论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　3结果与讨论

　　3.1基于不同粒径根茎类及果实类药材的近红外光谱图柴胡、柴葛根、黄芪、粉葛、山药、川楝子等中药材的原始光谱图，见图1。这类药材的近红外光谱受样品粒径的影响大致相同。以柴胡为例，图2利用RSD值描述了不同近红外波段对粒径变化对吸光度的影响程度，其中组合频区RSD3.5%～4.9%，一级倍频区RSD1.7%～3.5%，二级倍频区RSD0.90%～1.7%，表明波长越大，受粒径影响越大。

　　不同波长点下的吸光度与粒径信息的相关性，见图2，结果表明了吸光度与粒径具有较强的相关性，其中1万～7180，7000～4000cm-1波段范围内，相关系数绝对值大于0.9，这也表明了在测定化学成分含量时消除粒径因素干扰的重要性。同时研究表明，在一级倍频区和组合频区，吸光度与粒径成正相关;而在二级倍频区，吸光度与粒径成负相关。

　　3.2基于不同粒径皮类药材的近红外光谱图黄柏及合欢皮皮类中药材的原始光谱图，见图3。以黄柏为例，黄柏及合欢皮的原始光谱图受粒径的影响与根茎类药材相似，且不同波段受粒径的影响均控制在RSD<5%，见图2，4。与柴胡相似，在黄柏近红外光谱的一级倍频区和组合频区，吸光度与粒径成正相关关系;而在二级倍频区，吸光度与粒径成负相关关系。

　　3.3基于不同粒径花类及全草类药材的近红外光谱图图5与图6表明在一级倍频区和组合频区，槐花与荆芥的近红外光谱图受粒径的影响与根茎类药材和皮类药材相似。而在二级倍频区，槐花与荆芥的近红外光谱图受粒径的影响与根茎类药材和皮类药材大不相同。二级倍频区，槐花对粒径变化的敏感度（RSD2.5%～4%）与组合频区（RSD3.4%～4.3%）相近，而一级倍频区（RSD1.8%～2.5%）受粒径变化的响应最小。

　　根据Kubelka-Munk方程，反射率与样品的散射系数S成反比。又有研究表明散射系数S与样品的粒径成反比。因此，推断Log（1/R）应正比于样品粒径。然而，不同种类中药材不同粒径样本的近红外光谱图，上述结论仅适用于一级倍频区和组合频区。而在二级倍频区，Log（1/R）反比于样品粒径，且不同药材的吸光度受粒径变化的影响程度各不相同。

　　对于不同类型的药材，粒径对其近红外光谱的影响是不同的，这主要是由于药材质地的不同造成的。对于密度较大的根茎类药材及果实类药材，其样品相对紧密。而对于槐花和荆芥等质地较轻的药材，其样品颗粒间有很大空隙，且容易产生静电，对近红外光谱造成极大干扰。

　　因此，对于任一类型的中药材，粒径对近红外光谱的影响均与波段有关，在组合频区、一级倍频区和二级倍频区均各有不同。

　　3.4不同种类中药材和不同粒径的装样误差山药、柴胡和柴葛根样品的重装样的光谱重复性见图7～9。可以看出，所有样品重装样的RSD小于3%，说明当粉碎目数大于60目，装样误差较小。此外，对于不同的药材以及对于同一药材不同装样的样品，重装样光谱差异性有所不同。

　　图中可以明显看出样品粒径越小，重装样光谱差异性越小，对于过100目及120目的样品，RSD小于1%。但是对于大颗粒样品，不同次数的重装样光谱差异性有较大不同，这主要是由于大粒径样品在混合时难以保证均匀。而且，光谱重复性因波段而异，这主要是由于不同的波段对粒径变化的响应不同。

　　同种类中药材近红外光谱的影响，并阐明不同粒径样品的重装样光谱重复性特征。结果表明了根茎类、果实类、皮类和花类药材，其组合频区和一级倍频区的近红外光谱强度与粒径成正比，而且随着波长增大，受粒径的影响越大。而在二级倍频区，近红外光谱强度与粒径成反比。不同类型药材中，对于根茎类、果实类和皮类药材，其二级倍频区受粒径的影响相对较小。而槐花和荆芥等中药材近红外光谱的二级倍频区受粒径影响较大，这主要是由于这类药材质地较轻，无法充分混匀，而且静电作用的存在也对近红外光谱存在严重干扰。这些现象也表明在实际应用中，应充分考虑到不同药材的具体特点选择合适的处理方法。

　　进一步对不同样品重装样光谱重复性的考察发现，当粉碎目数大于60目时，装样误差较小（RSD<3%），且不同波段有较大差异。当粉碎目数大于100目时，所有波段的装样误差变小（均小于1%），且基本无差异。

　　[参考文献]

　　[1]Wu Z， Xu B， Du M， et al. Validation of a NIR quantification method for the determination of chlorogenic acid in Lonicera japonica solution in ethanol precipitation process[J]. J Pharm Biomed Anal， 2012， 62： 1.

　　[2]Wu Z， Sui C， Xu B， et al. Multivariate detection limits of on-line NIR model for extraction process of chlorogenic acid from Lonicera japonica[J]. J Pharm Biomed Anal， 2013， 77： 16.

　　[3]Wu Z， Tao O， Dai X， et al. Monitoring of a pharmaceutical blending process using near infrared chemical imaging[J]. Vib Spectrosc， 2012， 63： 371.

　　[4]Magali Laasonen. Near Infrared spectroscopy， a quality control tool for the different steps in the manufacture of herbal medicinal products[D]. Helsinki： University of Helsinki， 2003.

　　[5]Blanco M， Peguero A. Influence of physical factors on the accuracy of calibration models for NIR spectroscopy[J]. J Pharm Biomed Anal， 2010， 52（1）： 59.

　　[6]Leger M N. Alleviating the effects of light scattering in multivariate calibration of near-infrared spectra by path length distribution correction[J]. Appl Spectrosc， 2010， 64（3）： 245.

　　[7]Helland I S， Naes T， Isaksson T. Related versions of the multiplicative scatter correction method for preprocessing spectroscopic data[J]. Chemometr Intell Lab Syst， 1995， 29（2）： 233.

　　[8]Wold S， Antti H， Lindgren F， et al. Orthogonal signal correction of near-infrared spectra[J].Chemometr Intell Lab Syst， 1998， 44（1-2）： 175.

　　[9]Jin J W， Chen Z P， Li L M， et al. Quantitative spectroscopic analysis of heterogeneous mixtures： the correction of  multiplicative effects caused by variations in physical properties of samples[J]. Anal Chem， 2012， 84（1）： 320.

　　[10]Cozzolino D， Morón A. Influence of soil particle size on the measurement of sodium by near-infrared reflectance spectroscopy[J]. Commun Soil Sci Plan， 2010（41）： 2330.

　　[11]郝贵奇，马群，张卓勇，等. 中药材黄连颗粒度对近红外光谱的影响[J]. 现代仪器， 2006 （5）： 27.