一种药用辅料用油近红外光谱质量检测方法及系统技术方案

本发明专利技术涉及一种药用辅料用油近红外光谱质量检测方法及系统，方法包括：获取待检测的药用辅料用油的近红外光谱；根据所述近红外光谱利用混合比例定量分析模型得到待检测的药用辅料用油的混合油混合比例；所述混合比例定量分析模型是以样本集多气压环境下的近红外光谱为输入利用化学计量学方法构建的；所述样本集为不同品种的药用辅料用油按照不同混合比例进行混合得到的混合油。本发明专利技术能实现在不同气压环境下对药用辅助用油的质量进行准确检测。检测。检测。

【技术实现步骤摘要】
一种药用辅料用油近红外光谱质量检测方法及系统


[0001]本专利技术涉及中医药研究领域，特别是涉及一种药用辅料用油近红外光谱质量检测方法及系统。

技术介绍

[0002]花生油因其具有较高的营养价值和药用价值，作为重要的药用辅料之一，一直广受青睐。这也使得市面上花生油的价格高于其他用油。因此，部分花生油中掺入低价油进行销售的情况屡有发生，严重影响了消费者利益以及制药企业制剂产品的质量。
[0003]目前对药用辅料用油的质量检测多采用液相色谱、质谱以及两者联用技术。这些方法对操作者技术要求较高，且需要其他化学试剂，分析时间长。不适用于大批量样本检测。
[0004]近红外光谱技术具有无损、快速、环保、操作简便、适合在线分析特点，因此，也有研究者将近红外光谱技术用于花生油的质量检测中。有的采集不同混合食用油近红外光谱，建立多元掺伪鉴别模型，实现了食用植物油的快速真伪筛查。然而，近红外光谱在测量过程对外界实验条件极为敏感，从而会影响到光谱建模分析的准确性，因此在实际应用中需要建立预测能力好、稳定性强的分析模型。已有研究表明环境温度和湿度均会对样品的近红外光谱测量结果带来影响。且气压作为近红外光谱测量的重要环境因素，同样会给药用辅料用油近红外光谱测量带来影响。
[0005]因此，需要一种可以降低气压影响的药用辅料用油红外光谱质量检测方法。

