样品表面近红外光谱结合多类支持向量机快速鉴别枸杞子产地
- 格式:pdf
- 大小:1.19 MB
- 文档页数:4
不同产地锁阳近红外光谱鉴别分析1. 引言1.1 背景介绍锁阳是一种常见的中药材,具有清热解毒、消肿止痛的功效,被广泛用于中医药领域。
随着市场的不断扩大和需求的增加,市场上出现了一些质量参差不齐的锁阳产品,其中包括产地掺假、混伪等现象。
对于锁阳的产地鉴别成为了一项重要的研究课题。
本研究旨在通过对不同产地锁阳样品进行近红外光谱分析,探讨其产地特征和区别,为锁阳的质量控制和市场监管提供科学依据。
通过本研究可以为中药材产地鉴别分析提供新的思路和方法,有助于推动中药材质量监管体系的完善和提升。
1.2 研究目的本研究的目的是通过分析不同产地的锁阳样品的近红外光谱特征,建立一种快速准确的鉴别分析方法。
通过这一方法,可以为锁阳产地的鉴别提供科学依据,保障消费者的利益,提高市场竞争力。
本研究还旨在探讨近红外光谱技术在中药材鉴别领域的应用价值,为传统中药鉴别分析方法的改进提供参考。
通过本研究可以深入了解不同产地锁阳的化学成分和特征,为中药饮片的质量控制和标准化生产提供科学支持。
本研究还有助于推动锁阳品质检测的现代化和智能化发展,为中药产业的发展提供技术支持和保障。
1.3 研究意义研究不同产地锁阳近红外光谱的特征可以帮助我们深入了解不同地域因素对锁阳品质的影响。
通过比较不同产地锁阳的光谱特征,我们可以找出其中的差异性,为进一步研究锁阳的产地特征和质量提供参考。
锁阳的产地鉴别分析对于保护消费者权益具有重要意义。
通过建立锁阳产地鉴别的技术手段,可以有效防止一些地方冒充知名产地销售锁阳的情况发生,保障消费者购买到真实的药材。
研究不同产地锁阳近红外光谱鉴别分析具有明显的研究意义,对于深入了解锁阳的产地特征、保护消费者权益以及推动药材质量提升具有积极作用。
通过本研究的开展,有望为锁阳产地鉴别提供新的方法和技术支持,促进药材产业的健康发展。
2. 正文2.1 锁阳产地特征分析1. 外观特征分析:不同产地的锁阳在外表上可能存在着微小的差异,比如颜色略有不同,纹路细微变化等。
近红外光谱分析的原理
近红外光谱分析是通过测量样品在近红外光谱范围内的吸收和散射特性来获取样品组成和质量信息的一种分析方法。
近红外光谱范围一般为780~2500纳米,其具有许多优点,如快速、
非破坏性、不需样品预处理等。
该方法是基于近红外光与物质发生相互作用的原理。
近红外光是指波长较长、能量较低的可见光和红外光之间的光谱范围,该范围内的光与样品中的化学键、官能团和分子振动等发生相互作用,在吸收、散射和透射等过程中产生特征性的光谱信号。
在近红外光谱分析中,首先需要对待测样品和标准样品进行光谱测量,获取它们的近红外光谱图。
然后,通过数学处理方法,建立样品的近红外光谱与其组成或质量参数之间的关系模型,这个模型通常使用光学模型或化学模型来描述。
常用的数学处理方法包括主成分分析(PCA)、偏最小二乘回归(PLS)和支持向量机(SVM)等。
这些方法可以提取光谱图中的特征信息,建立预测模型,并对新样品进行定性或定量分析。
通过近红外光谱分析,可以实现对物质成分、含量和性质等多个参数的快速、准确测定。
近年来,近红外光谱分析在农业、食品、医药、环境等领域得到广泛应用,为产品质量控制、过程监测和研发提供了有效的手段。
原药材检验标准操作规程目的:建立一个中药饮片原药材检验标准操作程序,确保检验结果准确可靠。
适用范围:中药原药材。
责任人:质量保证部主任、质量控制部主任、化验员。
标准来源:《中华人民共和国药典》2010年版一部、《安徽省中药饮片炮制规范》。
内容:1、性状取本品适量,放入白瓷盘中,用眼观察,可见以下性状特征:本品呈类纺锤形或椭圆形,长6~20mm,直径3~10mm。
表面红色或暗红色,顶端有小突起状的花柱痕,基部有白色的果梗痕。
果皮柔韧,皱缩;果肉肉质,柔润。
种子20~50粒,类肾形,扁而翘,长1.5~1.9mm,宽1~1.7mm,表面浅黄色或棕黄色。
气微,味甜。
2、鉴别主要使用仪器:电子分析天平、电子显微镜、紫外光灯等。
2.1显微鉴别:2.1.1 试液配制2.1.1.1 水合氯醛试液:取水合氯醛50克,加水15毫升与甘油10毫升使溶解,即得。
2.1.1.2 甘油醋酸试液:取甘油、醋酸及水各等份混匀,即得。
2.1.1.3 稀甘油:取甘油33毫升,加水稀释至100毫升,再加樟脑一小块或液化苯酚1滴,即得。
2.1.2 供试品制备2.1.2.1 取本品10g,研细后取少量粉末,置载玻片上,滴加水合氯醛搅拌均匀,置酒精灯上加热透化;加稀甘油数滴,搅拌均匀,分装2~3片,加盖玻片,即得。
2.1.2.2 取研细的粉末少量置载玻片上,加甘油醋酸试液,搅拌均匀,加盖玻片,即得。
2.1.2.3取研细后取少量粉末,置载玻片上,滴加水搅拌均匀,同时滴加少许稀甘油,加盖玻片,即得。
2.1.3 置显微镜下观察可见本品粉末黄橙色或红棕色。
外果皮表皮细胞表面观呈类多角形或长多角形,垂周壁平直或细波状弯曲,外平周壁表面有平行的角质条纹;中果皮薄壁细胞呈类多角形,壁薄,胞腔内含橙红色或红棕色球形颗粒。
种皮石细胞表面观不规则多角形,壁厚,波状弯曲,层纹清晰。
2.2薄层鉴别取本品0.5g,加水35ml,加热煮沸15分钟,放冷,滤过,滤液用乙酸乙酯15ml振摇提取,提取液浓缩至约1ml,作为供试品溶液。
近红外光谱建模法在中药质检中的应用发表时间:2018-10-15T09:30:28.753Z 来源:《知识-力量》6中作者:郭凯[导读] 近红外光谱技术近年来发展极快,本文简要介绍了近红外光谱技术的原理和特点,对近红外光谱分析模型的建立过程进行了阐述,分析了近红外光谱技术在中药质量检验方面(中国中药有限公司,北京市 100195)摘要:近红外光谱技术近年来发展极快,本文简要介绍了近红外光谱技术的原理和特点,对近红外光谱分析模型的建立过程进行了阐述,分析了近红外光谱技术在中药质量检验方面的应用情况。
关键词:近红外光谱;标准建模;中药质量鉴定 1.近红外光谱原理近红外光谱与中红外光谱之间的一段谱区,波长范围在779 2525nm范围内,分为短波(780~1100nm)和长波(1100~2526nm)。
是X —H(如C—H,N—H和O—H)或者多键振动的倍频还有合频的主要吸收区,对于含氢原子的官能团的化合物,如醇、酚、胺和碳氢化合物,末端亚甲基、环氧基和顺反双键、氢键等具有较好的研究效果。
很大一部分的有机物的主要组成成分和主要的结构都能够在近红外光谱中寻找到它的信号,并且光谱的获取也相对较为容易,得到的图谱也相对的更加稳定。
2.近红外光谱应用于中药质检我国中药资源十分丰富且使用历史悠久,在医药行业中占据重要的地位。
目前市场上存在很多以次充好、以假乱真的中药材,而且中药材中的假冒伪劣产品还有混淆品都直接的影响到了中药产品的质量,中药产品质量可以控置性的研究成为了现在医药行业关注的中心。
中药中的成分相对来说较为复杂,传统的鉴定方法有显微鉴定、理化鉴定和性状鉴定等方法,这些方法大多都是需要提前进行预处理,因为分析的过程耗时长而且操作繁琐,但是近红外光谱技术则可以实现中药材的快速、无损坏、在线鉴定。
