近紅外光譜技術(shù)快速測(cè)定何首烏中水分的含量*

賈燦潮，盧慧娟，林丹，姬生國(guó)

(廣東藥學(xué)院中藥學(xué)院，廣州 510006)

近紅外光譜技術(shù)快速測(cè)定何首烏中水分的含量*

賈燦潮，盧慧娟，林丹，姬生國(guó)

(廣東藥學(xué)院中藥學(xué)院，廣州 510006)

目的利用近紅外光譜技術(shù)快速測(cè)定何首烏中水分的含量。方法烘干法測(cè)定樣品中水分含量，獲得含量數(shù)據(jù)信息，近紅外光譜儀采集樣品的近紅外光譜數(shù)據(jù)。采用化學(xué)計(jì)量學(xué)方法建立何首烏藥材中水分含量測(cè)定的近紅外光譜分析模型，驗(yàn)證集樣品對(duì)模型進(jìn)行驗(yàn)證，獲得何首烏近紅外光譜水分含量測(cè)定模型。結(jié)果所建模型的內(nèi)部交叉驗(yàn)證決定系數(shù)為0.984 75，校正均方差為0.161，預(yù)測(cè)均方差為0.181，內(nèi)部交叉驗(yàn)證均方差為0.471 64。21批驗(yàn)證集的參考值與預(yù)測(cè)值的絕對(duì)偏差在-0.35%～0.28%，平均回收率為99.87%。結(jié)論近紅外光譜技術(shù)可快速、準(zhǔn)確地測(cè)定何首烏中的水分含量。

何首烏；光譜技術(shù)，近紅外；含量，水分

何首烏為蓼科植物何首烏PolygonummultiflorumThumb.的干燥塊根，有解毒、消癰、潤(rùn)腸通便、降血脂之功[1]。現(xiàn)代藥理研究還表明，它在降脂、抗動(dòng)脈粥樣硬化、抗氧化、抗骨質(zhì)疏松、抗腫瘤、降血糖、益智抗抑郁及抗菌等方面有一定的作用[2]。中藥的功效與質(zhì)量密切相關(guān)，水分含量是中藥質(zhì)量評(píng)價(jià)的重要指標(biāo)之一，中藥水分含量過高會(huì)影響有效成分的含量，甚至引起蟲蛀、發(fā)霉等。《中華人民共和國(guó)藥典》2010年版規(guī)定：何首烏的水分含量不得高于10.0%。中藥材在采收、加工、炮制、貯藏過程中都會(huì)引起水分含量的差異，傳統(tǒng)的水分測(cè)定方法操作繁瑣，耗時(shí)長(zhǎng)，難以用于中藥工業(yè)生產(chǎn)中在線檢測(cè)。近紅外光譜技術(shù)作為一種快速檢測(cè)技術(shù)，已被廣泛用于石油煉制與化工[3]、工礦業(yè)[4]、煙草[5]、農(nóng)業(yè)[6-7]、食品[8]等行業(yè)。在醫(yī)藥領(lǐng)域也有應(yīng)用[9-12]。本課題組已成功將該技術(shù)應(yīng)用于枇杷葉、廣藿香、高良姜等中藥材的質(zhì)量評(píng)價(jià)中[13-15]。本文介紹就該技術(shù)在何首烏藥材中水分含量的快速測(cè)定方法。

1 儀器與試藥

1.1 儀器 傅里葉變換近紅外光譜儀，配有漫反射積分球、樣品旋轉(zhuǎn)器和石英樣品杯、OMNIC光譜采集軟件和TQ8.0分析軟件(Nicolet 6700型，美國(guó)Thermo公司)；Q/ZT153-1 998型電熱鼓風(fēng)恒溫干燥器(浙江正泰儀器儀表有限公司)；干燥器(四川蜀牛玻璃儀器廠)；手提式高速中藥粉碎機(jī)(LK-400型，浙江溫嶺市創(chuàng)力藥材器械廠)；AY120型天平(日本島津公司，感量：0.01 mg)。

