基于近紅外分析技術(shù)的黨參真?zhèn)舞b別和產(chǎn)地判定的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于中藥材檢測(cè)技術(shù)領(lǐng)域，具體涉及基于近紅外分析技術(shù)的黨參真?zhèn)舞b別 和產(chǎn)地判定的方法。
【背景技術(shù)】
[0002] 黨參為結(jié)梗科植物黨參Codonopsis pilosula(Franch. )Nannf.、素花黨參 Codonopsis Pilosula Nannf. var. modesta(Nannf. )L. T Shen 或川黨參 Codonopsis tangshen Oliv.干燥的根。黨參屬植物共有四十多種，其中在我國(guó)種植分布的有39種，《中 國(guó)藥典》2010版收載了其中的三種黨參：黨參、素花黨參和川黨參。黨參種主要分布在山 西、甘肅、河南、東北等地，依據(jù)產(chǎn)地不同主要分為潞黨、臺(tái)黨、白條黨和東黨四個(gè)品種。黨參 具有健脾益肺，養(yǎng)血生津的功效，適于咳嗽氣若、氣血不足、食少倦怠等癥。以黨參為處方的 中藥制劑眾多，包括十全大補(bǔ)丸、婦科千金片、黨參多糖滴丸等多種名貴成藥和制劑。
[0003] 目前中藥材來(lái)源復(fù)雜，不同產(chǎn)地的黨參藥材性能、質(zhì)量差別很大；另外，中藥材造 假現(xiàn)象屢禁不止。因此，研宄一種對(duì)黨參藥材進(jìn)行定性判別的有效方法尤為重要。而傳統(tǒng) 的中藥材質(zhì)量控制鑒別方法主要是經(jīng)驗(yàn)法和顯微法，這兩種方法對(duì)人員素質(zhì)要求很高，而 且檢測(cè)周期長(zhǎng)，無(wú)法滿足中藥材的快速檢測(cè)要求。
[0004] 近紅外光譜分析技術(shù)（NIRS)作為分析領(lǐng)域中一種綠色分析技術(shù)，因其無(wú)損、高效 以及適合在線分析等突出特點(diǎn)，已經(jīng)成為農(nóng)業(yè)領(lǐng)域、石油化工領(lǐng)域、制藥領(lǐng)域、煙草領(lǐng)域中 重要的分析技術(shù)之一。NIRS能夠反映中藥材復(fù)雜體系之間的整體區(qū)別。因此，定性分析是 NIRS在中藥領(lǐng)域應(yīng)用的一個(gè)重要分支，已經(jīng)廣泛地應(yīng)用于中藥材的產(chǎn)地、真?zhèn)舞b別。
[0005] 傳統(tǒng)的近紅外光譜分析儀器體積大、價(jià)格高，不利于現(xiàn)場(chǎng)快速分析。微型近紅外光 譜儀器的出現(xiàn)，解決了傳統(tǒng)近紅外光譜儀的這一弊端，更簡(jiǎn)便、快捷、準(zhǔn)確。使用微型近紅外 光譜儀對(duì)黨參藥材進(jìn)行定性判別分析，能夠?qū)崿F(xiàn)黨參藥材的快速定性判別，方便實(shí)用。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種應(yīng)用微型近紅外光譜儀用于黨參藥材定性判別的方 法，包括微型近紅外光譜儀用于黨參藥材的真?zhèn)闻袆e方法和微型近紅外光譜儀用于黨參藥 材的產(chǎn)地判別方法。
[0007] 本發(fā)明的判別方法便攜、簡(jiǎn)單、快速，無(wú)損，是一種綠色分析技術(shù)。
[0008] 一種基于近紅外分析技術(shù)的黨參真?zhèn)舞b別的方法，包括如下步驟：
[0009] (1)對(duì)收集的正品黨參和偽品黨參藥材樣品進(jìn)行預(yù)處理，預(yù)處理方法為：在60°C 條件下將樣品干燥24h，粉碎后，過(guò)40目篩；
[0010] (2)在25°C的室溫下，采用微型近紅外光譜分析儀，通過(guò)漫反射方式采集黨參藥 材樣品的原始近紅外光譜；
[0011] (3)對(duì)原始光譜進(jìn)行SNV、SG7點(diǎn)平滑、lst+SG7點(diǎn)平滑或SNV+SG7點(diǎn)平滑預(yù)處理；
