一种基于光谱变换融合的中药制药过程质量智能检测方法技术

本发明专利技术公开了一种基于光谱变换融合的中药制药过程质量智能检测方法，涉及中药质量分析技术领域。所述的中药制药过程质量检测方法，包括光谱数据预处理和多光谱数据变换融合步骤，所述的光谱数据预处理的方法为z

【技术实现步骤摘要】
一种基于光谱变换融合的中药制药过程质量智能检测方法


[0001]本专利技术涉及中药质量分析
，具体涉及一种基于光谱变换融合的中药制药过程质量智能检测方法。

技术介绍

[0002]中药材的质量是影响中药在临床中能够安全有效应用的关键因素，然而中药材的成分十分复杂，并且中药制药过程步骤较多，包含提取、分离、纯化、混合、制粒、压片、包衣等步骤，各步骤中所涉及的工艺参数是多样的，中药产品批间、批内的质量差别较大，影响最终产品的品质。目前，中药材质量检测的主要方法包括气相色谱法、高效液相色谱法、质谱法、色谱和质谱联用等。然而上述的检测方法耗时耗力并且无法大规模的获取所需信息，反馈中药质量的时间较慢，导致出现产品质量不稳定等情况。
[0003]光谱技术主要是用对光的吸收、反射和透射得到的特征光谱来反应样品的性质，具有快速、便捷和适应性广的优点，常用的光谱技术主要包括近红外光谱技术、高光谱成像技术、紫外光谱技术等。
[0004]中国专利CN200910195764.X中公开了一种中药六味地黄丸生产过程的近红外光谱在线检测方法，其步骤为：(1)校正集样本的选择；(2)校正集样本性质的测定；(3)校正集样本的近红外吸收光谱测定：在波长为10000
‑
4000cm
‑1范围内，采用近红外光谱仪测定六味地黄丸各工艺点样品的吸收光谱值；(4)校正模型建立：对步骤(2)获得的含量数据与步骤(3)得到的近红外光谱吸收值进行关联，建立校正模型；(5)未知样本性质的测定。该专利技术将近红外技术应用于六味地黄丸生产过程的在线检测，实现了指标成分的实时检测，有助于实现工艺实时监控和诊断，能够保证产品质量稳定均一和安全可控。
[0005]中国专利CN201210485023.7中公开了一种陈皮及广陈皮药材质量的近红外光谱监控方法，该方法包括：(1)选取陈皮及广陈皮药材，采集近红外光谱；(2)判别分析建立定性判别模型，进行陈皮与广陈皮的鉴别；(3)结合偏最小二乘法建立陈皮及广陈皮的定量模型，进行陈皮及广陈皮定量检测。该专利技术建立的中药分析方法可对陈皮中药进行快速分析，节约了生产成本，缩短检测时间，提高了生产的效率。
[0006]对于成分复杂、结构多样的中药制药过程物料，独立的传感器所捕获的信号是有限的，已有研究表明，多光谱数据融合策略可结合各独立光谱中互补信息提升模型预测精度。但目前还未有研究将数据融合策略用于中药制药过程物料质量属性的预测。
[0007]本专利技术中提供的中药制药过程质量检测方法能够对制药过程中的各个环节进行实时的监控和质量分析，能够及时的反应产品质量情况并且精准的检测多个工艺过程中物料的质量。

