您當(dāng)前的位置：檢測資訊 > 法規(guī)標(biāo)準(zhǔn)
嘉峪檢測網(wǎng) 2026-01-12 21:22
摘 要： 綜述了近紅外光譜技術(shù)（NIRS）在中藥領(lǐng)域的應(yīng)用研究進(jìn)展。近紅外光譜技術(shù)是基于分子振動能級躍遷的光譜分析方法，可結(jié)合多種算法和技術(shù)，準(zhǔn)確鑒別中藥材真?zhèn)巍a(chǎn)地、品種以及炮制程度；對中藥的水分、各類成分的含量測定效果良好；能快速檢測中藥制劑中關(guān)鍵質(zhì)量指標(biāo)的含量，對中藥質(zhì)量進(jìn)行有效控制；在線檢測環(huán)節(jié)，能建立有效模型對關(guān)鍵指標(biāo)實現(xiàn)實時監(jiān)控。近紅外光譜技術(shù)在中藥領(lǐng)域前景廣闊，未來應(yīng)研發(fā)新設(shè)備、優(yōu)化算法，并借助大數(shù)據(jù)與AI技術(shù)，以覆蓋更多劑型，實現(xiàn)全流程監(jiān)控，建立光譜數(shù)據(jù)庫，推動中醫(yī)藥產(chǎn)業(yè)現(xiàn)代化發(fā)展。
關(guān)鍵詞： 近紅外光譜技術(shù)； 定性鑒別； 含量測定； 中藥制劑； 質(zhì)量控制
近紅外光譜技術(shù)(NIRS)是一種基于分子振動能級躍遷的光譜分析方法，具有快速、高效、無污染、取樣簡單、無損等優(yōu)點，且儀器操作簡便，檢測靈敏度高，能夠?qū)崿F(xiàn)在線同步檢測和多組分同時檢測[1]。與其他傳統(tǒng)分析技術(shù)相比，近紅外光譜技術(shù)無須復(fù)雜的樣品處理，能夠在短時間內(nèi)提供大量信息，特別適用于復(fù)雜樣品的快速分析。近紅外光譜技術(shù)能夠在幾秒鐘內(nèi)完成樣品的檢測，顯著提高了分析效率，且樣品無損，可用于珍貴藥材的質(zhì)量控制。近紅外光譜技術(shù)的多組分同時檢測，利于復(fù)雜中藥體系的檢驗，并通過在線監(jiān)測實時監(jiān)控中藥制藥過程中的關(guān)鍵參數(shù)，以確保產(chǎn)品質(zhì)量[2?3]。
1 中藥材鑒別應(yīng)用
中藥材的傳統(tǒng)鑒別方式為性狀鑒別、顯微鑒別和薄層鑒別。性狀鑒別對不同品種的中藥材有一定的辨別能力，但需要過硬專業(yè)知識和豐富的經(jīng)驗；由于品種相同，大部分中藥材的主要化學(xué)成分相同，顯微鑒別和薄層鑒別并不能對其產(chǎn)地加以區(qū)分；氣相色譜法、液相色譜法等方法可精確檢測，但檢測時間長；近紅外光譜技術(shù)具有快速、靈敏度高、和對送檢藥材的損傷小等特點，適用于中藥材加工的各個場景。
1.1 正品與偽品鑒別
鄭加梅等[4]利用近紅外光譜技術(shù)對55批樣品采集光譜數(shù)據(jù)，結(jié)合多種方法研究快速鑒別重樓及其混偽品的可行性。結(jié)果表明，近紅外光譜技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)算法可準(zhǔn)確識別重樓及其混偽品，或在二維紅外光譜圖譜的5 897～5 600 cm-1和4 497～4 200 cm-1觀察到顯著差異，但主成分分析和正交偏最小二乘判別分析模型預(yù)測能力差，線性判別分析模型無法區(qū)分七葉一枝花的部分樣本。周婷等[5]運(yùn)用近紅外光譜技術(shù)采集了川貝母、湖北貝母、浙貝母、伊貝母及平貝母共11個品種98個樣品的近紅外光譜圖，進(jìn)行預(yù)處理后，采用K值聚類法結(jié)合偏最小二乘法進(jìn)行聚類分析。結(jié)果表明，湖北貝母、平貝母、浙貝母、伊貝母的類型值分別為1.91、3.45、1.20、4.02，川貝母的類型值區(qū)間為5.06～5.96，可有效鑒別川貝母及其偽品，是一種可用于川貝母鱗莖鑒別的新方法。董怡青等[6]以生粉、木薯粉和小麥粉為茯苓粉偽品，利用近紅外光譜技術(shù)結(jié)合主成分分析方法構(gòu)建假冒茯苓粉的鑒別模型，可實現(xiàn)茯苓粉真實性無損檢測。張延瑩等[7]采集61批市場常見的續(xù)斷、牛蒡根和甘西鼠尾3種丹參偽品的近紅外漫反射光譜，結(jié)合判別分析算法建立真?zhèn)舞b別模型，進(jìn)而測定預(yù)測集樣品的歸屬，驗證模型的準(zhǔn)確性。結(jié)果表明，真?zhèn)舞b別準(zhǔn)確率達(dá)到100%，是對現(xiàn)有丹參鑒別方法的科學(xué)補(bǔ)充。
1.2 正品與摻偽品鑒別
