一种基于近红外传感器融合的药物结晶过程质量非线性表征方法技术

本发明专利技术提供一种基于近红外传感器融合的药物结晶过程质量非线性表征方法及其应用，属于检测分析和药物质量控制技术领域。所述检测方法包括多光谱采集平台的搭建及光谱的采集，对近红外光谱进行处理并构建CNN非线性融合模型。本发明专利技术模拟了RA结晶过程，并利用多光谱采集平台和CNN非线性融合模型进行预测，结果表明本发明专利技术成功实现了针对上述RA结晶过程的非线性表征方法，实现RA结晶过程中关键质量的快速分析，从而为其质量控制奠定基础，因此具有良好的实际应用之价值。良好的实际应用之价值。良好的实际应用之价值。

【技术实现步骤摘要】
一种基于近红外传感器融合的药物结晶过程质量非线性表征方法


[0001]本专利技术属于检测分析和药物质量控制
，具体涉及一种基于近红外光谱数据融合的药物结晶过程质量非线性表征方法

技术介绍

[0002]公开该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。
[0003]近红外光谱技术(near infrared spectroscopy，NIRS)是近几年发展起来的一种快速检测技术，属于分子振动光谱。近红外(near infrared，NIR)谱区是指介于可见区(visible region，VIS)和中红外(mid infrared spectroscopy，MIR)区之间的电磁波，其波长范围为780～2526nm，分为短波近红外(700～1100nm)和长波近红外(1100～2500nm)。由于其较易获取图谱，且图谱稳定，但同时也存在与光谱重叠严重的缺陷，因此需要通过化学计量学方法的协助，以便于从近红外光谱多组分吸收的重叠和交叉中找出有用的吸收波长，完成分析过程。
[0004]结晶作为一种重要的药物纯化手段，应用于原料药的分离、纯化过程，尤其适用于具有目标特性原料的生产。利用NIR技术对结晶过程进行检测，有助于增强对于产品质量形成过程的理解，加强对结晶工艺的分析、设计和优化，从而确保原料和最终产品的质量达到设计指标。有研究人员认为在某些结晶体系中，固体的存在易使探针结垢，导致光谱失真，对结晶的模型预测产生较大偏差，所以其在应用于结晶过程时要注意创造理想的条件。但另有研究者认为这种特点其实也代表近红外中同时包含了固液两相的丰富信息，而不再是一种不利的缺点。
[0005]对于过程分析来说，以实验室台式机为代表的第一代在线分析仪器具有准确度高、稳定性强的优势，但是也存在光谱采集速度慢、安装环境要求高、性价比较低等限制。微型化、低成本的NIR传感器开始进入研究人员的视野。微型近红外光谱传感器具有技术成熟稳定、集成度高、体积小质量轻、性价比高、适应性强、可选择性好等优点，但同时存在波长范围短的缺点。

