近红外在线检测技术在中药一清颗粒生产中的应用方法

摘要

本发明涉及近红外在线检测技术在中药一清颗粒生产中的应用方法，可有效解决传统中药一清颗粒质量分析方法效率低，原料浪费过多的问题，其解决的技术方案是，收集原材料黄芩及黄芩浸膏和一清颗粒样品，运用近红外光谱仪分别扫描收集的样品近红外吸收光谱，得光谱数据，测定出其质量指标含量，以此作为参考值，然后预处理光谱数据，用化学计量学中的PLS法建立近红外光谱多元校正模型，利用建立的定量模型对待测分析样品进行分析，对待测样品粉碎，扫描其近红外光谱图，通过计算机提取特征光谱图输入到校正模型，经过校正模型的测定即得其质量指标含量，将该模型保存在计算机中，以备再用，整个过程时间短、速度快、准确，能够实时在线检测，降低运行成本。

说明书

一、技术领域

本发明涉及医药领域，特别是一种近红外在线检测技术在中药一清颗粒生产中的应用方法。

二、背景技术

中药生产过程是指从原料投入生产到产品入库为止的全过程，一般需要涉及到原料评价、药材粉碎、浸提、醇沉、搅拌、混合、层析、蒸发、干燥、制剂、灭菌与包装等一序列单元操作，原料药材的质量差异、生产环节操作不规范和工艺参数的波动，都会导致最终产品质量不稳定，批次间差异较大，直接影响药品疗效，了解中药生产过程自身的特点及影响产品质量的各种因素，对于寻找合理的关键控制点和有效的质量控制手段十分重要，传统的分析从车间到实验室，再从实验室到车间这样一个繁琐的过程，固体混合物中的各个组分的测定在制剂过程中是一个很关键的步骤，采用传统的分析方法，如色谱分析方法，需要进行取样、溶解、分析、报告结果等几个步骤，既需要花费较多的时间又要求训练有素质的科技人员来完成，如何有效地控制产品的质量以及提高生产效率、节约生产成本是一项重大课题，中药制药过程分析技术对于保证药品质量的稳定均一具有极为重要的意义，传统质量分析方法耗时较长，对人员、仪器要求较高，不能及时反映产品中有效成分含量信息，难以指导生产过程，无法确保药品质量的稳定均一，一清颗粒是目前市场上清热、泻火、解毒，治疗各种急、慢性炎症及口舌生疮、咽炎出血的首选用药。对西药抗生素产生耐药性的感染性疾病亦有确切疗效，无明显毒副作用，无耐药性，服用安全，菌毒并治，快速消除感染症状，其主要成分为黄芩苷，一清颗粒生产过程中的对黄芩苷含量及质量检测工作一直是实验室进行测定，无法在生产线上进行及时测定，成本高，速度慢，大大影响生产效率和进度，甚而造成巨大的资源浪费，如何有效进行一清颗粒中各指标性成分的测定一直是一个生产的技术难题，随着计算机技术、过程分析技术和化学计量学的发展和应用，近红外光谱分析技术应用领域迅速扩大，目前已经广泛地应用于石油化工、农业、食品和药物的定性定量分析，已发展成为快速分析技术的一枝奇葩，相比其它分析方法，近红外光谱分析技术具有显著的优越性：1)光谱吸收弱，使得待分析样品不需稀释等预处理，可直接进行分析，操作简便、快速；2)可以对各种样品，包括从气体到透明或混浊的液体，从匀浆到粉末，从固体材料到生物组织等，提供快速、精确的定性定量分析而不损伤样品；3)可以在玻璃或石英介质中穿透，可使用光纤传输。近红外光谱波长短，不被玻璃或石英介质所吸收，可使用玻璃或石英样品池容器和光纤，近红外分析快速、非破坏性、无污染、重现性好，那么能否将近红外检测仪应用于一清颗粒中药生产在线质量控制？