趙昕等[8]通過使用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法，實現(xiàn)了常見的理棗仁、枳椇子和兵豆3種酸棗仁偽品摻假的快速無損檢測，該方法對后續(xù)酸棗仁及其他種子類中藥材便攜式無損檢測儀器的開發(fā)提供了科學(xué)依據(jù)。董怡青等[6]以生粉、木薯粉和小麥粉為摻偽品，利用便攜式近紅外光譜儀采集不同比例摻假茯苓粉的光譜數(shù)據(jù)，結(jié)合主成分分析方法構(gòu)建假冒以及摻假茯苓粉的鑒別模型，此模型可實現(xiàn)茯苓粉真實性無損檢測。鄭郁等[9]采集不同比例摻假茯苓粉的近紅外光譜數(shù)據(jù)，并通過多種樣品處理方法消除光譜中的干擾，結(jié)合主成分分析法，建立了摻假茯苓粉的鑒別模型，可實現(xiàn)對不同比例摻假茯苓粉的100%鑒別分析。以麥芽糊精和淀粉為山楂果粉的摻偽品，利用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法，建立偏最小二乘判別分析模型來區(qū)分正品與摻偽品，此模型穩(wěn)定且適用，在快速檢測其他中藥材或功能性食品摻假方面具有很大潛力[10]。許禎毅等[11]以30個五夫白蓮為樣本，采集近紅外光譜圖，對蓮子粉進(jìn)行摻雜鑒別，結(jié)果表明可根據(jù)蓮子粉與面粉、玉米粉、木薯粉近紅外光譜區(qū)別，有效鑒別純蓮子粉與摻雜不同比例面粉、玉米粉、木薯粉的蓮子粉，對保證中藥材質(zhì)量安全具有重要社會意義。
1.3 同屬中藥種類鑒別
羅西等[12]以1 735份綠絨蒿屬植物為研究對象，利用近紅外積分球漫反射和近紅外光纖探頭2種光譜采集方式，利用Python軟件和TQ Analysis軟件建立多種鑒別模型并進(jìn)行篩選。結(jié)果表明，近紅外光纖探頭結(jié)合Python軟件所建立的支持向量機(jī)模型效果最佳，可實現(xiàn)全緣葉綠絨蒿、五脈綠絨蒿、多刺綠絨蒿、紅花綠絨蒿、雜交綠絨蒿、總狀綠絨蒿的快速鑒別，為其質(zhì)量評價與控制提供了理論基礎(chǔ)與參考依據(jù)。彭璐等[13]以貢菊、亳菊、杭菊和福白菊為研究對象，采用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法，建立菊花品種判別分析模型以實現(xiàn)菊花品種的快速識別。利用近紅外光譜技術(shù)和偏最小二乘法對大白菊、胡菊和小白菊3個品種139批菊花進(jìn)行研究，建立3個品種菊花判別分析模型，大白菊、胡菊、小白菊校正集的準(zhǔn)確率分別為97.60%、96.65%、94.70%，預(yù)測集的準(zhǔn)確率為95.16%、86.11%、93.46%，表明此模型可有效鑒別菊花種類[14]。
1.4 中藥材產(chǎn)地鑒別
郭兆華等[15]采用近紅外光譜技術(shù)對黃芩的河北省道地性進(jìn)行二分類實驗，對138份黃芩樣本進(jìn)行近紅外光譜采集，通過預(yù)處理算法、不同波段選擇算法和不同分類方法處理模型，結(jié)果發(fā)現(xiàn)近紅外光譜技術(shù)的最佳道地性分類算法能對冀產(chǎn)黃芩進(jìn)行100%正確率的道地性二分類，此方法快速、無損、可靠，為中藥材產(chǎn)地溯源提供新的方法參考。李超等[16]采用傅里葉變換近紅外光譜法通過多種光譜信號預(yù)處理方法和多種模式識別技術(shù)對5個主產(chǎn)區(qū)的75份艾葉樣品進(jìn)行了產(chǎn)地鑒別，建立的K-最近鄰算法、貝葉斯算法及粒子群優(yōu)化支持向量機(jī)3種模型對樣品的識別率高達(dá)100%，能夠用于艾葉的產(chǎn)地溯源，利于艾葉的道地性評價和質(zhì)量控制，為其他藥材的等同性研究提供新的方法參考。張延瑩等[7]采集陜西、山東、四川、河北等9個產(chǎn)地的265批丹參樣品的近紅外漫反射光譜，采用主成分分析結(jié)合馬氏距離的判別分析方法，建立丹參產(chǎn)地鑒別模型，并采用四重交叉驗證測試模型預(yù)測性能，結(jié)果表明，產(chǎn)地鑒別準(zhǔn)確率達(dá)到98%以上，該方法是對現(xiàn)有丹參鑒別方法的科學(xué)補(bǔ)充。余代鑫等[17]對9個產(chǎn)區(qū)280批次干姜藥材樣本進(jìn)行分析，獲取其近紅外光譜信息，并運(yùn)用8種機(jī)器學(xué)習(xí)算法對干姜藥材進(jìn)行產(chǎn)地溯源研究，近紅外光譜技術(shù)與化學(xué)計量學(xué)和機(jī)器學(xué)習(xí)算法的結(jié)合，為中藥材產(chǎn)地溯源研究提供新的方法參考。
1.5 其他
