、相关系数法、第一范围标定法或重新水平归一化法；对所述鉴别模型进行评价。2.根据权利要求1所述的近红外光谱鉴别模型构建方法，其特征在于，所述近红外光谱范围选自12000.0cm
‑1～4000.0cm
‑1、11002.4cm
‑1～4000.0cm
‑1、11002.4cm
‑1～8000.0cm
‑1、11000.0cm
‑1～4000.0cm
‑1及9000.0cm
‑1～6000.0cm
‑1中的一段；所述预处理的方法选自矢量归一化、一阶导数、二阶导数、一阶导数和平滑处理的组合及二阶导数和平滑处理的组合中的一种；所述定性分析的基本算法选自欧式距离标准法或因子化法。3.根据权利要求2所述的近红外光谱鉴别模型构建方法，其特征在于，所述近红外光谱范围为12000.0cm
‑1～4000.0cm
‑1，所述预处理的方法为矢量归一化，所述定性分析的基本算法为欧式距离标准法。4.根据权利要求2所述的近红外光谱鉴别模型构建方法，其特征在于，所述近红外光谱范围为11002.4cm
‑1～...

【专利技术属性】
技术研发人员：刘远俊，魏梅，钟文峰，陈巧华，甘力帆，汪梅，干丽，梁志毅，程学仁，
申请(专利权)人：广东一方制药有限公司，
类型：发明
国别省市：