因此近红外光谱法近年来在中药领域中的应用广泛节约了生产成本,减少了工作量,并提升了经济效益。
2.1真伪鉴别药材的鉴别是药物质量标准的核心,假药是危害国民身体健康的原因之一,目前全球范围的假药比例达5% 10%。
基于近红外光谱技术的六大茶类快速识别张灵枝;黄艳;于英杰;林刚;孙威江【期刊名称】《食品与生物技术学报》【年(卷),期】2024(43)1【摘要】为构建高质量的六大茶类识别模型,本研究中收集了370份样品,通过采集其近红外光谱(near-infrared spectroscopy,NIRS),结合光谱预处理、特征提取以及数据挖掘分类器算法,建立六大茶类快速识别模型。
结果表明:1)支持向量机(support vector machine,SVM)与随机森林(random forest,RF)分类器皆适于六大茶类快速识别模型的构建;2)SVM分类器更适于结合原始光谱(original spectrum,OS)建模,预处理易使基于该分类器建立的模型鉴别性能减弱;3)随机森林(RF)分类器更适用于预处理后光谱建模,所得模型较OS模型在识别正确率(recognition accuracy,RA)及受试者工作特征曲线下面积(area under the curve,AUC)均得到明显提升;4)特征提取中线性判别分析(linear discriminant analysis,LDA)算法表现最好,所得模型的RA较OS模型明显提升,其中最佳模型OS-LDA-SVM的RA为100.00%,AUC为1.00,识别正确率高、泛化能力强、模型性能优异,可产业化应用。
综上所述,近红外光谱结合预处理、特征提取算法及分类器建立模型,进行六大茶类识别的可行性强,模型的识别正确率高、性能优异,可为茶叶贸易的茶类快速识别提供科学、准确、高效的技术支撑,为国际茶类识别模型的产业化应用奠定基础。
【总页数】12页(P48-59)【作者】张灵枝;黄艳;于英杰;林刚;孙威江【作者单位】福建农林大学园艺学院;福建农林大学安溪茶学院;中国茶叶流通协会;福建融韵通生态科技有限公司;福建农林大学福建省茶产业工程技术研究中心;福建农林大学海峡两岸特色作物安全生产省部共建协同创新中心【正文语种】中文【中图分类】O657.33;TS272.4【相关文献】1.基于近红外光谱的茶粕中茶皂素快速测定分析方法研究2.基于近红外光谱技术结合判别分析快速识别阿胶产品3.基于近红外光谱技术与模式识别的乌龙茶产地溯源4.基于近红外光谱技术的恩施玉露茶保存年份的快速无损鉴别5.机采名优茶识别研究与试验——基于近红外光谱技术因版权原因,仅展示原文概要,查看原文内容请购买。
现代分析仪器的应用———红外光谱的应用1 前言近红外光谱(NIR)是近十年来发展最为迅速的高新分析技术之一。
目前,大约有50多个国家和地区开展了NIR的研究和应用工作,特别是一些发达国家表现得尤为突出,这些国家拥有大量的各种类型的NIR分析仪器用于各行各业,有研究型、专用型、便携型,还有直接安装在工业生产线的在线型分析仪。
这些仪器在农业、石化、制药、食品等领域都得到很好应用,并取得极好的社会和经济效益。
我国从上世纪80年代开始进行NIR技术的研究,主要侧重于农产品的品质分析研究方面。
从上世纪90年代中期,国内许多科研院所和大专院校开始积极研发适合国内需要的NIR成套分析技术,并有多本专著出版,也有许多学者发表了多篇有关NIR原理和应用的综述文章,为这项技术的普及作了大量工作,开创了我国NIR研发和应用的崭新局面。
近几年我国在仪器硬件、化学计量学软件、分析模型建立以及实际应用等方面都有了长足发展,NIR分析技术已经应用于各个领域。
本文对我国NIR分析技术近10年来的研究与应用进展作了较为详细的综述,并根据国际现状和国内实际情况,提出了今后我国NIR分析技术的发展方向。
2 仪器硬件NIR技术的一个重要特点就是技术本身的成套性,即近红外光谱仪、化学计量学软件和应用模型的三位一体性,性能优异的近红外光谱仪是该技术的基础和前提。
目前,国际上NIR光谱仪的类型较多,按单色器分类,市场上的NIR光谱仪可分为滤光片型、光栅色散型、傅立叶变换型(FT)和声光可调滤光器型(AOTF)等4类。
光栅色散型仪器又可分为扫描一单通道检测器和固定光路一阵列检测器两种类型。
除了采用单色器分光以外,也有仪器采用多种不同波长的发光二极管(LED)作光源,即LED型近红外光谱仪。
尽管我国NIR仪器硬件研制相对较晚,但以上提到的六种类型NIR仪器,在我国都有相关单位进行研发。
3 化学计量学方法研究与软件开发3.1 方法研究在光谱预处理方面,将浓度向量参与到光谱预处理算法中是一种新的发展方向,正交信号校正(OSC)和净分析信号(NAS)方法就是这类算法的代表。
专利名称:一种枸杞子药材中多种有效成分同时快速定性与定量检测方法
专利类型:发明专利
发明人:马学琴,李艳婷,赵小军,王迎利,陈欢,任如如,苏超,李楠,张万年,牛阳,郭荣
申请号:CN202011475512.5
申请日:20201214
公开号:CN112485358B
公开日:
20220520
专利内容由知识产权出版社提供
摘要:本发明公开了一种枸杞子药材中多种有效成分同时快速定性与定量检测方法,具体包括采用药材中不含的一种成分对照品作为参照物,利用其他待测成分与参照物成分间的相对保留时间和相对校正因子,即可同时对其他多种待测成分进行定性和定量计算。
通过本发明公开的方法可以快速地检测枸杞子中的玉米黄质等多种有效成分及其含量,并且使用的对照品少,能够简化检测过程、提高检测效率、降低检测成本。
申请人:宁夏医科大学
地址:750000 宁夏回族自治区银川市兴庆区胜利街1160号
国籍:CN
代理机构:北京慕达星云知识产权代理事务所(特殊普通合伙)
代理人:赵徐平
更多信息请下载全文后查看。
化学计量学结合近红外光谱在中药材分析中的应用摘要:当前我国中药生产工艺和质量控制技术水平较低,尤其是缺乏科学合理反映中药质量的快速分析方法和检测手段,严重制约了我国中药产业现代化的发展。
随着化学计量学和近红外光谱的发展,现代近红外光谱技术在中药材分析中的应用日趋广泛,不论是在定性或定量分析中都显示出了极大的潜力。
文章介绍了现代近红外光谱技术的基本原理和分析方法,简述了近红外光谱技术在中药材分析方面的应用和发展。
关键词:近红外光谱化学计量学中药材我国中药资源丰富,应用历史悠久。
然而由于我国中药生产工艺及质量控制技术水平较低,严重制约我国中药产业现代化的发展。
随着现代科学技术的发展,药物分析方法己经从传统的化学分析发展到仪器分析阶段,紫外可见分光光度法、薄层扫描色谱法、电泳法、气相和高效液相色谱法及各种联用分析技术等己经应用到中药材分析中。
但这些方法都需要经过复杂的样品准备和预处理,测定成本高且效率较低,因此难以用于中药产品及其生产过程的快速分析。
近年来国际上提出了一种全新的药物非破坏快速分析法,该法是将化学计量学同近红外(nir)光谱分析法相结合而形成的新技术。
由于nir光谱分析法操作简便、快速、能非破坏的对各种样品进行快速、精确的分析,加之分析仪器的数字化和化学计量学的发展,运用化学计量学方法已能很好的解决光谱信息的提取及背景干扰方面的影响。