中藥材經(jīng)炮制后肉眼難辨其炮制程度和藥效，通過近紅外光譜技術(shù)可快速鑒別。丁羽等[18]通過智能感官和近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)建立酒當(dāng)歸不同炮制程度快速辨識模型，測色儀提取炮制過程的顏色特征值，超快速氣相電子鼻獲取氣味信息，近紅外光譜儀獲取近紅外光譜信息，化學(xué)計量學(xué)分析對數(shù)據(jù)進(jìn)行處理分析，由此建立的辨識模型能準(zhǔn)確鑒別4類不同炮制程度的酒當(dāng)歸樣品，實現(xiàn)了對不同炮制程度酒當(dāng)歸的快速準(zhǔn)確辨識，智能感官和近紅外光譜技術(shù)與化學(xué)計量學(xué)的結(jié)合對酒當(dāng)歸及其他中藥飲片的炮制程度的快速識別及質(zhì)量控制提供了理論基礎(chǔ)與參考依據(jù)。唐敏等[19]以3種炮制規(guī)格的186批蒲黃炭樣品為研究對象，利用偏最小二乘判別分析、K-最近鄰和支持向量機(jī)分析處理蒲黃炭樣品的紅外光譜信息，建立蒲黃炭炮制程度的判別分析模型，結(jié)果表明，該方法可快速判斷蒲黃炭炮制程度，保證蒲黃炭炮制工藝的穩(wěn)定性。
2 中藥定量分析應(yīng)用
2.1 水分含量測定
對于中藥材，適宜的水分可保證藥效穩(wěn)定、延長保質(zhì)期；水分過高會引發(fā)霉變、蟲蛀，影響藥材質(zhì)量。呂亞新等[20]采集87份西洋參飲片的近紅外光譜數(shù)據(jù)，結(jié)合偏最小二乘回歸分析建立了西洋參中水分含量近紅外定量分析模型，此模型可對西洋參中的水分含量進(jìn)行快速測定，為西洋參的質(zhì)量評價提供了一種較好的方法。周雨楓等[21]利用近紅外光譜技術(shù)結(jié)合偏最小二乘法建立了一種三七藥材水分和醇溶性浸出物含量檢測模型，并利用內(nèi)部交叉驗證法和外部驗證法對模型進(jìn)行優(yōu)化，該模型可準(zhǔn)確、快速、無污染地測定三七藥材的水分和醇溶性浸出物含量。楊植等[22]對饅饅棗和保德油棗2個品種樣本光譜進(jìn)行樣本集劃分并使用預(yù)處理的方法平滑法和偏最小二乘回歸分析法，建立了含水量定量檢測分析模型，用于紅棗水分含量的預(yù)測。王美慧等[23]基于聲光可調(diào)-近紅外光譜技術(shù)建立了一種牡丹皮藥材水分、浸出物、丹皮酚含量檢測模型，將60批次牡丹皮樣本的近紅外光譜信息與化學(xué)值相關(guān)聯(lián)，以偏最小二乘法和交叉-驗證法而建立的定量校正模型，該模型可快速、準(zhǔn)確、無損地鑒定牡丹皮水分、浸出物、丹皮酚含量，可用于牡丹皮藥材質(zhì)量的快速評價。
2.2 有效成分含量測定
蔣智威[24]以蒼術(shù)作為研究對象，利用近紅外光譜技術(shù)采集蒼術(shù)樣本近紅外光譜信息，利用高效液相色譜法測定蒼術(shù)粉末中的β-桉葉醇、白術(shù)內(nèi)酯Ⅰ、白術(shù)內(nèi)酯Ⅱ、白術(shù)內(nèi)酯Ⅲ、蒼術(shù)素、蒼術(shù)酮6種有效成分的含量作為參考值，運(yùn)用偏最小二乘回歸、隨機(jī)森林、支持向量機(jī)、反向傳播神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等5種定量建模方法構(gòu)建定量分析模型，結(jié)果表明，卷積神經(jīng)網(wǎng)絡(luò)模型更適合測定蒼術(shù)中白術(shù)內(nèi)酯Ⅰ、β-桉葉醇、蒼術(shù)酮和蒼術(shù)素含量，支持向量機(jī)模型在測定蒼術(shù)中白術(shù)內(nèi)酯Ⅱ和白術(shù)內(nèi)酯Ⅲ的含量方面具有優(yōu)勢。雷曉晴等[25]收集106批不同產(chǎn)地的丹參，采用高效液相色譜法測定不同批次丹參樣品中11種化學(xué)成分的含量，同時利用積分球漫反射模式采集丹參樣品的近紅外光譜信息，采用偏最小二乘法等化學(xué)計量學(xué)方法建立定量分析模型，該模型可對丹參中的丹酚酸B、二氫丹參酮、丹參酮Ⅰ、隱丹參酮和丹參酮ⅡA進(jìn)行定量分析，為丹參藥材、飲片的快速現(xiàn)場檢測提供了思路。焦慧平等[26]采用近紅外光譜結(jié)合化學(xué)計量學(xué)方法建立預(yù)測肉蓯蓉藥材苯乙醇苷和甘露醇含量的快速無損分析方法。未俊豐等[27]利用近紅外光譜技術(shù)結(jié)合偏最小二乘法對甜葉菊綠原酸含量的光譜數(shù)據(jù)進(jìn)行了近紅外模型分析，實現(xiàn)甜葉菊中綠原酸含量的快速檢測，通過擴(kuò)大樣本數(shù)量，增加樣本的多樣性，或使用其他預(yù)處理算法和特征波長選擇算法，都能進(jìn)一步提高預(yù)測模型的準(zhǔn)確性和精度。李珊珊等[28]以云南昭通烏天麻為實驗對象，利用近紅外光譜技術(shù)結(jié)合人工兔優(yōu)化算法-最小二乘支持向量回歸法建立天麻中天麻素和對羥基苯甲醇含量的快速、無損檢測模型，此模型為天麻及其他中藥材的快速檢測裝置的研發(fā)提供一定理論參考。
2.3 大類成分含量測定