技术实现思路

[0008]本专利技术的目的是提供一种基于光谱变换融合的中药制药过程质量检测方法，实现了中药提取、制粒等多个工艺过程物料质量参数快速、精确检测，保障中药制药过程按预期
运行。
[0009]术语解释：
[0010]本专利技术中，术语“z
‑
score标准化”是指基于原始数据的均值和标准差来进行数据的标准化，处理后的数据符合标准的正态分布，公式如下所示：
[0011][0012]式中，x表示原始数据，μ表示原始数据的平均值，σ表示原始数据的标准差，X
normalization
表示归一化后的数据。
[0013]本专利技术中，术语“矩阵乘法运算”是指：设A为m
×
p的矩阵，B为p
×
n的矩阵，那么称m
×
n的矩阵C为矩阵A与B的乘积，记作C＝AB，其中矩阵C中的第i行第j列元素可以表示为：
[0014][0015]本专利技术中，术语“近红外光”是指波长范围介于可见光与中红外区之间的电磁波，波长范围为780
‑
2526nm。NIR光谱是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的。
[0016]本专利技术中，术语“拉曼光谱”主要是利用光的反射和折射原理，拉曼光是散射光的一种，是一种振动光谱技术，能够与样品中的振动分子相互作用，每个分子能够产生不同的振动模式，引起拉曼光谱谱线的数目，位移及其拉曼峰强度的变化，这些能够反应分子的构象。
[0017]本专利技术中，术语“高光谱数据”是一叠连续多个波段成像获得的样品的图像。
[0018]为实现上述专利技术目的，本专利技术的技术方案如下：
[0019]一方面，本专利技术提供了一种基于光谱变换融合的中药制药过程质量检测方法，包括光谱数据预处理和多光谱数据变换融合步骤，所述的光谱数据预处理的方法为z
‑
score标准化，所述的多光谱数据变换融合的方法为将至少两种光谱数据进行矩阵乘法运算。
[0020]优选地，所述的光谱数据选自紫外
‑
可见光谱数据、近红外光谱数据、拉曼光谱数据、高光谱数据中的至少两种。
[0021]优选地，所述的光谱采集的方式包括通过光纤探头在线采集、流通池旁线采集以及取样后离线采集。
[0022]优选地，所述的中药制药过程质量检测方法还包括：样品采集、质量指标参考值测定、样品光谱采集、光谱特征提取、定量校正建模和基于定量校正模型检测中药制药过程质量。
[0023]进一步优选地，所述的样品采集为采集中药制药工艺过程中的样品。
[0024]再进一步优选地，所述的中药制药工艺过程选自提取过程、浓缩过程、醇沉过程、层析过程、制粒过程中的一种或多种。
[0025]更进一步优选地，所述的样品采集方式为：从制药工艺过程起始时刻开始，固定时间间隔通过设备取样口收集物料样品。
[0026]进一步优选地，所述的质量指标包括但不限于指标性化学成分含量、可溶性固形物含量、相对密度、颗粒粒径分布、水分含量。
[0027]再进一步优选地，所述的指标性化学成分含量选自柚皮苷、橙皮苷、新橙皮苷、迷迭香酸、人参皂苷Rg1、人参皂苷Re、人参皂苷Rb1、人参皂苷Rd中的一种或多种。
[0028]更进一步优选地，采用高效液相色谱法测定指标性化学成分含量；采用烘干恒重法测定固形物含量；采用粒径分布仪测定颗粒粒径分布；采用干燥失重法测定水分含量。
[0029]进一步优选地，所述的光谱特征提取方法包括但不限于竞争自适应重加权采样(CARS)、最小角回归(LARS)、连续投影算法(SPA)、无信息变量消除(UVE)、主成分分析(PCA)和自编码器(AE)。
[0030]再进一步优选地，所述的光谱特征提取方法为主成分分析。
[0031]进一步优选地，所述的定量校正建模方法包括但不限于偏最小二乘法(PLS)、支持向量机(SVM)、偏最小支持向量机(LS
‑
SVM)、卷积神经网络(CNN)、CatBoost、LightGBM、XGBoost。
[0032]再进一步优选地，所述的定量校正建模方法为CNN。
[0033]更进一步优选地，所述的CNN模型单次训练的批量为32，最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光谱变换融合的中药制药过程质量检测方法，其特征在于，包括光谱数据预处理和多光谱数据变换融合步骤，所述的光谱数据预处理的方法为z
‑
score标准化，所述的多光谱数据变换融合的方法为将至少两种光谱数据进行矩阵乘法运算。2.根据权利要求1所述的中药制药过程质量检测方法，其特征在于，所述的光谱数据选自紫外
‑
可见光谱数据、近红外光谱数据、拉曼光谱数据、高光谱数据中的至少两种。3.根据权利要求1所述的中药制药过程质量检测方法，其特征在于，还包括：样品采集、质量指标参考值测定、样品光谱采集、光谱特征提取、定量校正建模和基于定量校正模型检测中药制药过程质量。4.根据权利要求3所述的中药制药过程质量检测方法，其特征在于，所述的样品采集为采集中药制药工艺过程中的样品；所述的中药制药工艺过程选自提取过程、浓缩过程、醇沉过程、层析过程、制粒过程中的一种或多种。5.根据权利要求3所述的中药制药过程质量检测方法，其特征在于，所述的质量指标选自化学成分含量、可溶性固形物含量...

【专利技术属性】
技术研发人员：程宁涛，仲怿，
申请(专利权)人：浙江大学，
类型：发明
国别省市：