1.2 藥材 樣品于2014年9月到11月間分別采購于廣東德慶、高要、高州、陽春、新興等中藥材種植基地，經(jīng)廣東藥學(xué)院中藥學(xué)院姬生國(guó)教授鑒定為蓼科植物何首烏PolygonummultiflorumThunb.的干燥塊根。105批樣品按《中華人民共和國(guó)藥典》2010年版要求洗凈，切片，干燥，粉碎，過篩孔內(nèi)徑0.425 mm篩，保存至密封袋中，置干燥器備用。

2 方法與結(jié)果

2.1 烘干法測(cè)定水分含量 按《中華人民共和國(guó)藥典》2015年版規(guī)定測(cè)定樣品中水分含量作為本研究的參考值。水分含量在6.92%～9.99%，平均8.79%，符合《中華人民共和國(guó)藥典》的規(guī)定。

2.2 光譜數(shù)據(jù)采集 取樣品粉末4 g，混合均勻后放入石英樣品杯，輕輕振搖使其分散均勻。采用積分球漫反射法測(cè)定，分辨率為8 cm-1，掃描64次，掃描范圍為12 000～4 000 cm-1，溫度(22±0.5) ℃，相對(duì)濕度18%～25%。每個(gè)樣品掃描5次，取平均值。樣品的近紅外光譜疊加圖見圖1。

圖1 105批何首烏樣品的近紅外平均光譜疊加圖

Fig.1 Overlapping spectra of NIR for 105 batches of samples ofPolygonimultifloriRadix

2.3 光譜預(yù)處理 在采集樣品的近紅外光譜時(shí)，樣品均勻度、測(cè)定條件、藥材粉末顏色、顆粒大小等會(huì)導(dǎo)致近紅外光譜散射和基線漂移，且吸收強(qiáng)度較弱，光譜信噪比低。要開發(fā)利用近紅外原始光譜，需以化學(xué)計(jì)量學(xué)對(duì)光譜進(jìn)行預(yù)處理，以達(dá)到提取相關(guān)信息的要求[16]。常用消除光譜基線漂移的方法有一階導(dǎo)數(shù)法、二階導(dǎo)數(shù)法，增強(qiáng)光譜平滑的方法有Savitzky-Goly平滑法，校正光譜散射的方法有多元散射矯正法、標(biāo)準(zhǔn)歸一化法。近紅外光譜分析模型常以內(nèi)部交叉驗(yàn)證決定系數(shù)、校正均方差、預(yù)測(cè)均方差為等指標(biāo)綜合考察。其中，內(nèi)部交叉驗(yàn)證決定系數(shù)越接近1，校正均方差越小，則參考值與近紅外預(yù)測(cè)值相關(guān)性越好；預(yù)測(cè)均方差越小，且1<預(yù)測(cè)均方差/校正均方差<1.20，則模型預(yù)測(cè)結(jié)果越精確[17]。本試驗(yàn)用TQ Analyst 8.0分析軟件結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)光譜進(jìn)行預(yù)處理分析，結(jié)果見表1。由結(jié)果可知，采用多元散射校正法+一階導(dǎo)數(shù)法和標(biāo)準(zhǔn)歸一化法+一階導(dǎo)數(shù)法對(duì)光譜進(jìn)行預(yù)處理分析，模型的校正均方差最小，但內(nèi)部交叉驗(yàn)證決定系數(shù)和預(yù)測(cè)均方差并非最優(yōu)，且預(yù)測(cè)均方差/校正均方差均>1.20，所建模型將過于擬合。采用二階導(dǎo)數(shù)法對(duì)光譜進(jìn)行預(yù)預(yù)處理，模型內(nèi)部交叉驗(yàn)證決定系數(shù)最大，校正均方差和預(yù)測(cè)均方差都對(duì)較小，預(yù)測(cè)均方差/校正均方差=1.12<1.20，所建模型預(yù)測(cè)性能最佳，故本實(shí)驗(yàn)采用該法對(duì)光譜進(jìn)行預(yù)處理。