焦慧平等[26]采集肉蓯蓉樣品的近紅外漫反射光譜，利用傳統(tǒng)分析方法測定肉蓯蓉樣品中浸出物和多糖含量的化學(xué)分析值，采用偏最小二乘回歸法和支持向量機(jī)回歸法結(jié)合各種光譜樣品處理手段，建立由肉蓯蓉近紅外光譜預(yù)測浸出物和多糖含量的定量模型。杜涓等[29]以156份發(fā)酵甘草莖葉為樣本，采集近紅外光譜數(shù)據(jù)，根據(jù)化學(xué)分析法的實際測定值，采用偏最小二乘法篩選最佳光譜預(yù)處理方法、建模波段及主成分?jǐn)?shù)，構(gòu)建發(fā)酵甘草莖葉多糖含量快速預(yù)測模型。該方法比傳統(tǒng)的提取檢測方法更快速，有望實現(xiàn)發(fā)酵過程的實時調(diào)控，用于評估發(fā)酵產(chǎn)品品質(zhì)，為發(fā)酵工業(yè)中其他主成分含量的快速測定提供參考依據(jù)。徐萍等[30]采用高效液相色譜法測定重樓皂苷Ⅰ、Ⅱ、Ⅶ的含量及其總含量，同時采集近紅外光譜數(shù)據(jù)，結(jié)合偏最小二乘回歸法建立3種成分和總含量定量分析模型，預(yù)測效果較好，能用于該藥材質(zhì)量的實時監(jiān)控。
3 中藥制劑質(zhì)量的控制
童一洋等[31]利用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)建立復(fù)方甘草酸苷制劑質(zhì)量檢測的方法，為比較不同特征波長篩選方法對甘草酸苷、鹽酸半胱氨酸、甘氨酸含量的預(yù)測效果，預(yù)處理后對全光譜波段、連續(xù)投影算法、遺傳算法、競爭自適應(yīng)重加權(quán)算法篩選出的特征波長以偏最小二乘法建立預(yù)測模型，結(jié)果表明，競爭自適應(yīng)重加權(quán)算法對復(fù)方甘草酸苷3種組分含量的預(yù)測性能可靠，連續(xù)投影算法、遺傳算法不適合復(fù)方甘草酸苷模型的建立。許學(xué)麗[32]利用近紅外光譜技術(shù)對炎可寧片的質(zhì)量分析進(jìn)行研究，通過偏最小二乘法將含量測定值與光譜數(shù)據(jù)關(guān)聯(lián)，建立定量分析模型并對模型預(yù)測效果進(jìn)行驗證，可實現(xiàn)鹽酸小檗堿、黃芩苷、漢黃芩苷、黃芩素4種成分的準(zhǔn)確定量，此模型可用于炎可寧片樣品的快速質(zhì)量分析并為炎可寧片質(zhì)量評價體系的建立提供參考。裴媛媛等[33]以鹽酸小檗堿和鹽酸黃柏堿為黃柏膏的關(guān)鍵質(zhì)量指標(biāo)，建立由黃柏膏近紅外光譜預(yù)測鹽酸小檗堿和鹽酸黃柏堿含量的定量預(yù)測模型，此模型可有效提高黃柏膏質(zhì)量控制現(xiàn)代化程度和準(zhǔn)確度。李倩等[34]以厚樸酚、和厚樸酚、橙皮苷為藿香正氣口服液關(guān)鍵質(zhì)量指標(biāo)，利用近紅外光譜與高效液相色譜技術(shù)，建立藿香正氣口服液近紅外光譜與指標(biāo)成分含量間的線性關(guān)系，從而實現(xiàn)藿香正氣口服液指標(biāo)成分含量的透瓶快速測定，具有應(yīng)用價值。
4 在線檢測
中藥提取物生產(chǎn)流程復(fù)雜，環(huán)境、設(shè)備、控制過程等微小變化，都會對質(zhì)量產(chǎn)生直接影響，傳統(tǒng)生產(chǎn)靠多點取樣進(jìn)行實驗室離線分析，無法滿足關(guān)鍵指標(biāo)的質(zhì)量控制需求，而近紅外光譜技術(shù)具有快速、無損、綠色等優(yōu)勢，可應(yīng)用于自動化生產(chǎn)中。童楓等[35]建立了熱毒寧注射液金銀花和青蒿萃取終點判別模型，對金銀花和青蒿萃取過程中固形物含量進(jìn)行在線監(jiān)控。采用近紅外光譜儀在線采集多批次金銀花和青蒿萃取過程光譜數(shù)據(jù)，結(jié)合偏最小二乘法和多元自適應(yīng)回歸樣條算法，支持向量機(jī)算法建立異常光譜判別模型，移動塊標(biāo)準(zhǔn)偏差法算法建立萃取終點判別模型，偏最小二乘法和多元自適應(yīng)回歸樣條模型均可用于熱毒寧注射液青蒿萃取過程固形物含量的在線監(jiān)測，多元自適應(yīng)回歸樣條模型性能更好，移動塊標(biāo)準(zhǔn)偏差法簡便易行可用于萃取終點判斷，對提升中藥生產(chǎn)質(zhì)量具有參考意義。王璽等[36]建立了血府逐瘀膠囊提取過程多元統(tǒng)計過程控制模型，對血府逐瘀膠囊提取過程進(jìn)行在線監(jiān)控，通過近紅外光譜儀在線采集多批血府逐瘀膠囊提取過程近紅外光譜數(shù)據(jù)，并進(jìn)行主成分分析從而建立提取過程軌跡圖，結(jié)合多元統(tǒng)計過程控制建立3種控制模型可快速、無損觀察血府逐瘀膠囊提取過程的整體變化，滿足生產(chǎn)實際需求。