因此,nir光谱在制药工业中的应用日趋广泛。
随着中药产业现代化进程的逐步加快,nir光谱分析法被引入到中药材分析领域,在中药材鉴别和有效组分定量分析等方面取得了可喜的进展,显示出nir光谱分析技术在中药材分析中具有广阔的发展空间。
一、nir技术简介近红外光谱是人们发现最早的处于可见光和中红外光之间的非可见光谱区域。
许多有机物在该区域有着特征性吸收,且不同光谱波段的吸收强度与该物质的分子结构及浓度之间存在一定的对应关系。
它的发现已有近200年的历史,而近红外光谱分析方法却仅在最近这二十年间才得到了迅速发展和广泛应用。
近红外光谱技术在中药质量检测中的应用摘要:要想保证中药产品质量的稳定,就需要对多组份的复杂体系的中药进行检测。
目前,所面临的一种难题是发展科学有效的中药质量检测方法,近年来在很多领域得到广泛应用的是近红外光谱技术,各种技术能够实现检测过程的无损,并且检测速度比较快。
在此背景下,该文章主要针对红外光谱检测技术进行了分析。
关键词:中药制剂;质量控制;检测技术;近红外光谱;应用分析引言起初近红外光谱技术主要应用于农产品,随着社会的不断发展和进步,在食品工业以及石油化工等很多领域都应用到了近红外光谱技术。
把近红外光谱应用到药物分析过程中,能够对药物的不同状态和种类进行分析,包括蛋白质以及中草药等。
在对原料药纯度以及包装材料等进行分析和检测时,可以应用近红外光谱,这样能够起到很好的作用,与此同时生产工艺的监控也可以应用到该技术。
目前在中药质量控制以及在线监测中,近红外光谱面临着很好的发展前景。
1近红外光谱技术概述在上世纪50年代建红外光谱技术得到了很好的应用。
随着现代技术的不断发展和进步,近红外光谱技术也进行了相应的改革和发展,在对样品进行分析时,如果使用该种技术,那么能够实现分析结果的准确,并且整个分析过程是比较快速的,不需要预先处理样品,由于其具有相应的优势,所以在很多领域中都得到了应用。
中药的内部成分是比较复杂的,所以在对其质量进行评估时,往往会面临着很大的难度。
中药的有效成分以及整体的质量,能够通过相应的指纹图谱反映出来,国外在对中药和植物药的质量进行控制时,会广泛应用到指纹图谱。
但是我国的药典中并没有收入太多种类的药品,对于近红外光谱法的探讨和应用也是非常少的。
近年来,在对食品的质量进行检测时,近红外光谱技术得到了很好的应用和发展,食品工业中的食品概念与中药理论有一定的相似之处,这给近红外光普法在中药质量检测中的应用提供了相应的支持。
2近红外光谱技术在中药质量检测中的应用2.1中药产地溯源在中药原料药中比较特殊的一个领域是道地药材,原料药所发挥的药效在很大程度上取决于产地。
XXXXXXX有限公司成品质量标准及检验操作规程1 品名:1.1 中文名:枸杞子1.2 汉语拼音:Gouqizi2 代码:3 取样文件编号:4 检验方法文件编号:5 依据:《中国药典》(2020年版一部)。
6 质量标准:7 检验操作规程:7.1试液与试剂:乙酸乙酯、三氯甲烷、甲酸、氢氧化钠滴定液、甲基红乙醇溶液指示剂。
7.2 仪器与用具:薄层色谱仪、硅胶G板、马弗炉、三用紫外灯光仪、烘箱、电子天平、显微镜、中药二氧化硫测定仪。
7.3 性状:取本品适量,自然光下目测色泽,嗅闻气味。
7.4 鉴别:7.4.1取本品制片置10×10显微镜下做显微观察。
7.4.2取本品0.5g,加水35ml,加热煮沸15分钟,放冷,滤过,滤液用乙酸乙酯15ml振摇提取,分取乙酸乙酯液,浓缩至lml,作为供试品溶液。
另取枸杞子对照药材0.5g,同法制成对照药材溶液。
照薄层色谱法(附录7)试验,吸取上述两种溶液各5µl,分别点于同一硅胶G薄层板上,以乙酸乙酯-三氯甲烷-甲酸(3:2:1)为展开剂,展开,取出,晾干,置紫外光灯(365nm)下检视。
供试品色谱中,在与对照药材色谱相应的位置上,显相同颜色的荧光斑点。
7.5 检查7.5.1水分:不得过13.0%(附录15第二法,温度为80℃)。
7.5.2总灰分:不得过5.0%(附录17)。
7.5.4重金属及有害元素:照铅、镉、珅、汞、铜测定法(附录35原子吸收分光光度法或电感耦合等离子体质谱法)测定,铅不得过百万分之五;镉不得过千万分之三;砷不得过百万分之二;汞不得过千万分之二;铜不得过百万分之二十。
7.5.5二氧化硫残留量:照二氧化硫残留量测定法(附录58)测定,不得过150mg/kg。
7.6 浸出物照水溶性浸出物测定法(附录19)项下的热浸法测定,不得少于55.0%。
7.7含量测定7.7.1枸杞多糖:照紫外-可见分光光度法(附录5)测定对照品溶液的制备取无水葡萄糖对照品25mg,精密称定,置250ml量瓶中,加水适量溶解,稀释至刻度,摇匀,即得(每lml中含无水葡萄糖0.lmg)。
农产品加工2016年第12期摘要:食品产地溯源是保障食品安全、保护地区名优特色产品、增强消费者信心的有力措施之一。
近红外光谱技术(Near-infraredspectroscopy,NIRS)作为一种绿色、快速、高效、准确的无损检测技术,在食品产地溯源中有着广阔的应用前景。
通过介绍近红外光谱技术的基本原理,以及它们在食品产地溯源中的研究现状,旨在推动我国食品安全追溯制度的建立与完善,保障食品行业的市场稳定健康发展,保护消费者合法权益。
关键词:近红外光谱;产地溯源;研究进展中图分类号:TN219文献标志码:Adoi:10.16693/j.cnki.1671-9646(X).2016.12.043ApplicationofNear-infraredSpectroscopy(NIRS)inGeographicalOriginTraceabilityofFoodProductsHAOLihua,ZHANGPing(He'nanProvinceProductQualitySupervisionandInspectionCenter,Zhengzhou,He'nan450002,China)Abstract:Thetechnologiesfortracingthegeographicaloriginsoffoodproductsareveryimportantforeffectivelyassessingthegeographicaloriginsandprotectingspecialtyfoodproducts.Asakindofgreen,rapid,efficientandaccuratenondestructivetestingtechnology,nearinfraredspectroscopyhasbroadapplicationprospectsinthefieldoffoodorigintraceability.Thispaperreviewsthebasicprincipleofnearinfraredspectroscopy,andtheirresearchdevelopmentinfoodtraceability.Wehopethatthispapercanhelptopromotetheestablishmentandperfectionoffoodorigintraceabilitysysteminourcountry,ensurethesteadyandhealthydevelopmentofthefoodmarketinChina,andprotectthelawfulrightsandinterestsofconsumers.Keywords:NIRS;geographicalorigintraceability;recentprogress食品安全问题一直是人们最关注、最担心的问题。