表1 不同預(yù)處理方法對(duì)模型的影響

Tab.1 Effect of different pretreatment on the parameter of model

光譜預(yù)處理方法內(nèi)部交叉驗(yàn)證決定系數(shù)校正均方差預(yù)測(cè)均方差預(yù)測(cè)均方差/校正均方差無處理0．943680．3060．2320．75一階導(dǎo)數(shù)法0．880930．4380．3000．68二階導(dǎo)數(shù)法0．984570．1610．1811．12多元散射校正+一階導(dǎo)數(shù)法0．893990．1150．2882．50多元散射校正+二階導(dǎo)數(shù)法0．903000．3980．2840．71多元散射校正法0．935640．3270．3000．92標(biāo)準(zhǔn)歸一化+一階導(dǎo)數(shù)法0．894690．1130．2812．49標(biāo)準(zhǔn)歸一化+二階導(dǎo)數(shù)法0．902630．3980．2790．70Savitzky?Goly平滑法0．941190．3130．2530．80多元散射校正+Savitzky?Goly平滑法0．888480．4250．2810．66標(biāo)準(zhǔn)歸一化+Savitzky?Goly平滑法0．936490．3250．2000．61標(biāo)準(zhǔn)歸一化法0．936530．3250．2020．62Savitzky?Goly平滑+二階導(dǎo)數(shù)法0．906970．3900．2090．53Savitzky?Goly平滑法+一階導(dǎo)數(shù)法0．880950．4380．3000．68

2.4 建模波長(zhǎng)的選擇 近紅外光譜蘊(yùn)含大量化學(xué)成分信息，選擇響應(yīng)特征性強(qiáng)的波段建立模型，不僅消除大量冗余的信息，還增強(qiáng)待測(cè)組分光譜特征，使模型預(yù)測(cè)性能更加穩(wěn)健，預(yù)測(cè)結(jié)果更加準(zhǔn)確。純水分子-OH伸縮振動(dòng)的一級(jí)倍頻(約在6 944 cm-1)、二級(jí)倍頻(約在10 416 cm-1)及其合頻(約在5 155 cm-1)的光譜特性極為明顯，其中，以一級(jí)倍頻和二級(jí)倍頻的合頻處最強(qiáng)[18-20]，兩特征譜帶包含中藥水分主要信息。結(jié)合內(nèi)部交叉驗(yàn)證決定系數(shù)越接近1，校正均方差、預(yù)測(cè)均方差、內(nèi)部交叉驗(yàn)證均方差越小的綜合考察指標(biāo)考察不同波段對(duì)模型的影響(表2)，最終選取4 210～5 230，6 380～7 000 cm-1這兩個(gè)波段作為建模波段。

2.5 主因子數(shù)的選定 最佳主因子數(shù)(也稱最佳主成分?jǐn)?shù))是內(nèi)部交叉驗(yàn)證均方差最小時(shí)，所對(duì)應(yīng)的主因子數(shù)。在偏最小二乘法中，確定參與回歸的最佳主因子數(shù)尤為重要。選取主因子數(shù)過小，則會(huì)丟失過多有用信息，出現(xiàn)欠擬合；選取主因子數(shù)過大，則會(huì)將測(cè)量噪音過多地引入模型，出現(xiàn)過擬合[17]。在光譜預(yù)處理和波段選擇時(shí)，綜合得到內(nèi)部交叉驗(yàn)證均方差最小值為0.471 64，對(duì)應(yīng)最佳主因子數(shù)為7。見圖2。