王璽等[37]利用紫外光譜與近紅外光譜對青風(fēng)藤的萃取過程進(jìn)行在線監(jiān)測和終點判斷，建立的青風(fēng)藤萃取過程的鹽酸青藤堿濃度模型擬合預(yù)測性能和穩(wěn)定性良好，有望實現(xiàn)萃取過程的可視化。屈瓊等[38]用高效液相色譜法測定香菊片膜分離過濾液樣本中沒食子酸、鞣花酸、木犀草素3個成分的含量，同時采集近紅外光譜數(shù)據(jù)，將得到的光譜數(shù)據(jù)與3個化學(xué)成分含量數(shù)據(jù)應(yīng)用偏最小二乘法回歸分析建立定量監(jiān)測模型，該模型預(yù)測性良好，可用于香菊片提取液膜分離過程的成分含量測定和終點判斷。但此實驗采用樣本量較少，膜分離過程中的化學(xué)成分?jǐn)?shù)量范圍較窄，且采用的是離線式近紅外光譜，未來應(yīng)增加樣本數(shù)量，擴(kuò)大化學(xué)成分?jǐn)?shù)量范圍以及采用在線近紅外光譜進(jìn)一步探索研究。
5 結(jié)語
近紅外光譜技術(shù)在中藥領(lǐng)域應(yīng)用廣泛。在中藥材鑒別方面，能有效區(qū)分正品與偽品、正品與摻偽品，鑒別同屬中藥種類和產(chǎn)地，還可判斷中藥材炮制程度。在中藥定量分析上，可測定水分、有效成分和大類成分含量。在中藥制劑質(zhì)量控制方面，利用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)，能建立多種制劑的質(zhì)量檢測模型，對復(fù)方甘草酸苷制劑、炎可寧片等進(jìn)行質(zhì)量分析。此外，可對中藥提取物生產(chǎn)過程進(jìn)行在線監(jiān)測，對關(guān)鍵指標(biāo)的質(zhì)量進(jìn)行控制實現(xiàn)實時監(jiān)測。近紅外光譜技術(shù)在中藥領(lǐng)域未來前景廣闊。技術(shù)創(chuàng)新方面，應(yīng)研發(fā)更高效的光譜采集設(shè)備，優(yōu)化算法，提升對微量成分和復(fù)雜成分的檢測分析能力。借助大數(shù)據(jù)和AI技術(shù)，構(gòu)建光譜數(shù)據(jù)庫并結(jié)合深度學(xué)習(xí)算法，實現(xiàn)中藥質(zhì)量智能化判斷。應(yīng)用上，近紅外光譜技術(shù)應(yīng)覆蓋更多中藥劑型，實現(xiàn)從原材料到成品的全流程質(zhì)量監(jiān)控，推動產(chǎn)業(yè)自動化。然而，深度學(xué)習(xí)算法在光譜分析中應(yīng)用尚淺，且研究模型開發(fā)主要應(yīng)用于實驗室理想條件下，研究成果零散，也不夠深入，因此，應(yīng)建立光譜數(shù)據(jù)庫并定期維護(hù)，以增強(qiáng)數(shù)據(jù)庫的通用性與實用性。
參考文獻(xiàn)
1 雷曉晴，王秀麗，李耿，等.近紅外光譜法快速測定當(dāng)歸中7種成分的含量［J］.中草藥，2019，50（16）： 3 947.
LEI Xiaoqing，WANG Xiuli，LI Geng，et al. Rapid determination of seven components in Angelica sinensis based on near infrared spectroscopy［J］. Chinese Traditional and Herbal Drugs，2019，50（16）： 3 947.
2 周雨楓，蘇健，巢香麗，等.近紅外光譜技術(shù)在稀有中藥及智能化生產(chǎn)中的研究進(jìn)展［J］.中國當(dāng)代醫(yī)藥，2023，30（36）： 31.
ZHOU Yufeng，SU Jian，CHAO Xiangli，et al. Research advance in near-infrared spectroscopy to rare traditional Chinese medicine and intelligent production［J］. China Modern Medicine，2023，30（36）： 31.
3 黃志偉，郭拓，黃文靜，等.近紅外光譜技術(shù)在名貴中藥材質(zhì)量評價中的研究進(jìn)展［J］.中草藥，2022，53（20）： 6 328.
HUANG Zhiwei，GUO Tuo，HUANG Wenjing，et al. Research progress of near-infrared spectroscopy in quality evaluation of valuable Chinese medicinal materials［J］. Chinese Traditional and Herbal Drugs，2022，53（20）： 6 328.
4 鄭加梅，廖彬彬，楊萍，等.近紅外光譜技術(shù)快速鑒別重樓及其混偽品［J］.中草藥，2024，55（13）： 4 545.