近红外光谱样品检测流程下载温馨提示:该文档是我店铺精心编制而成,希望大家下载以后,能够帮助大家解决实际的问题。
文档下载后可定制随意修改,请根据实际需要进行相应的调整和使用,谢谢!并且,本店铺为大家提供各种各样类型的实用资料,如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等,如想了解不同资料格式和写法,敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!近红外光谱样品检测流程。
1. 样品准备。
确保样品干净、均匀,无异物。
综 述近年来我国近红外光谱分析技术的研究与应用进展褚小立 袁洪福 陆婉珍(石油化工科学研究院,北京,100083)摘 要 对我国近10年来近红外光谱分析技术的研究与应用进展作了较为详细的综述,包括近红外光谱仪器研制、化学计量学方法及软件开发和在各领域的实际应用。
根据国际上近红外光谱分析技术的现状和国内实际情况,提出了今后我国近红外光谱分析技术的发展方向。
关键词 近红外光谱 分析仪器 化学计量学 软件开发 应用作者简介:褚小立,男,1974年出生,博士,研究方向:近红外光谱分析和化学计量学。
1 前 言近红外光谱(NIR)是近十年来发展最为迅速的高新分析技术之一。
目前,大约有50多个国家和地区开展了NIR 的研究和应用工作,特别是一些发达国家表现得尤为突出,这些国家拥有大量的各种类型的NIR 分析仪器用于各行各业,有研究型、专用型、便携型,还有直接安装在工业生产线的在线型分析仪。
这些仪器在农业、石化、制药、食品等领域都得到很好应用,并取得极好的社会和经济效益[1]。
我国从上世纪80年代开始进行NIR 技术的研究,主要侧重于农产品的品质分析研究方面。
从上世纪90年代中期,国内许多科研院所和大专院校开始积极研发适合国内需要的NIR 成套分析技术,并有多本专著出版[2-4],也有许多学者发表了多篇有关NIR 原理和应用的综述文章[5-7<,为这项技术的普及作了大量工作,开创了我国NIR 研发和应用的崭新局面。
近几年我国在仪器硬件、化学计量学软件、分析模型建立以及实际应用等方面都有了长足发展,NIR 分析技术已经应用于各个领域。
本文对我国NIR 分析技术近10年来的研究与应用进展作了较为详细的综述,并根据国际现状和国内实际情况,提出了今后我国NIR 分析技术的发展方向。
2 仪器硬件NIR 技术的一个重要特点就是技术本身的成套性,即近红外光谱仪、化学计量学软件和应用模型的三位一体性,性能优异的近红外光谱仪是该技术的基础和前提[8]。
CATALOGUE目录•近红外光谱技术简介•近红外光谱技术在中药鉴定中的应用•近红外光谱技术在中药鉴定中的实践技术•近红外光谱技术在中药鉴定中的研究进展•总结与展望•参考文献定义特点近红外光谱技术的定义与特点历史近红外光谱技术起源于20世纪70年代,当时主要用于农业和食品领域。
随着技术的发展和仪器的改进,该技术在中药鉴定领域的应用逐渐得到广泛关注和应用。
发展近年来,随着计算机技术和人工智能技术的不断发展,近红外光谱技术与其他技术的结合使得其在中药鉴定中的应用更加广泛和深入。
例如,与化学计量学、机器学习等方法结合,可以实现中药的快速、无损鉴定。
近红外光谱技术的历史与发展近红外光谱技术主要分为直接法和间接法。
直接法是指直接测量样品在近红外波段的吸收和散射特性,适用于具有较强吸收特性的样品;间接法是指通过测量样品在近红外波段对其他物质的吸收或散射特性,间接得到样品的成分信息,适用于具有较弱吸收特性的样品。
分类近红外光谱技术在中药鉴定中的应用主要包括药材的真伪鉴别、产地溯源、质量评价等方面。
例如,通过对不同产地的药材进行近红外光谱分析,可以快速、准确地鉴别药材的真伪和产地;通过对药材进行不同时间点的近红外光谱分析,可以监测药材的有效期和质量变化情况。
此外,近红外光谱技术还可以应用于中药药代动力学和药物相互作用等方面的研究。
应用近红外光谱技术的分类与应用定义目的中药鉴定的定义与目的近红外光谱技术在中药鉴定中的优势近红外光谱技术是一种无损检测方法,可以在不破坏中药材的情况下进行鉴定。
非破坏性快速简便无需样品处理多组分分析近红外光谱技术具有快速、简便的特点,可以快速获取样品的特征信息。
使用近红外光谱技术时,无需对样品进行复杂的处理,可以直接进行检测。
近红外光谱技术可以同时分析中药材中的多个组分,包括水分、脂肪、蛋白质、多糖等。
近红外光谱技术在中药鉴定中的实践案例案例1案例2近红外光谱的采集技术实验条件在采集近红外光谱时,需要将中药样品进行适当的处理,如研磨、干燥、粉碎等,以便获得均匀、稳定的样品。
红外光谱确定中药材的方法
红外光谱是一种分析技术,可以用于中药材的鉴定和分析。
中药材红外光谱的确定方法主要包括以下步骤:
1.收集样品的近红外光谱:使用近红外光谱仪对中药材样品进行扫描,收集样品的光谱数据。
2.建立中药材光谱数据库:对不同种类的中药材进行红外光谱扫描,建立中药材的光谱数据库。
这个数据库包括了各种中药材的光谱特征,可以用于中药材的鉴定和分析。
3.确定中药材的光谱特征:根据中药材的光谱数据库,可以确定中药材的光谱特征。
这些特征包括吸收峰的位置、峰形和强度等。
4.对未知样品进行鉴定:使用近红外光谱仪对未知的中药材样品进行扫描,获取其光谱数据。
然后,通过比较未知样品的光谱数据与中药材光谱数据库中的数据,可以确定未知样品的中药材种类。
总之,红外光谱是一种有效的中药材鉴定方法,可以用于中药材的真伪鉴定和掺假筛查。
通过建立中药材的光谱数据库,可以快速、准确地确定中药材的种类和质量。
1。
近红外透射光谱结合判别分析方法在汽车制动液品牌与新旧鉴别中的应用研究张瑜;谈黎虹;何勇【摘要】采用近红外透射光谱研究了汽车制动液品牌及新旧的鉴别。
采集宝马(BMW),丰田(Toyota),沃尔沃(Volvo)以及嘉实多(Castrol)四种品牌的汽车制动液全新样本以及用过的样本的透射光谱。
分别对每一种品牌下全新与用过汽车制动液样本的光谱数据进行主成分分析(PCA),主成分得分图表明不同品牌制动液以及该品牌下全新样本以及用过的样本能够被较好的区分,其光谱特性存在差异。
基于主成分载荷(Loadings)进行特征波数选择,偏最小二乘判别分析(PLS-DA),线性判别分析(LDA),簇类独立软模式法(SIMCA),k最邻近分类算法(KNN),随机森林(RF),误差反向传播人工神经网络(BPNN),径向基神经网络(RBFNN),极限学习机(ELM),支持向量机(SVM),最小二乘支持向量机(LS-SVM)等判别分析方法用于建立基于特征波数的判别分析模型,判别模型的建模集和预测集判别正确率均略低于或达到了100%。