技术实现思路

[0006]本专利技术的目的是提供一种药用辅料用油近红外光谱质量检测方法及系统，以实现在不同气压环境下对药用辅助用油的质量进行准确检测。<br/>[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]一种药用辅料用油近红外光谱质量检测方法，包括：
[0009]获取待检测的药用辅料用油的近红外光谱；
[0010]根据所述近红外光谱利用混合比例定量分析模型得到待检测的药用辅料用油的混合油混合比例；所述混合比例定量分析模型是以样本集多气压环境下的近红外光谱为输入利用化学计量学方法构建的；所述样本集为不同品种的药用辅料用油按照不同混合比例进行混合得到的混合油。
[0011]可选地，所述获取待检测的药用辅料用油的近红外光谱，具体包括：
[0012]利用红外光谱仪采用漫透射方式进行扫描，得到近红外光谱；所述近红外光谱的光谱分辨率为4cm
‑1，所述近红外光谱的光谱波数范围为4000
‑
10000cm
‑1。
[0013]可选地，所述混合比例定量分析模型的训练过程包括：
[0014]将所述样本集多气压环境下的近红外光谱按比例划分，得到训练集和测试集；
[0015]根据所述训练集构建校正模型；
[0016]利用所述训练集对所述校正模型进行训练，得到混合比例定量分析模型；
[0017]利用测试集对所述混合比例定量分析模型进行性能预测。
[0018]可选地，所述根据所述训练集构建校正模型，具体包括：
[0019]根据所述训练集利用偏最小二乘法建立校正模型。
[0020]可选地，所述根据所述训练集构建校正模型，具体包括：
[0021]根据所述训练集利用支持向量机建立校正模型。
[0022]一种药用辅料用油近红外光谱质量检测系统，包括：
[0023]获取模块，用于获取待检测的药用辅料用油的近红外光谱；
[0024]混合油混合比例确定模块，用于根据所述近红外光谱利用混合比例定量分析模型得到待检测的药用辅料用油的混合油混合比例；所述混合比例定量分析模型是以样本集多气压环境下的近红外光谱为输入利用化学计量学方法构建的；所述样本集为不同品种的药用辅料用油按照不同混合比例进行混合得到的混合油。
[0025]可选地，所述获取模块，具体包括：
[0026]扫描单元，用于利用红外光谱仪采用漫透射方式进行扫描，得到近红外光谱；所述近红外光谱的光谱分辨率为4cm
‑1，所述近红外光谱的光谱波数范围为4000
‑
10000cm
‑1。
[0027]可选地，还包括训练模块，所述训练模块包括：
[0028]划分单元，用于将所述样本集多气压环境下的近红外光谱按比例划分，得到训练集和测试集；
[0029]构建单元，用于根据所述训练集构建校正模型；
[0030]训练单元，用于利用所述训练集对所述校正模型进行训练，得到混合比例定量分析模型；
[0031]预测单元，用于利用测试集对所述混合比例定量分析模型进行性能预测。
[0032]可选地，所述构建单元，具体包括：
[0033]第一构建子单元，用于根据所述训练集利用偏最小二乘法建立校正模型。
[0034]可选地，所述构建单元，具体包括：
[0035]第二构建子单元，用于根据所述训练集利用支持向量机建立校正模型。
[0036]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0037]本专利技术提供的药用辅料用油近红外光谱质量检测方法及系统，获取待检测的药用辅料用油的近红外光谱；根据近红外光谱利用混合比例定量分析模型得到待检测的药用辅料用油的混合油混合比例；从而实现对药用辅料用油质量的检测。构建混合比例定量分析模型以样本集多气压环境下的近红外光谱为输入，能够有效去除近红外光谱检测中气压环境对混合比例定量分析模型的影响，可以增强药用辅料用油近红外光谱质量检测的稳定性。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0039]图1为本专利技术提供的药用辅料用油近红外光谱质量检测方法流程图；
[0040]图2是本专利技术提供的模型构建示意图；
[0041]图3是本专利技术提供的花生油与玉米油的混合油五个不同气压下的近红外光谱图；
[0042]图4是本专利技术提供的五个气压环境下分别提取训练集和测试集样本结果图；
[0043]图5为本专利技术提供的药用辅料用油近红外光谱质量检测系统示意图。
具体实施方式
[0044]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0045]本专利技术的目的是提供一种药用辅料用油近红外光谱质量检测方法及系统，以实现在不同气压环境下对药用辅助用油的质量进行准确检测。
[0046]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0047]如图1所示，本专利技术提供的一种药用辅料用油近红外光谱质量检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种药用辅料用油近红外光谱质量检测方法，其特征在于，包括：获取待检测的药用辅料用油的近红外光谱；根据所述近红外光谱利用混合比例定量分析模型得到待检测的药用辅料用油的混合油混合比例；所述混合比例定量分析模型是以样本集多气压环境下的近红外光谱为输入利用化学计量学方法构建的；所述样本集为不同品种的药用辅料用油按照不同混合比例进行混合得到的混合油。2.根据权利要求1所述的药用辅料用油近红外光谱质量检测方法，其特征在于，所述获取待检测的药用辅料用油的近红外光谱，具体包括：利用红外光谱仪采用漫透射方式进行扫描，得到近红外光谱；所述近红外光谱的光谱分辨率为4cm
‑1，所述近红外光谱的光谱波数范围为4000
‑
10000cm
‑1。3.根据权利要求1所述的药用辅料用油近红外光谱质量检测方法，其特征在于，所述混合比例定量分析模型的训练过程包括：将所述样本集多气压环境下的近红外光谱按比例划分，得到训练集和测试集；根据所述训练集构建校正模型；利用所述训练集对所述校正模型进行训练，得到混合比例定量分析模型；利用测试集对所述混合比例定量分析模型进行性能预测。4.根据权利要求3所述的药用辅料用油近红外光谱质量检测方法，其特征在于，所述根据所述训练集构建校正模型，具体包括：根据所述训练集利用偏最小二乘法建立校正模型。5.根据权利要求3所述的药用辅料用油近红外光谱质量检测方法，其特征在于，所述根据所述训练集构建校正模型，具体包括：根据所述训练集利用支持向量机建立校正模型。6.一种药用辅料用油近红外光谱质量检测系统，其特征在于，...

【专利技术属性】
技术研发人员：赵静，王秋悦，吴晨璐，李正，于洋，
申请(专利权)人：天津中医药大学，
类型：发明
国别省市：