ZHENG Jiamei，LIAO Binbin，YANG Ping，et al. Rapid identification of paridis rhizoma and its adulterants by near-infrared spectroscopy［J］. Chinese Traditional and Herbal Drugs，2024，55（13）： 4 545.
5 周婷，付紹兵，謝慧敏，等.近紅外光譜在川貝母及非川貝母品種鑒別中的應(yīng)用［J］.華西藥學(xué)雜志，2021，36（2）： 193.
ZHOU Ting，F(xiàn)U Shaobing，TSE Wai Ming，et al. Identification and validation of bulbs of Fritillariae species using Near-infrared spectroscopy data［J］. West China Journal of Pharmaceutical Sciences，2021，36（2）：193.
6 董怡青，趙芷嵐，范偉，等.基于便攜式近紅外光譜技術(shù)的茯苓粉真實性無損檢測研究［J］.食品安全質(zhì)量檢測學(xué)報，2022，13（22）： 7 210.
DONG Yiqing，ZHAO Zhilan，F(xiàn)AN Wei，et al. Nondestructive analysis of Poria Cocos powder authenticity based on portable near-infrared spectroscopy［J］. Journal of Food Safety & Quality，2022，13（22）： 7 210.
7 張延瑩，程子航.基于近紅外光譜技術(shù)鑒別丹參產(chǎn)地及其偽品［J］.中國當(dāng)代醫(yī)藥，2024，31（27）： 4.
ZHANG Yanying，CHENG Zihang. Identification of Salvia miltiorrhiza from different place of origin and counterfeit based on near infrared reflectance spectroscopy［J］. China Modern Medicine，2024，31（27）： 4.
8 趙昕，劉鑫，王韻彭，等.基于近紅外光譜的酸棗仁不同偽品摻假檢測［J］.食品工業(yè)科技，2022，43（21）： 294.
ZHAO Xin，LIU Xin，WANG Yunpeng，et al. Detection for different adulterants of ziziphi spinosae semen based on near infrared spectroscopy［J］. Science and Technology of Food Industry，2022，43（21）： 294.
9 鄭郁，董怡青，趙芷嵐，等.基于近紅外光譜技術(shù)的茯苓摻假無損檢測研究［J］.中國果菜，2021，41（10）： 52.
ZHENG Yu，DONG Yiqing，ZHAO Zhilan，et al. Nondestructive detection of poria Cocos adulteration based on near infrared spectroscopy［J］. China Fruit & Vegetable，2021，41（10）： 52.
10 SUN X F，LI H L，YI Y，et al. Rapid detection and quantification of adulteration in Chinese hawthorn fruits powder by near-infrared spectroscopy combined with chemometrics［J］. Spectrochimica Acta Part A：Molecular and Biomolecular Spectroscopy，2021，250： 119 346.
11 許禎毅，李枚，林露，等.近紅外光譜技術(shù)對蓮子粉主要成分快速檢測和摻雜鑒別研究［J］.食品科技，2021，46（10）： 265.
XU Zhenyi，LI Mei，LIN Lu，et al. Study on doping identification and rapid detection of main components of lotus seed powder by near infrared spectroscopy［J］. Food Science and Technology，2021，46（10）： 265.
12 羅西，馮丹，臧利艷，等. 6種綠絨蒿屬植物的近紅外光譜快速鑒別［J］.中成藥，2025，47（1）： 297.
LUO Xi，F(xiàn)ENG Dan，ZANG Liyan，et al. Rapid identification of six species of meconopsis by near infrared spectroscopy［J］. Chinese Traditional Patent Medicine，2025，47（1）： 297.
13 彭璐，吳衛(wèi)剛，范蔭蔭，等.基于近紅外光譜分析技術(shù)的菊花品種識別及3種質(zhì)量標(biāo)志物含量快速測定［J］.時珍國醫(yī)國藥，2024，35（4）： 898.
PENG Lu，WU Weigang，F(xiàn)AN Yinyin，et al. Identification of chrysanthemum varieties and rapid determination of three quality markers based on near-infrared spectroscopy［J］. Lishizhen Medicine and Materia Medica Research，2024，35（4）： 898.
14 HE C Y，JI Y，WU B，et al. Non-destructive classification of chrysanthemum tea using ear-infrared spectroscopy （NIRS） and fuzzy improved pseudoinverse linear discriminant analysis （FIPLDA）［J］. Analytical Letters，2024，57（6）： 905.
15 郭兆華，文師召，李亞薇，等.基于近紅外光譜技術(shù)的冀產(chǎn)黃芩鑒別方法研究［J］.中國藥學(xué)雜志，2024，59（20）： 1 939.
GUO Zhaohua，WEN Shizhao，LI Yawei，et al. Identification method of Hebei produced scutellaria baicalensis based on near-infrared spectroscopy technology［J］. Chinese Pharmaceutical Journal，2024，59（20）： 1 939.
16 李超，李孟芝，李丹霞，等.基于傅里葉變換紅外光譜指紋技術(shù)的艾葉產(chǎn)地溯源研究［J］.光譜學(xué)與光譜分析，2022，42（8）： 2 532.
LI Chao，LI Mengzhi，LI Danxia，et al. Study on geographical traceability of artemisia argyi by employing the Fourier transform infrared spectral fingerprinting［J］. Spectroscopy and Spectral Analysis，2022，42（8）： 2 532.