与其他三种品牌汽车制动液相比,嘉实多全新样本与用过样本的差异较小,KNN与LS-SVM模型的建模集正确率均低于100%。
结果表明,近红外透射光谱结合特征波长选择以及判别分析模型对不同品牌制动液以及同一品牌下全新样本以及用过的样本进行识别是可行的,为开发在线或便携式仪器提供理论支持。
%Near-infrared transmittance spectroscopy was used to identify brake fluid brands,new and used brake fluid of each brand.The transmittance spectra of the new and used samples of 4 different brands of brake fluid,includingBMW,Toyota, Volvo and Castrol were collected.PCA was conducted to the spectral data of the new samples of the four brake fluid and the spectral data of the new and used samples of each brand.The PCA scores scatterplot indicated that there were differences among the four brands of brake fluid,and there were also differences between new and used samples of each brand.Optimal wave-lengths were selected for identifying different brands and new and used samples of each brand by loadings ofPCA.Classification models were built using the optimalwavelength,including Partial least squares-discriminant analysis (PLS-DA),Linear discrim-inant analysis (LDA),Soft independent modeling of class analogy (SIMCA),k-nearest neighbor algorithm (KNN),Random forest (RF),Back propagation neural network (BPNN),Radial basis function neural network (RBFNN),Extreme learning ma-chine (ELM),Support vector machine (SVM),Least-squares support vector machine (LS-SVM).All classification models ob-tained good performances,the classification accuracy of the calibration set and the prediction set are 100% for most models. Compared with other three brands,new and used samples of Castrol showed slighter difference,and KNN and LS-SVM models performed worse with classification accuracy under 100% in the calibration set.The overall results indicated that near-infrared transmittance combined with optimal wavenumber selection and classification methods could be used to identify brake fluid brands,new and used brake fluids,the results of this study could provide theoretical support for developing online and portable devices.【期刊名称】《光谱学与光谱分析》【年(卷),期】2016(036)010【总页数】6页(P3179-3184)【关键词】近红外透射光谱;制动液;新旧;品牌;判别分析【作者】张瑜;谈黎虹;何勇【作者单位】浙江经济职业技术学院,浙江杭州 310018; 浙江大学生物系统工程与食品科学学院,浙江杭州 310058;浙江经济职业技术学院,浙江杭州 310018;浙江大学生物系统工程与食品科学学院,浙江杭州 310058【正文语种】中文【中图分类】O657.3汽车制动液是汽车中不可缺少的部分,用于汽车液压制动系统中传递制动能量。
基于近红外光谱技术的油品快检方法研究进展摘要:与汽、柴油理化性质指标的标准测试方法相比,近红外光谱技术具有测试速度快、样品消耗量少、不破坏样品和无需样品前处理等优点,因此基于近红外光谱技术的油品快速检测方法受到了越来越多的关注。
2021年国家市场监督管理总局办公厅发布开展成品油质量专项整治的通知,鼓励各级市场监管部门使用成品油质量快速检测方法,对流通领域成品油质量开展快速检测,这意味着以近红外光谱技术为代表的快检方法将会在油品检测领域得到更多的应用。
使用近红外光谱技术实现成品油质量的现场快速检测,不仅需要准确可靠的快速分析方法,也需要性能稳定的近红外光谱分析设备。
因此,近红外光谱分析方法的建立和近红外油品分析设备的研制,对于提高近红外光谱技术在油品检测的效果具有重要作用。
关键词:近红外光谱技术;油品快检;方法1定性分析近红外光谱也可以用于油品的定性分析,其实质是将油品的近红外光谱与油品的类别属性相关联,建立数据模型实现对新样本的类别判断。
近红外光谱技术用于汽、柴油的定性分析主要包括燃油类型的判断和来源的识别等。
利用近红外光谱和9种不同的多元分类方法对某炼油厂内的汽油类型和来源进行测试,通过与核磁共振和气相色谱的分析结果比较可得,概率神经网络(PNN)、K-最近邻(KNN)和支持向量机(SVM)方法可以获得较好的分类结果。
将近红外光谱技术结合主成分分析和偏最小二乘-判别模型算法,开发了一种检测和量化优质95#汽油掺假91#汽油的快检方法。
结果显示,偏最小二乘-判别模型能够准确判断优质95#汽油中是否掺假。
利用主成分分析算法,建立了用于测定甲醇汽油和乙醇汽油的近红外光谱技术方法,该方法可以实现甲醇汽油和乙醇汽油无错误分类。
将汽油的蒸馏曲线与偏最小二乘判别分析算法相结合,建立了基于近红外光谱技术的掺假汽油样品识别方法,该方法对于掺有煤油和松节油等杂质的汽油识别准确度可达97%以上。