[0012] (4)采用K-S算法將樣品劃分為校正集和驗(yàn)證集，利用校正集樣本建立黨參真?zhèn)?判別分析模型，建模波段選擇全光譜范圍，908-1676nm ;
[0013] (5)采集待鑒別樣品的近紅外光譜；并進(jìn)行數(shù)據(jù)預(yù)處理，得預(yù)處理光譜；
[0014] (6)將待鑒別樣品的預(yù)處理光譜輸入所述黨參真?zhèn)闻袆e分析模型，計(jì)算出該未知 樣品到正品黨參和到偽品黨參間的馬氏距離，并將與其馬氏距離相對(duì)較近的類別判定為未 知樣品的類別歸屬。
[0015] 優(yōu)選的是，采集黨參藥材樣品的原始近紅外光譜的具體參數(shù)如下：波長(zhǎng)范圍為 908-1676nm ;100% Spectralon?標(biāo)準(zhǔn)白板為參考；積分時(shí)間：5000 μ s ;掃描次數(shù)：100。
[0016] 優(yōu)選的是，步驟（3)中，所述預(yù)處理的方法為SNV+SG 7點(diǎn)平滑預(yù)處理。
[0017] 優(yōu)選的是，利用校正集樣本建立判別分析模型，以此作為判據(jù)，對(duì)驗(yàn)證集樣本進(jìn)行 預(yù)測(cè)，依據(jù)馬氏距離值判斷樣本的歸屬，采用正確率作為模型評(píng)價(jià)的指標(biāo)。
[0018] 優(yōu)選的是，在采用最佳預(yù)處理方法的基礎(chǔ)上，對(duì)樣品光譜進(jìn)行主成分分析，進(jìn)一步 對(duì)模型進(jìn)行評(píng)價(jià)。
[0019] 本發(fā)明還提供了一種基于近紅外分析技術(shù)的黨參產(chǎn)地判別方法，包括如下步驟：
[0020] (1)對(duì)收集的建模產(chǎn)地的黨參藥材樣品進(jìn)行預(yù)處理，預(yù)處理方法為：在60°C條件 下將樣品干燥24h，粉碎后，過(guò)40目篩；
[0021] (2)在25°C的室溫下，采用微型近紅外光譜分析儀，通過(guò)漫反射方式采集黨參藥 材樣品的原始近紅外光譜；
[0022] (3)對(duì)原始光譜進(jìn)行SNV、SG7點(diǎn)平滑、lst+SG7點(diǎn)平滑或SNV+lst+SG7點(diǎn)平滑預(yù)處 理；
[0023] (4)采用K-S算法將樣品劃分為校正集和驗(yàn)證集，利用校正集樣本建立黨參藥材 定性判別分析模型，建模波段選擇全光譜范圍，908-1676nm ;以分析模型作為判據(jù)，對(duì)驗(yàn)證 集樣本進(jìn)行預(yù)測(cè)；
[0024] (5)采集待鑒別樣品的近紅外光譜；并進(jìn)行數(shù)據(jù)預(yù)處理，得預(yù)處理光譜；
[0025] (6)將待鑒別樣品的預(yù)處理光譜輸入所述黨參真?zhèn)闻袆e分析模型，分別計(jì)算出該 未知樣品到各個(gè)產(chǎn)地中心的距離，并將產(chǎn)地中心與未知樣品距離最近的產(chǎn)地判定為未知樣 品的產(chǎn)地歸屬。
[0026] 優(yōu)選的是，所述的建模產(chǎn)地為甘肅、東北和山西。
[0027] 優(yōu)選的是，采集黨參藥材樣品的原始近紅外光譜的具體參數(shù)如下：波長(zhǎng)范圍為 908-1676nm ;100% Spectralon?標(biāo)準(zhǔn)白板為參考；積分時(shí)間：5000 μ s ;掃描次數(shù)：100。
[0028] 優(yōu)選的是，步驟（3)中，所述預(yù)處理的方法為SNV+lst+SG 7點(diǎn)平滑預(yù)處理。
[0029] 優(yōu)選的是，利用校正集樣本建立判別分析模型，以此作為判據(jù)，對(duì)驗(yàn)證集樣本進(jìn)行 預(yù)測(cè)，依據(jù)馬氏距離值判斷樣本的歸屬，采用正確率作為模型評(píng)價(jià)的指標(biāo)。
[0030] 本發(fā)明方法與傳統(tǒng)的黨參定性判別方法以及普通的近紅外光譜分析法相比，更簡(jiǎn) 便易行，適于對(duì)黨參藥材進(jìn)行快速無(wú)損無(wú)污染的定性判別分析，有利