17 余代鑫，郭盛，張霞，等.近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)和機(jī)器學(xué)習(xí)算法的干姜產(chǎn)地溯源研究［J］.中國中藥雜志，2022，47（17）： 4 583.
YU Daixin，GUO Sheng，ZHANG Xia，et al. Rapid identification of geographic origins of Zingiberis Rhizoma by NIRS combined with chemometrics and machine learning algorithms［J］. China Journal of Chinese Materia Medica，2022，47（17）： 4 583.
18 丁羽，戴慧蓮，姜德利，等.基于智能感官和近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)的酒當(dāng)歸炮制程度快速辨識研究［J］.中草藥，2025，56（1）： 68.
DING Yu，DAI Huilian，JIANG Deli，et al. Research on rapid discrimination of different processing degrees of Angelicae Sinensis Radix with yellow rice wine based on intelligent sense and near-infrared technology combined with chemometrics［J］. Chinese Traditional and Herbal Drugs，2025，56（1）： 68.
19 唐敏，李霄龍，李嘉琪，等.基于近紅外光譜和化學(xué)計量學(xué)的蒲黃炭快速判別和定量分析方法研究［J］.世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2024，26（9）： 2 385.
TANG Min，LI Xiaolong，LI Jiaqi，et al. Rapid discriminate analysis and quantitative analysis methods for carbonized typhae pollen using near infrared spectroscopy coupled with chemometrics［J］. Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology，2024，26（9）： 2 385.
20 呂亞新，左春芳，陳文舉，等.近紅外光譜技術(shù)快速測定西洋參飲片中水分的含量［J］.實用醫(yī)藥雜志，2021，38（3）： 253.
LYU Yaxin，ZUO Chunfang，CHEN Wenju，et al. Rapid determination of moisture content in decoction slices of American ginseng by NIRS［J］. Practical Journal of Medicine & Pharmacy，2021，38（3）： 253.
21 周雨楓，楊哲萱，董林毅，等.近紅外光譜技術(shù)快速測定三七水分和醇溶性浸出物［J］.藥物評價研究，2018，41（11）： 1 994.
ZHOU Yufeng，YANG Zhexuan，DONG Linyi，et al. Rapid determination of moisture and ethanol extract content in Panax notoginseng by NIRS［J］. Drug Evaluation Research，2018，41（11）： 1 994.
22 楊植，王振磊，林敏娟.基于近紅外光譜技術(shù)的紅棗水分無損檢測［J］.新疆農(nóng)業(yè)科學(xué)，2021，58（12）： 2 320.
YANG Zhi，WANG Zhenlei，LIN Minjuan. Nondestructive testing of jujube water based on the NTRS［J］. Xinjiang Agricultural Sciences，2021，58（12）： 2 320.
23 王美慧，姜文月，邊雨，等.聲光可調(diào)-近紅外光譜技術(shù)快速評價牡丹皮藥材質(zhì)量［J］.藥物分析雜志，2020，40（2）： 382.
WANG Meihui，JIANG Wenyue，BIAN Yu，et al. Rapid quality evaluation of moutan cortex by AOTF-NIR［J］. Chinese Journal of Pharmaceutical Analysis，2020，40（2）： 382.
24 蔣智威.基于近紅外光譜技術(shù)的蒼術(shù)鑒別與質(zhì)量評價研究［D］.杭州：浙江農(nóng)林大學(xué)，2024.
JIANG Zhiwei. Research on the identification and quality evaluation of atractylodis rhizoma based on near-infrared spectroscopy technology［D］. Hangzhou：Zhejiang A&F University，2024.
25 雷曉晴，李耿，王秀麗，等.基于近紅外光譜法快速測定丹參中5種成分模型的建立［J］.中草藥，2018，49（11）： 2 653.
LEI Xiaoqing，LI Geng，WANG Xiuli，et al. Model establishment for rapid determination the content of five components in Salvia miltiorrhiza based on NIRS spectroscopy［J］. Chinese Traditional and Herbal Drugs，2018，49（11）： 2 653.
26 焦慧平，蓮花，李潤甜，等.基于近紅外光譜的快速、無損分析技術(shù)在肉蓯蓉藥材質(zhì)量控制中的應(yīng)用研究［J］.化學(xué)研究與應(yīng)用，2025，37（2）： 439.
JIAO Huiping，LIAN Hua，LI Runtian，et al. Application of rapid and nondestructive analysis technology based on near-infrared spectroscopy in quality control of cistanche deserticola［J］. Chemical Research and Application，2025，37（2）： 439.
27 未俊豐，高偉，程遠(yuǎn)欣，等.近紅外光譜技術(shù)快速檢測甜葉菊中綠原酸含量［J］.食品與發(fā)酵工業(yè)，2023，49（16）： 298.
WEI Junfeng，GAO Wei，CHENG Yuanxin，et al. Rapid determination of chlorogenic acid in Stevia rebaudiana by near-infrared spectroscopy［J］. Food and Fermentation Industries，2023，49（16）： 298.
28 李珊珊，張付杰，李麗霞，等.基于近紅外光譜技術(shù)結(jié)合ARO-LSSVR的天麻中有效成分含量快速檢測［J］.食品科學(xué)，2024，45（4）： 207.
LI Shanshan，ZHANG Fujie，LI Lixia，et al. Rapid determination of active ingredient contents in rhizoma gastrodiae using near-infrared spectroscopy combined with artificial rabbits optimization-least square support vector regression［J］. Food Science，2024，45（4）： 207.