三、发明内容

针对上述情况，本发明之目的就是提供一种近红外在线检测技术在中药一清颗粒生产中的应用方法，可有效解决传统中药一清颗粒质量分析方法的繁琐，生产成本高，效率低，原料浪费过多的问题，其解决的技术方案是，收集原材料黄芩样品、黄芩浸膏样品、一清颗粒样品，运用近红外光谱仪分别扫描黄芩样品、黄芩浸膏样品、一清颗粒样品的近红外吸收光谱，得光谱数据，并测定出其质量指标含量，并以此作为参考值，然后预处理光谱数据，运用化学计量学中的PLS(偏最小二乘法)法建立近红外光谱多元校正模型，利用建立的定量模型对待测分析样品进行分析，对于待测的药材样品，粉碎，扫描其近红外光谱图，通过计算机提取特征光谱图输入到校正模型，经过校正模型的测定即得其质量指标含量，将该模型保存在计算机中，以备再用，整个过程时间短、速度快、准确，能够实时在线检测，大大提高了工作效率，降低运行成本。

四、具体实施方式

以下对本发明的具体实施方式作详细说明。

本发明是由以下步骤实现的：

1.收集样品，收集不同产地、不同区域、不同采收时间的黄芩样品及其黄芩浸膏样品和一清颗粒样品；

2.建立模型，将收集到的样品分别干燥、粉碎，过80-100目筛，每个样品取5g，过筛后的样品粉末放入石英样品杯中，混合均匀，轻轻压平，用近红外光谱的仪进行扫描，可用美国ThermoNicolet公司的6700型近红外光谱仪，光源：卤钨灯，检测器：铟镓砷(InGaSn)，附漫反射积分球，样品旋转器和石英样品杯，测样方式：积分球漫反射，分辨率：8cm^-1扫描次数：32次，扫描范围：12000-4000cm^-1，室温：25℃-30℃，以内置背景为参照进行多次扫描，采集每一个样品的光谱数据，每个样品取两份，每份重复三次，取平均值为吸收值，获得样品集的近红外光谱，从中选取大部分样品作为校正集，用于建立光谱校正模型，剩余的样品作为验证集，用以评价模型的外推能力；测定出校正集中原材料黄芩、黄芩浸膏(一清颗粒中间体)、一清颗粒制剂质量指标含量，作为对照值，然后预处理光谱数据，NIR光谱经一阶或二阶微分、Norris导数滤波、Savitzky-Golay平滑、多元散射校正或标准正则变换等预处理，并选择波长区间，运用化学计量学中的PLS(偏最小二乘法)法建立近红外光谱多元校正模型；

3.优化和检验校正模型的性能，循环优化各建模参数，以确定最佳的参数，然后用验证集检验模型的精度准确性，评价模型性能的指标有相关系数(R)、校正集均方差(Root Mean Square Error of Calibration，RMSEC)，验证集均方差(RootMean SquareError of Validation，RMSEV)；

4.被测集样品测定，采集被测样品的近红外光谱，用建立的近红外光谱校正模型测量被测样品的含量。

实施例1：

所说的被测样品为黄芩，其原材料质量指标的测定，由以下步骤实现：

(一)、选择93个不同产地、不同采收时间采集的黄芩样品，见表1，

表1 黄芩药材产地及批数

将93个不同产地、不同采收时间采集的黄芩样品在40℃下干燥，粉碎，过100目筛，取5g过筛后的样品粉末放入石英样品杯中，混合均匀，轻轻压平，用近红外光谱的仪进行扫描，可用美国ThermoNicolet公司的6700型近红外光谱仪，光源：卤钨灯，检测器：铟镓砷(InGaSn)，附漫反射积分球，样品旋转器和石英样品杯，测样方式：积分球漫反射，分辨率：8cm^-1扫描次数：32次，扫描范围：12000-4000cm^-1，室温：25℃-30℃，以内置背景为参照进行多次扫描，采集每一个样品的光谱数据，每个样品取两份，每份重复三次，取平均值为吸收值；

(二)、黄芩药材定量检测模型的建立

1)、水分检测模型的建立

A、水分的含量测定，由于黄芩为不含或含少量的挥发性成分的药材，因此采用2005年版《中国药典》一部附录IX H水分测定法中第一法(烘干法)，把黄芩药材分别粉碎成直径不超过3mm的颗粒及碎片，备用；取黄芩样品4g，平铺于干燥至恒重的扁形称量瓶中，厚度不超过5mm，打开瓶盖在100～105℃干燥5小时，将瓶盖盖好，移置干燥器中，冷却30分钟，再在100～105℃干燥1小时，冷却，称重，至连续两次称重的差异不超过5mg为止；根据减失的重量，计算黄芩样品中含水量，结果如下表2：