近红外光谱技术也可以用于柴油或者生物柴油的类别分类,实现柴油种类和来源的判定,为进一步确定生物柴油的含量以及质量控制提供依据。
近红外光谱成像技术在防伪领域的应用研究近年来,随着技术的不断进步,防伪技术在各个领域的应用越来越重要。
近红外光谱成像技术作为一种高精度、高效率的检测手段,在防伪领域得到了广泛的应用和研究。
近红外光谱成像技术是一种基于物质吸收不同波长光的特性来实现对物质成分及结构信息进行无损、非接触检测的技术手段。
其原理是利用物质在近红外波段的光谱特性,通过对被测样品的反射、透射光进行采集,再通过光谱分析和图像处理技术,实现对样品的表面形貌、化学成分以及结构特征的快速、精确、定量分析。
在防伪领域,近红外光谱成像技术具有以下几个方面的应用:1. 防伪纸张和印刷品鉴别:近红外光谱成像技术可以对纸张和印刷品进行快速扫描和分析,通过比较不同区域的光谱图像,可以实现对材料的真伪、来源和制作工艺等信息的检测和判别。
2. 食品和药品的真伪鉴别:近红外光谱成像技术可以对食品和药品进行成分分析,以及对真伪的快速鉴别。
通过比对图像和光谱数据,可以准确判定产品是否为原产地、真实的制造商或是合法的产品。
3. 贵重藏品的鉴别和保护:近红外光谱成像技术可用于对贵重文物、艺术品等价值高的藏品进行鉴别和保护。
通过扫描和分析,可以检测藏品的材料、年代和制作工艺等信息,从而确保其真实性和保护价值。
4. 证件和货币的防伪:近红外光谱成像技术可以应用于证件和货币的防伪。
通过对证件和货币进行光谱扫描和成像,可以观察到细微的差异,从而判断其真伪和防伪效果。
5. 化妆品和药妆的品质检测:近红外光谱成像技术可以通过扫描和分析化妆品和药妆的光谱图像,判断其成分的相对含量和质量状况,确保产品的合规性和质量安全。
近红外光谱成像技术在防伪领域的应用研究仍有许多挑战和发展空间。
例如,目前近红外光谱成像技术在实际应用中还存在一些限制,比如成像速度、高分辨率和成像质量等方面的问题。
此外,光谱数据的处理和分析也需要进一步研究和方法改进。
因此,今后的研究可以着重优化光谱成像系统的性能,提高成像质量和分辨率,并结合机器学习和人工智能等先进技术,以提高防伪技术的准确性和可靠性。
第!!卷第"期!!!!!!!!!!!!光谱学与光谱分析#$%&!! '$&" ((),))*),)E ,-)!年"月!!!!!!!!!!!!.(/012$30$(4567.(/0125%865%4393:54,-)!!样品表面近红外光谱结合多类支持向量机快速鉴别枸杞子产地杜!敏) 巩!颖, 林兆洲) 史新元) 华国栋," 乔延江)")&北京中医药大学中药学院 北京!)--)-,!!!,&北京中医药大学东方医院药学部 北京!)---G <摘!要!采用便携式近红外光谱仪采集枸杞子表面不同部位的近红外漫反射光谱 结合多类支持向量机算法对枸杞子产地进行快速无损辨识 以识别率为评价指标进行光谱预处理方法的选择 为了消除样本划分偏性对结果的影响 本研究通过重复划分样本集多次建模与预测 利用识别率的统计结果考察各个光谱采集部位的建模结果 实验结果表明 原始数据经二阶导数加.\平滑处理后 所建模型具有良好的产地预测性能 除了枸杞子顶端部位外 其他部位模型的稳定性及准确性均较好 其外部验证识别率的中位数与平均值均大于D G U 这表明利用枸杞子样品表面近红外光谱可实现产地的准确鉴别 便携式近红外光谱技术可作为中药材流通环节中的有效监控手段关键词!枸杞子 产地鉴别 近红外 采集部位 识别率 多类支持向量机中图分类号 Q +"G &!!!文献标识码 8!!!%&' )-&!D +E F&9336&)---*-"D ! ,-)! -"*),))*-E !收稿日期,-),*-D *)< 修订日期 ,-),*),*),!基金项目 国家科技部十一五 重大新药创制专项项目 ,-)-`_-D "-,*--, 北京中医药大学中青年教师项目 ]P V ``*].-!< 资助!作者简介 杜!敏 女 )D <<年生 北京中医药大学在读硕士研究生!!/*=59% M K 5I $6I -+-+7K =96!)+!&0$="通讯联系人!!/*=59% 4F a 95$!,+!&6/1 L M F M I 7!1$=&0$=引!言!!枸杞子为茄科植物宁夏枸杞M 40B 3&,)O ,)O 3&O &的干燥成熟果实 具有滋补肝肾 益精明目等功效 其分布广泛以宁夏枸杞质量较优 药材质量与其产地密切相关 )*! 因此为保证枸杞子的质量与疗效 本工作考察近红外光谱法这种方便快速 绿色无损的分析技术 E 对枸杞子产地进行鉴别 近几年 近红外光谱法在太子参 " 黄芩 + 灵芝 G 等多种中药材产地鉴别中多有应用 所采用的算法主要有判别分析 判别偏最小二乘 人工神经网络和支持向量机等 其中支持向量机法< 由于能够较好地解决小样本 非线性 高维数等实际问题而得到人们的关注与进一步开发 多类支持向量机算法已在多类分类中得到大量应用 目前尚未有研究多类支持向量机对枸杞子产地进行鉴别 同时 为拓宽近红外光谱技术在中药材现场分析中的应用 本文考察利用便携式近红外光谱仪D 采集枸杞子表面光谱用以进行产地鉴别 实现真正快速无损的质量评价)!实验部分*)*!样品枸杞子样品分别产自内蒙古 宁夏和青海 所有药材经北京中医药大学刘春生教授鉴定为茄科植物宁夏枸杞M 40B @3&,)O ,)O 3&O&的干燥成熟果实 为增加模型的适用性 从每个产地中随机抽取了不同颜色深浅 不同大小的枸杞子样本 其中内蒙古枸杞子有,D 个 宁夏枸杞子E "个 青海枸杞子E "个 具体见表) 在进行光谱采集前 用载玻片将枸杞子表面压平2."<$*!3X 6$5,C $:07.C 6<$7产地R V R :R .:V :::.O V O :O .总计内蒙古"-"E -""-",D 宁夏"""""""""E "青海"""""""""E "'$1/ C M /J 9231%/11/2$J 2$HM /5796I 32/(2/3/6135=(%/0$%$2 R //( :977%/ O 9I M 1 1M /3/0$67%/11/22/(2/3/6135=(%/39L / V 9I :977%/ .=5%%*)(!仪器与光谱采集仪器 Q0/56a K/31,"+*,&"便携式近红外光谱仪 配备有Y6\583检测器和漫反射光纤探头 光纤长度为,= 其波长范围是<G-&)<","!!&""6= 共,"+个变量 光谱采集参数 分辨率为D&"6= 积分时间为)--=3 累积扫描次数"-次 平滑度为) 检测器温度设为d)+T 样品光谱采集 将光纤探头垂直于样品表面 每个样品由基部到顶端 等间隔采集"个部位的光谱 每个部位采集正反面两点 每点平行采集!条光谱 将每个部位正反两面共+条光谱取平均值用于后续分析 具体光谱采集部位见图)+,-)*!#6$/05.<./S D,7,0,8:7,0$789=8<9"$55;95D,0*)?!数据处理为消除枸杞子样品的光程差异 克服杂散光等外界环境的影响 首先对光谱数据进行了预处理 )- 并考察了多元散射校正 =K%19(%90519^/39I65%0$22/019$6 :.N 标准正则变换 315675276$2=5%^52951/ .'