技术实现思路

[0006]针对上述现有技术中存在的问题，本专利技术提供了一种近红外传感器融合的药物结晶过程质量非线性表征方法，开发基于微型传感器融合的新一代在线分析方法，有效解决波长范围的限制，降低NIR过程分析的成本，实现药物结晶过程中关键质量的快速分析，并提升模型的预测能力，具有显著的社会、经济效益。本专利技术是通过如下技术方案实现的：
[0007]本专利技术的第一个方面，提供一种近红外传感器融合方法，所述方法包括，近红外光经过待测物质再通过光纤分路器分别到达并联的两个或两个以上近红外传感器，检测信号
通过上位机进行读取，完成融合光谱的采集，所述近红外传感器型号不同。
[0008]本专利技术的第二个方面，提供一种近红外传感器融合的药物结晶过程质量非线性表征方法，其特征在于，所述方法包括：基于近红外传感器融合方法的多光谱采集平台的搭建及光谱的采集，对近红外光谱进行处理并构建卷积神经网络(convolutional neural networks，CNN)非线性融合模型。
[0009]本专利技术的第三个方面，构建了莱鲍迪苷A(rebaudioside A，RA)结晶过程中上清液含量表征的方法，通过利用两个可检测波长范围不同的近红外传感器融合采集光谱以及原始光谱融合数据的卷积神经网络建立非线性莱鲍迪苷A含量模型。
[0010]本专利技术具有以下优点和积极效果：
[0011](1)本专利技术通过近红外传感器融合，利用融合光谱测量平台，可以采集融合光谱，可以有效解决波长范围的限制，降低NIR过程分析的成本，具有显著的社会、经济效益。
[0012](2)本专利技术通过对于融合光谱的处理，建立基于CNN的非线性表征技术，可以准确的预测结晶过程药物的质量变化。
[0013](3)本申请专利技术基于近红外光谱技术实现对RA结晶过程中上清液RA含量的快速表征，基于CNN的非线性融合模型可以有效的提升模型的预测能力，实现RA结晶过程中关键质量的快速分析，从而为其质量控制奠定基础。
[0014](4)本专利技术方法测量准确、快速，并且对样品不产生损害，无污染，缩短监测时间，节省人力财力物力；对于实现产品质量的在线监测与质量管控具有重要意义，因此具有良好的实际应用之价值。
附图说明
[0015]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0016]图1为多光谱采集平台；
[0017]图2为两个微型传感器采集到的光谱(左传感器1，右传感器2)；
[0018]图3为异常样品的剔除；
[0019]图4为样品集的划分；
[0020]图5为设计的CNN模型网络结构；
[0021]图6为CNN模型迭代训练过程损失函数的变化；
[0022]图7为原始光谱串联融合CNN模型建模结果；
[0023]图8为外积融合CNN模型不同卷积核大小的建模结果；
[0024]图9PCA融合CNN模型建模结果。
具体实施方式
[0025]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0026]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式
也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。应理解，本专利技术的保护范围不局限于下述特定的具体实施方案；还应当理解，本专利技术实施例中使用的术语是为了描述特定的具体实施方案，而不是为了限制本专利技术的保护范围。
[0027]结合具体实例对本专利技术作进一步的说明，以下实例仅是为了解释本专利技术，并不对其内容进行限定。如果实施例中未注明的实验具体条件，通常按照常规条件，或按照试剂公司所推荐的条件；下述实施例中所用的试剂、耗材等，如无特殊说明，均可从商业途径得到。
[0028]如前所述，目前针对药物结晶纯化过程的表征方法虽然众多，但是普遍存在检测方法繁琐、检测速度较慢、检测成本高昂等问题。
[0029]有鉴于此，本专利技术的一个典型具体实施方式中，提供一种近红外传感器融合方法，所述方法包括，近红外光经过待测物质再通过光纤分路器分别到达并联的两个或两个以上近红外传感器，检测信号通过上位机进行读取，完成融合光谱的采集，所述近红外传感器型号不同；
[0030]本专利技术的一个典型具体实施方式中，所述近红外传感器为微型近红外光传感器，优选地，近红外传感器所述不同的近红外光传感器可检测波长范本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种近红外传感器融合方法，其特征在于，所述方法包括：近红外光经过待测物质再通过光纤分路器分别到达并联的两个或两个以上近红外传感器，检测信号通过上位机进行读取，完成融合光谱的采集，所述近红外传感器型号不同。2.如权利要求1所述近红外传感器融合方法，其特征在于，所述近红外传感器为微型近红外光传感器；优选地，所述近红外光传感器可检测波长范围不同；优选地，近红外光谱采集模式为透射模式；优选地，所述方法中采用温控附件控温。3.一种近红外传感器融合的药物结晶过程质量非线性表征方法，其特征在于，所述方法包括：基于近红外传感器融合方法的多光谱采集平台的搭建及光谱的采集，对近红外光谱进行处理并构建卷积神经网络非线性融合模型。4.一种莱鲍迪苷A结晶过程中上清液中药物含量的快速表征方法，其特征在于，所述方法包括：通过利用两个可检测波长范围不同的近红外传感器融合采集光谱以及原始光谱融合数据的卷积神经网络建立非线性莱鲍迪苷A含量模型。5.如权利要求4所述方法，其特征在于，所述方法具体包括：多光谱采集平台的搭建、光谱采集、...

【专利技术属性】
技术研发人员：李连，董海玲，臧恒昌，黄瑞琪，许金珂，
申请(专利权)人：山东大学，
类型：发明
国别省市：