表2 不同建模波段對(duì)模型的影響

Tab.2 Effect of different wavelength on the parameter of model

建模區(qū)間/cm-1內(nèi)部交叉驗(yàn)證決定系數(shù)校正均方差預(yù)測(cè)均方差預(yù)測(cè)均方差/校正均方差4230～78900．996860．0730．2543．474500～75610．967940．2330．1900．824210～5230，6380～70000．984570．1610．1811．124164～5205，6195～68600．943070．3470．3450．994310～5370，6586～72370．965630．2410．1540．64

圖2 校正集內(nèi)部交叉驗(yàn)證均方差隨主因子數(shù)的變化圖

Fig.2 Variation curve of the root-mean-square error of cross-validation (RMSECV) versus the numbers of major factors

2.6 模型的建立 運(yùn)用TQ Analyst 8.0定量分析軟件中的偏最小二乘法，以84批樣品為校正集，將“2.1”項(xiàng)下測(cè)得的水分含量為參考值與經(jīng)預(yù)處理的近紅外光譜聯(lián)合，選取波段為4 210～5 230 和6 380～7 000 cm-1，最佳主因子數(shù)為7建立校正模型。所建立的模型，內(nèi)部交叉驗(yàn)證決定系數(shù)=0.984 75，校正均方差=0.161，表明預(yù)測(cè)值與參考值有良好的相關(guān)性；預(yù)測(cè)均方差=0.181，說明模型有較好預(yù)測(cè)能力；內(nèi)部交叉驗(yàn)證均方差=0.471 64，說明模型預(yù)測(cè)精度較好[21]。模型預(yù)測(cè)值與參考值的相關(guān)結(jié)果見圖3。

2.7 模型的考究與驗(yàn)證 將21批樣品輸入所建立的模型進(jìn)行驗(yàn)證，驗(yàn)證集參考值與預(yù)測(cè)值的絕對(duì)偏差在-0.35%～0.28%，相對(duì)偏差在0.29%～3.88%，平均相對(duì)偏差為1.52%，平均回收率為99.87%，可見該近紅外光譜模型可準(zhǔn)確測(cè)定出樣品中水分的含量，見表3。以21個(gè)驗(yàn)證集樣品的預(yù)測(cè)值與參考值進(jìn)行了配對(duì)雙邊t檢驗(yàn)，差異無統(tǒng)計(jì)學(xué)意義(t=0.33，P>0.05)。綜合上述可知，該模型可快速，準(zhǔn)確測(cè)定何首烏中水分的含量[17]。

圖3 校正集樣品預(yù)測(cè)值與參考值的相關(guān)圖

Fig.3 Correlation diagram between analytical and predictive values of calibration samples

表3 驗(yàn)證集樣品的參考值與預(yù)測(cè)值的對(duì)比

Tab.3 Comparison between analytical and predictive values of validation samples %

編號(hào)參考值預(yù)測(cè)值絕對(duì)偏差相對(duì)偏差19．629．48-0．141．4928．558．690．141．6538．058．140．091．1549．619．800．191．9459．799．60-0．191．9368．308．540．242．8878．818．64-0．171．8888．918．980．070．8199．109．300．202．24109．219．490．283．04119．268．95-0．313．35129．249．14-0．101．08139．138．78-0．353．88149．079．200．131．49159．959．78-0．171．73169．829．72-0．100．97176．986．76-0．223．15186．926．89-0．030．36196．977．030．050．81209．639．60-0．030．29218．718．840．131．54