表2 93份样品水分测定结果

从表2可以看出93批黄芩原药材的水分含量分布较均匀，水分含量为7.05％-17.10％，符合近红外建模的基本要求；

B、光谱数据的预处理

表6为光谱数据分析进行多种处理后模型的RMSECV和R²的比较，从表6中可以看出，对指标性成分不同的光谱预处理方法得到的RMSECV和R²有显著不同，其中以Multiplicative Scattering Correction(MSC多重散射校正)处理效果最好，MSC可以减小实验过程中样品颗粒尺寸、均匀性等因素对近红外光谱的影响，对原始光谱进行必要的预处理之后，更能真实细致地反映指标成分的光谱信息；

表6 采用PLS建模时预处理方法对RMSECV和R²的影响

C、建模谱段的选择

尽管PLS法可以处理全谱信息，但从原始近红外光谱图及表7交叉验证的结果来看，建模前对光谱波段进行筛选，可以避免引入过多冗余信息，也可避免由于波段选择较窄丢掉一些必要的信息，改善模型性能，提高计算速度，水分含量所对应的最佳波段范围为7502.2-4246.8cm^-1；

表7 光谱范围的选择对RMSECV和R²的影响

D、水分定量模型的建立

运用Bruker OPUS/QUANT2定量分析软件中PLS法进行数据处理，其中83份样品作为校正样品集，10份样品作为预测样品集，用校正样品集进行内部交叉验证RMSECV＝0.458，R²＝0.943，确定最佳主成分数为10，近红外光谱法测得值与真实值之间的绝对偏差在±1.1％之间；

E、水分定量模型的验证

从所有93份样品中任意抽出10份样品组成验证样品集，对建立的模型进行检验，结果如表8；

表8 检验集样品预测结果

由上表得知验证样品集平均绝对偏差为0.1059，平均相对偏差为2.60％，可以看出模型的建立是成功的，预测结果较为准确；

2)黄芩原药材醇浸出物检测模型的建立

A、黄芩原药材醇浸出物的测定，用《中国药典》2005年版的方法测定黄芩的醇浸出物(热浸法)，取黄芩原药材粉末2g，置100～250ml的锥形瓶中，加质量浓度为70％的乙醇50ml，称定重量，静置1小时后，连续回流冷凝管，加热至沸腾，并保持微沸1小时，放冷后，取下锥形瓶，密塞，再称定重量，用质量浓度为70％的乙醇补足减失的重量，摇匀，用干燥滤器过滤，量取过滤液25ml，置已干燥的蒸发皿中，在水浴上蒸干后，于105℃干燥3h，置干燥器中冷却30min，迅速称定重量，以干燥品计算黄芩样品中醇浸出物的含量，结果如表3：

表3 93份黄芩样品醇浸出物结果

从表3可以看出93批黄芩原药材的醇浸出物含量分布较均匀，醇浸出物含量为34.42％-56.00％，符合近红外建模的基本要求；

B、光谱数据的预处理

表9为光谱数据分析进行多种处理后模型的RMSECV和R²的比较，从表中可以看出，对指标性成分不同的光谱预处理方法得到的RMSECV和R²有显著不同，其中以Vector Normalization(矢量归一化)处理效果最好，对原始光谱进行必要的预处理之后，更能真实细致地反映指标成分的光谱信息；

表9 采用PLS建模时预处理方法对RMSECV和R²的影响

C、建模谱段的选择

用同样的PLS法处理全谱信息，但由于所测的指标性成分不同，成份的结构也不同，因此需要选择不同的波段，可以通过选择比较合适的波段，使建立的模型性能更好，因此浸出物含量所对应的最佳波段范围为11995.9-7498.4cm^-1和5450.2-4246.8cm^-1；