29 杜涓，李霞，安曉萍，等.基于近紅外光譜技術(shù)的發(fā)酵甘草莖葉多糖含量快速預(yù)測模型研究［J］.中成藥，2024，46（12）： 4 216.
DU Juan，LI Xia，AN Xiaoping，et al. Study on rapid prediction model of polysaccharide content in stem and leaf of fermented glycyrrhiza uralensis fisch based on near infrared spectroscopy［J］. Chinese Traditional Patent Medicine，2024，46（12）： 4 216.
30 徐萍，米琪，羅文秀，等.滇重樓皂苷近紅外光譜快速定量分析模型建立［J］.中成藥，2025，47（4）：1 069.
XU Ping，MI Qi，LUO Wenxiu，et al. Model establishment for quantitative analysis of polyphyllins of Parispolyphylla by near-infrared spectroscopy［J］. Chinese Traditional Patent Medicine，2025，47（4）：1 069.
31 童一洋，郭志永，聞宇，等.近紅外光譜法檢測復(fù)方甘草酸苷制劑的質(zhì)量［J］.華西藥學(xué)雜志，2024，39（3）： 327.
TONG Yiyang，GUO Zhiyong，WEN Yu，et al. Quality study of compound glycyrrhizin preparation by near-infrared spectroscopy［J］. West China Journal of Pharmaceutical Sciences，2024，39（3）： 327.
32 許學(xué)麗.炎可寧片的質(zhì)量評價方法研究［D］.濟(jì)南：山東大學(xué)，2023.
XU Xueli. Study on the quality evaluation methods of Yankening Tablets［D］. Jinan：Shandong University，2023.
33 裴媛媛，焦慧平，李潤甜，等.基于近紅外光譜的快速無損檢測技術(shù)在蒙藥黃柏膏質(zhì)量控制中的應(yīng)用研究［J］.化學(xué)研究與應(yīng)用，2024，36（9）： 1 981.
PEI Yuanyuan，JIAO Huiping，LI Runtian，et al. Application of rapid nondestructive testing technology based on near infrared spectroscopy in the quality control of Huangbai Ointment of Mongolian medicine［J］. Chemical Research and Application，2024，36（9）： 1 981.
34 李倩，斯樂婷，何衍欽，等.基于近紅外光譜技術(shù)的藿香正氣口服液質(zhì)量透瓶快速檢測方法研究［J］.藥學(xué)學(xué)報，2022，57（2）： 453.
LI Qian，SI Leting，HE Yanqin，et al. A study on the rapidly non-destructive detection method of Huoxiang Zhengqi oral liquid using near infrared spectroscopy［J］. Acta Pharmaceutica Sinica，2022，57（2）： 453. LI Qian，SI Leting，HE Yanqin，et al. A study on the rapidly non-destructive detection method of Huoxiang Zhengqi oral liquid using near infrared spectroscopy［J］. Acta Pharmaceutica Sinica，2022，57（2）： 453.
35 童楓，徐芳芳，閆逸倫，等.熱毒寧注射液金銀花和青蒿（金青）萃取過程中固形物含量近紅外光譜在線監(jiān)測模型的建立及萃取終點判斷研究［J］.中草藥，2024，55（19）： 6 555.
TONG Feng，XU Fangfang，YAN Yilun，et al. Establishment of near-infrared spectroscopy online monitoring solid content and determination of extraction endpoint during extraction of Lonicerae Japonicae Flos and Artemisiae Annuae Herba（Jinqing） in Reduning Injection［J］. Chinese Traditional and Herbal Drugs，2024，55（19）： 6 555.
36 王璽，楊應(yīng)蓮，沙鑫，等.近紅外光譜結(jié)合多元統(tǒng)計過程控制技術(shù)在血府逐瘀膠囊提取過程在線監(jiān)測中的研究［J］.分析測試學(xué)報，2024，43（11）： 1 821.
WANG Xi，YANG Yinglian，SHA Xin，et al. A study on the on-line monitoring of Xuefu Zhuyu capsules extraction process using near infrared spectroscopy combined with multivariate statistical process control technology［J］. Journal of Instrumental Analysis，2024，43（11）： 1 821.
37 王璽，鐵德福，錢嘉禾，等.基于紫外與近紅外光譜技術(shù)的青風(fēng)藤滲漉和萃取過程在線監(jiān)測和終點判斷方法研究［J］.中華中醫(yī)藥雜志，2024，39（5）： 2 438.
WANG Xi，TIE Defu，QIAN Jiahe，et al. Study on online monitoring and endpoint judging methods for the percolation and extraction process of Sinomenii caulis based on ultraviolet and near-infrared spectroscopy technologies［J］. China Journal of Traditional Chinese Medicine and Pharmacy，2024，39（5）： 2 438.
38 屈瓊，韓立柱，趙小梅，等.基于近紅外光譜技術(shù)的香菊片提取液膜分離過程評價［J］.中草藥，2023，54（21）： 7 017.
QU Qiong，HAN Lizhu，ZHAO Xiaomei，et al. Evaluation of membrane separation process of Xiangju Tablets extract based on near-infrared spectrum technology［J］. Chinese Traditional and Herbal Drugs，2023，54（21）： 7 017.
來源：化學(xué)分析計量
關(guān)于我們 聯(lián)系我們 營業(yè)執(zhí)照 全國服務(wù)電話：400-818-0021 嘉峪檢測版權(quán)所有 備案號：京ICP備14047019號-2 
京公網(wǎng)安備11010802046783號