3 討論

《中華人民共和國(guó)藥典》2015年版規(guī)定何首烏中水分含量測(cè)定的方法采用烘干法，該方法操作繁瑣，對(duì)測(cè)定結(jié)果的影響因素較多，特別是在我國(guó)南方，由于濕度大，溫度較高加大了實(shí)驗(yàn)操作的難度。筆者長(zhǎng)期從事近紅外光譜技術(shù)對(duì)中藥質(zhì)量評(píng)價(jià)的研究，已經(jīng)對(duì)多種中藥材進(jìn)行了相關(guān)的研究。由于該方法簡(jiǎn)便、快速、準(zhǔn)確，檢測(cè)時(shí)無需對(duì)樣品進(jìn)行復(fù)雜的預(yù)處理，在無損樣品的前提下采集近紅外光譜(通常只需30 s)，輸入所建立的模型，即可實(shí)現(xiàn)快速分析，能克服南方氣候條件造成的對(duì)何首烏水分含量測(cè)定所造成的影響，適用于何首烏藥材中的水分含量測(cè)定。同時(shí)，該方法可用于何首烏生產(chǎn)企業(yè)在干燥過程中進(jìn)行實(shí)時(shí)水分含量監(jiān)控，確定干燥的時(shí)間及溫度，節(jié)約能源及成本，增加企業(yè)效益。該研究?jī)H為何首烏全面質(zhì)量評(píng)價(jià)的一個(gè)方面，將結(jié)合其他的近紅外光譜質(zhì)量評(píng)價(jià)方法，提供一個(gè)全面對(duì)何首烏進(jìn)行質(zhì)量評(píng)價(jià)的近紅外光譜方法。

[1] 國(guó)家藥典委員會(huì).中華人民共和國(guó)藥典(一部)[M].北京：中國(guó)醫(yī)藥科技出版社，2015：175-176.

[2] 樓招歡，呂圭源，俞靜靜.何首烏成分、藥理及毒副作用相關(guān)的研究進(jìn)展[J].浙江中醫(yī)藥大學(xué)學(xué)報(bào)，2014，38(4)：495-500.

[3] 白正偉，李懌，崔凌雁.紅外光譜法用于加氫生產(chǎn)生物柴油過程的監(jiān)控研究[J].石油煉制與化工，2015，46(1)：97-100.

[4] 李明，李翠，雷萌.一種煤炭近紅外光譜數(shù)據(jù)預(yù)處理方法研究[J].工礦自動(dòng)化，2015，41(1)：62-66.

[5] 張朝，葛少林，佘世科，等.近紅外光譜法快速測(cè)定煙草中的常規(guī)化學(xué)成分含量[J].安徽農(nóng)業(yè)科學(xué)，2015，43(2)：286-288.

[6] 薛建新，張淑娟，趙聰慧.基于梨棗輕微損傷的可見近紅外光譜判別研究[J].農(nóng)機(jī)化研究，2015，37(5)：212-215.

[7] 史文青，方曉璞，崔誠(chéng)，等.近紅外光譜技術(shù)在花生品質(zhì)分析中的應(yīng)用[J].糧油加工：電子版，2014，45(6)：30-33.

[8] 於筱嵐，徐寧，何勇.近紅外分析技術(shù)在食品氨基酸檢測(cè)中應(yīng)用的研究進(jìn)展[J].光譜學(xué)與光譜分析，2014，34(9)：2377-2381.

[9] 王海波，鄧?guó)Q，朱健萍，等.近紅外漫反射光譜法測(cè)定頭孢克肟顆粒含量[J].醫(yī)藥導(dǎo)報(bào)，2014，33(4)：490-492.

[10] 賈燕花，胡昌勤，劉皈陽.近紅外光譜法測(cè)定注射用頭孢曲松鈉相對(duì)結(jié)晶度[J].醫(yī)藥導(dǎo)報(bào)，2013，32(11)：1513-1514.

[11] 陳蓉，陳偉，吳啟南.基于近紅外指紋圖譜的芡實(shí)藥材快速分析[J].醫(yī)藥導(dǎo)報(bào)，2014，33(5)：653-657.

[12] 余道宏，柳艷云，姜紅.近紅外光譜法快速分析小兒復(fù)方磺胺甲噁唑顆粒的水分含量[J].中國(guó)藥事，2014，28(3)：263-267.

[13] 林萍，王海霞，姬生國(guó)，等.利用近紅外光譜分析技術(shù)快速測(cè)定高良姜中水分含量[J].中國(guó)調(diào)味品，2014，39(8)：99-103.