# 方法 一阶导数 J92317/* 29^519^/ )R j.\平滑 .5^91L W4*\$%54J9%1/23=$$1M96I 二阶导数 ./0$67R/29^519^/ ,R j.\平滑 光谱预处理采用C M/X63025=?%/2G&<软件 N8:Q软件公司 挪威光谱数据经优化后 本文采用基于 投票法 策略的一对一多类支持向量机算法 )) Q6/^/23K3*Q6/:K%19*0%533 .#:3 )*^*).#:3 进行枸杞子产地的定性判别 该算法采用A/W5!&+&+软件实现 ), 其在训练支持向量分类器时采用序列最小优化算法 3/a K/6195%=969=5%$(19=9L519$65%I$* 291M= .:Q 在建模时首先对核函数及其参数进行选择并以识别率为评价指标进行模型筛选,!结果与讨论()*!枸杞子的原始光谱图不同产地枸杞子的近红外光谱 以及同一样品不同部位的近红外原始光谱均严重重叠 并不能明显区分 见图, 由图可知 枸杞子近红外光谱比较粗糙 这是因为利用光纤探头进行光谱采集时 易受到外界杂散光影响 而且光谱两端波段噪音较大 因此在后续数据分析时采用D"-",E"-6=这一波段+,-)(!Q.=76$/05.89A,99$5$:07,0$7898:$=8<9"$55;95D,07.C6<$()(!光谱预处理方法的选择从表)中不同产地的每个类别中随机选出)个 共,E 个样本作为验证集 其中内蒙+个 宁夏与青海各D个 剩余D"个样本作为校正集 不同预处理方法下)-折交叉验证及外部验证的结果见表,2."<$(!!5$A,/0,F$.",<,0;89#T4C8A$<7=,01A,99$5$:0A.0.65$E658/$77,:-C$018A7预处理方法部位))-N#验证部位,)-N#验证部位!)-N#验证部位E)-N#验证部位")-N#验证Z8A+"&,+G-&<!+!&)+"E&)G+)&-"+,&"-+"&,+++&+G+D&E G+,&"-:.N<E&,)<!&!!<,&))G D&)G<+&!,<G&"-<G&!G G D&)G<<&E,<G&"-.'#<!&)+<!&!!<)&-"G"&--<+&!,G D&)G<D&E G G D&)G<<&E,D)&+G )R j.\ D , D!&+<D"&<!D)&"G)--&--<<&E,D)&+G D-&"!D"&<!D,&+!D)&+G ,R j.\ D , D<&D"D"&<!D+&<E)--&--D!&+<D"&<!D+&<E)--&--D G&<D)--&--!!'$1/ .5^91L W4*\$%54 7515($9613 ($%46$=95%$27/2 (525=/1/23$J.\3=$$1M96I9615?%/,H/2/$(19=5%!!由表,可看出 数据处理后的建模结果明显优于原始数据 这表明近红外光谱严重受到光程差异 基线漂移和噪音等的影响 经光程校正后 模型的预测准确度明显提高 识别率由 +)&-"U"G-&<!U 增加到 <)&-"U"D)&+G U 导数加平滑的方法结果最好 且二阶导数优于一阶导数 其)-折交叉验证识别率均大于D!U 外部验证识别率均大于D"U 因此采用,R j.\ D , 平滑作为光谱预处理方法 ()?!核函数的选择对于支持向量机算法 通过适当选取核函数 可将输入空间中线性不可分的样本在高维特征空间中线性分开或接近线性分开 核函数及其参数的选择直接影响分类结果 按照,&,中的样本集划分方法和数据预处理方法 以部位)为例 对多项式核函数 >$%46$=95%[/26/% 归一化多项式核函数 '$2=5%9L/7>$%46$=95%[/26/% >X[核函数 >2/0$=(K1/7 [/26/%:5129b[/26/% )! Z V@核函数 Z5795%V5393@K60* 19$6[/26/% 四种核函数进行对比分析 对每种核函数首先进行了参数优化 最优参数下不同核函数支持向量机的建模结果见表!,),)光谱学与光谱分析!!!!!!!!!!!!!!!!!!!第!!卷2."<$?!399$/0789K$5:$<9D:/0,8:0;6$8:01$6$5985C.:/$89#T4核函数参数)-N#识别率*U外部验证识别率*U 多项式核函数N g)!S b($6/61g!D+&<E)--&-归一化多项式核函数N g)"!S b($6/61g,D)&"<D"&<!Z V@核函数N g!!\5==5g-&)D-&",D"&<!>X[核函数N g!!Q=/I5g)!39I=5g E&-<+&!,D"&<!!!结果表明四种核函数的建模结果均较好!其中多项式核函数的识别率最高!对外部验证集的识别率达到)--U!因此本文选用具有多项式核函数的支持向量机建立枸杞子产地的鉴别模型"()J!不同光谱采集部位的建模结果为对不同部位建模结果进行综合评价!将样本集多次重复划分进行多次建模与预测"采用:51%5?G&D自编程序进行+,-)?!H<.77,9,/.0,8:5$7D<0789*Z E98<A/5877F.<,A.0,8:&G80$# 01$"<./K05,.:-<$5$65$7$:0701$.F$5.-$F.<D$'+,-)J!H<.77,9,/.0,8:5$7D<0789$X0$5:.<F.<,A.0,8:&G80$#01$ "<./K05,.:-<$5$65$7$:0701$.F$7.-$F.<D$'样本集的划分!从每个产地的样本中随机抽取三分之一作为验证集!剩余样本作为校正集"按照此法每个部位分别建立"-个判别模型!计算每个模型十折交叉验证和外部验证的识别率!并利用箱式图对其进行描述性分析&图!!图E'" !!由图!和图E可看出!各个部位十折交叉验证及外部验证识别率的分布有所差异!其中部位)!,!!!E的分布较集中!说明这些部位通过随机划分样本集进行建模所得结果较稳定%而部位"的稳定性稍差些!这可能因为枸杞子顶端在光谱采集时受操作偏差的影响相对较大"各个部位十折交叉验证识别率的中位数均大于D+U!而部位)!,!!!E的平均值略高于部位""由图E可看出!各个部位外部验证识别率的中位数均大于D G U!但部位)!,!!!E的平均值高于部位""在实际光谱采集中!很难准确控制光谱采集部位!因此为避免样品顶端部位以保证模型的稳定性和准确性!应尽可能采集样品中间区域的光谱"实验结果也进一步表明了采用便携式近红外光谱仪采集样品表面光谱用于产地鉴别的可行性"!!结!论!!采用便携式近红外光谱仪采集枸杞子表面光谱!以多类支持向量机法对枸杞子产地鉴别进行了研究"首先以识别率为评价指标进行光谱预处理方法的选择!然后通过多次建模与预测!利用识别率的统计结果考察各个光谱采集部位的建模结果"结果表明!尽管表面光谱严重受到基线漂移和噪音等的影响!但经二阶导数j.\&D!,!平滑处理后!所建模型具有良好的预测性能&外部验证识别率均大于D"U'"对比枸杞子样品表面各个部位的建模结果发现!除了枸杞子顶端部位外!其他部位模型的稳定性及准确性均较好"因此在后续应用中!应尽可能采集样品中间区域的近红外光谱!