[14] 蔡佳良，黃潔燕，姬生國(guó)，等.運(yùn)用近紅外光譜法建立廣藿香含葉量定量分析模型[J].中國(guó)現(xiàn)代應(yīng)用藥學(xué)，2013，30(3)：260-263.

[15] 李蕾蕾，林萍，姬生國(guó)，等.近紅外光譜法快速測(cè)定枇杷葉浸出物的含量[J].醫(yī)藥導(dǎo)報(bào)，2014，33(2)：231-235.

[16] 嚴(yán)衍祿，趙龍蓮，韓東海，等.近紅外光譜分析基礎(chǔ)與應(yīng)用[M].北京：中國(guó)輕工業(yè)出版社，2005：30-39.

[17] 褚小立.化學(xué)計(jì)量學(xué)方法與分子光譜分析技術(shù)[M].北京：化學(xué)工業(yè)出版社，2011：32-119

[18] 姬生國(guó)，蔡佳良，周文婷，等.近紅外光譜測(cè)定藿膽丸中水分含量[J].醫(yī)藥導(dǎo)報(bào)，2014，33(5)：660-663.

[19] 蔡佳良，李蕾蕾，姬生國(guó).近紅外光譜法快速測(cè)定廣藿香中水分含量[J].醫(yī)藥導(dǎo)報(bào)，2012，31(11)：1468-1470.

[20] 李蕾蕾，王海霞，姬生國(guó)，等.近紅外光譜技術(shù)在枇杷葉水分含量測(cè)定中的應(yīng)用[J].中國(guó)實(shí)驗(yàn)方劑學(xué)雜志，2013，19(19)：104-107.

[21] 王海霞，周文婷，姬生國(guó)，等.NIRS在廣金錢草水分含量測(cè)定中的應(yīng)用[J].江蘇農(nóng)業(yè)科學(xué)，2014，42(7)：324-326.

Rapid Determination of Moisture Content in Polygoni multiflori Radix by Near-Infrared Spectroscopy

JIA Canchao, LU Huijuan, LIN Dan, JI Shengguo

(SchoolofTraditionalChineseMedicine,GuangdongPharmaceuticalCollege,Guangzhou510006,China)

Objective To determine the moisture content inPolygonimultifloriRadix rapidly by near-infrared spectroscopy. Methods The moisture content of the samples were determined by oven drying method and the near-infrared spectrum data were collected by near-infrared spectroscopy.The quantitative test model of moisture content inPolygonimultifloriRadix was established by chemometrics methods and was validated with validation samples. Results The correlation coefficients, root-mean-square error of calibration (RMSEC), root-mean-square error of predication (RMSCP) and the root-mean-square error of cross-validation (RMSECV) of the calibration model was 0.984 75, 0.161, 0.181 and 0.471 64, respectively.The absolute deviation of the analytical and predictive values of 21 validation samples was -0.35%-0.28%, and the average recovery was 99.87%. Conclusion Near-infrared spectroscopy can be used to determine the moisture content ofPolygonimultifloriRadix rapidly and accurately.

PolygonimultifloriRadix； Spectroscopy technology, near-infrared； Content，moisture

2015-02-02

2015-03-09

*廣東省科技計(jì)劃項(xiàng)目(2009B030801044)

賈燦潮(1989-)，男，廣東云浮人，在讀碩士，主要從事中藥質(zhì)量控制研究工作。電話：020-39352327，E-mail：296808156@qq.com。

姬生國(guó)(1967-)，男，河南延津人，教授，博士，從事中藥資源、中藥質(zhì)量標(biāo)準(zhǔn)及中藥新藥及分子生藥學(xué)研究。電話：020-39352327，E-mail：shengguo_ji@163.com。

R282；R927.2

B

1004-0781(2015)12-1633-04

10.3870/j.issn.1004-0781.2015.12.021