求取平均值后用于分析"本研究表明利用便携式近红外光谱仪采集样品表面光谱!结合适宜的化学计量学方法对中药材进行鉴定具有可行性!为中药材流通环节中的质量控制提供了新思路"Q$9$5$:/$7())!8=5I53/B!@5263H$21M'Z;@$$7Z/3/520M Y61/26519$65%!,-))!E E&G'#)G-,;(,)!`M/6I\!`M/6I`!_K_!/15%;V9$0M/=905%.431/=51903567S0$%$I4!,-)-!!<&!'#,G";(!)!O Y:/9*%56&李梅兰';]$K265%$Jc96I M59X69^/23914&'51K2/.09/60/'&青海大学学报/自然科学版'!,-)-!,<&)'#<!;(E)!V%560$:!#9%%522$45Y;C28NC2/67396865%41905%N M/=93124!,--,!,)&E'#,E-;(")!O96B!`M5$]!N M/6c!/15%;.(/012$0M9=80158:$%;V9$=$%;.(/012$30;!,-))!G D&"'#)!<);(+)!O9A!_96I O!N59P!/15%;#9?2519$65%.(/012$30$(4!,-))!""&)'#"<;! ) , )第"期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析G !O Y X`M 9*I 56I O Y R /*2/6 c Y 'c 956*a 96I /15% 刘志刚 李德仁 秦前清 等 ;N $=(K 1/2S 6I 96//296I 5678((%90519$63 计算机工程与应用 ,--E G )-; < !8'B $6I .B Y _96*4K 56 A S ']956*3M /6I 安!红 史新元 温建省 ;Q (1905%C /0M 69a K / 光学技术 ,--G !! ) !E !; D !Z 966568 V /2I @#R S 6I /%3/6.V ;C 250;C 2/67396865%41905%N M /=93124 ,--D ,< )- ),-); )- !R /^$3Q Z K 0W /?K 30MN R K 25678 /15%;N M /=$=/12903567Y 61/%%9I /61O 5?$251$24.431/=3 ,--D D + ) ,G ; )) !_K` R 59: :/6I R ;Y S S SC 2563.431;:56;N 4?/26VN 4?/26 ,--D !D " ),D ,; ), !>%511]N ;:902$3$J 1Z /3/520M C /0M 6905%Z /($21:.Z *C Z *D <*)E )D D <; )! !r31q 6V :/%33/6A] V K 47/63O :N ;N M /=$=/12903567Y 61/%%9I /61O 5?$251$24.431/=3 ,--+ <) ) ,D ;Q .6,A 'A $:0,9,/.0,8:89O 8<9"$55;+5D ,089%,99$5$:0V $8-5.61,/Q $-,8:7=,01#.C 6<$#D 59./$G $.5':95.5$A#6$/05.H 8C ",:$A =,014D <0,E H <.77#T 4R X :96) \Q '\P 96I , O Y '`M 5$*L M $K ) .B Y _96*4K 56) B X 8\K $*7$6I ," c Y 8QP 56*F 956I)");V /9F 96I X 69^/23914$J N M 96/3/:/79096/ V /9F 96I!)--)-, N M 965,;R $6I J 56I B $3(915% V /9F 96I X 69^/23914$J N M 96/3/:/79096/ V /9F 96I!)---G < N M 965I "705./0!>$215?%/6/5296J 252/73(/012$=/1/20$=?96/7H 91M=K %19*0%5333K (($21^/01$2=50M 96/3H 53K 3/71$793029=9651/H $%J *?/224J 2K 91$J 79J J /2/61I /$I 25(M 902/I 9$63;R 515(2/*(2$0/3396I =/1M $73H /2//b (%$2/7?/J $2/=$7/%96I H91M 1M /97/619J 90519$6251/539679051$2;C $/%9=9651/1M /96J %K /60/$J 35=(%/3K ?3/1(521919$696I $6=$7/%(/2J $2=560/ =K %19(%/=$7/%96I 567(2/790*196I H /2/0$67K 01/75671M /3151931905%2/3K %1$J 97/619J 90519$6251/H 53K 19%9L /71$533/33=$7/%(/2J $2=560/$J 79J J /2/6150a K 93919$6391/3;C M /2/3K %133M $H /71M 51.#:=$7/%H 91M25H3(/01255J 1/2(2/12/51=/61$J 3/0$677/29^519^/567.5^91L W 4*\$%54J 9%1/23=$$1M 96I 3M $H /71M /?/31(2/790519^/5?9%914;8671M /=$7/%$J /^/2450a K 93919$6391//b 0/(1J $2391/"/b M 9?91/7I $$7315?9%914567(2/79019$65?9%914567913=/79565675^/25I /$J 97/619J 90519$6251/$J /b 1/265%^5%97519$6H /2/5%%I2/51/21M 56D G U;Y 1H 533K I I /31/71M 513K 2J 50/'Y Z3(/0125$J H $%J ?/224J 2K 91H 535((%905?%/1$500K 251/97/619J 90519$6$J I /$I 25(M 902/I 9$6 567($215?%/6/5296J 252/73(/012$=/1/20$K %75015356/J J /019^/=/563$J=$691$296I 1M /a K 5%914$J N M 96/3/M /2?5%=/79096/960920K %519$6;R $;=85A 7!A $%J ?/224J 2K 91 R 93029=96519$6$J I /$I 25(M 902/I 9$6 '/5296J 252/7 .(/012550a K 93919$6391/ Y 7/619J 90519$6251/ :K %19*0%533.#:Z /0/9^/7./(;)< ,-), 500/(1/7R /0;), ,-), !!"N $22/3($6796I 5K 1M $2E),)光谱学与光谱分析!!!!!!!!!!!!!!!!!!!第!!卷。