表10 光谱范围的选择对RMSECV和R²的影响

D、浸出物定量模型的建立

运用Bruker OPUS/QUANT2定量分析软件中PLS法进行数据处理，其中83份样品作为校正样品集，10份样品作为预测样品集，用校正样品集进行内部交叉验证RMSECV＝1.66，R²＝0.9203，确定最佳主成分数为7，近红外光谱法测得值与真实值之间的绝对偏差在-4％与3.5％之间；

E、浸出物定量模型的验证

从所有93份样品中任意抽出10份样品组成验证样品集，对建立的模型进行检验，结果如表11，

表11 检验集样品预测结果

经计算可以得到验证集平均绝对偏差为0.2814，平均相对偏差为2.11％，以看出模型的建立是成功的，预测结果较为准确；

3)、黄芩原药材中黄芩苷含量检测模型的建立

A、黄芩原药材中黄芩苷含量的测定，用《中国药典》2005年版的高效液相法方法对黄芩药材进行含量测定，色谱条件与系统适用性试验用十八烷基硅烷键合硅胶为填充剂；甲醇-水-磷酸(47∶53∶0.2)为流动相；检测波长为280nm，理论板数按黄芩苷峰计算应不低于2500，对照品溶液的制备是：称取在60℃减压干燥4小时的黄芩苷对照品适量，加甲醇制成每1ml含60μg的溶液，即得；黄芩样品溶液的制备是：取试品用的黄芩原药材粉末0.3g，称定，加质量浓度为70％的乙醇40ml，加热回流3小时，冷却后，滤过，滤液置100ml容量瓶中，用质量浓度为70％的乙醇分次洗涤容器和残渣，洗液滤入同一容量瓶中，加质量浓度为70％的乙醇至100ml，摇匀，量取1ml，置10ml容量瓶中，加甲醇至10ml，摇匀，即得；测定法是：分别吸取对照品溶液与黄芩样品溶液各10μl，注入液相色谱仪，测定，即得；测定结果如表5：

表5 93份样品的黄芩苷含量

从表5可以看出93批黄芩原药材的黄芩苷含量分布较均匀，黄芩苷含量为3.06％-20.19％，符合近红外建模的基本要求；

B、光谱数据的预处理

表10为光谱数据分析进行多种处理后模型的RMSECV和R²的比较，从表中可以看出，对指标性成分不同的光谱预处理方法得到的RMSECV和R²有显著不同，其中以MSC(多元散射校正)处理效果最好，对原始光谱进行必要的预处理之后，更能真实细致地反映指标成分的光谱信息；

表12 采用PLS建模时预处理方法对RMSECV和R²的影响

C、建模谱段的选择

采用的是近红外光谱仪自带的分析软件，它将从12000cm^-1-4000cm^-1全波段扫描，将样品的基础值与近红外光谱相结合，自动选择出合适的波段，浸出物含量所对应的最佳波段范围为7502.2-4246.8cm^-1；

表13 光谱范围的选择对RMSECV和R²的影响

D、黄芩苷定量模型的建立

运用BrukerOPUS/QUANT2定量分析软件中PLS法进行数据处理，其中83份样品作为校正样品集，10份样品作为预测样品集，用校正样品集进行内部交叉验证RMSECV＝1.29，R²＝0.9061，确定最佳主成分数为10，近红外光谱法测得值与真实值之间的绝对偏差在2.8％与-2.2％之间；

E、黄芩苷定量模型的验证

从所有93份样品中任意抽出10份样品组成检验样品集，对模型进行检验，结果如表14：

表14 检验集样品预测结果

经计算可以得到预测集平均绝对偏差为0.0995，平均相对偏差为2.47％，可以看出模型的建立是成功的，预测结果较为准确；

原料的质量控制是药品生产过程质量控制的源头，中药材的质量控制，除了实行药材GAP管理外，对于中药生产企业来说，为了保证产品质量的稳定均一，在原料投入生产前，还必须对原料药材进行整理筛选，包括药材真伪鉴别，控制药材品质，检查药材的纯度等。

本实施例中建立了基于近红外光谱分析技术对黄芩药材中黄芩苷含量、水分含量、浸出物含量的快速测定方法，研究结果表明，所建近红外光谱分析技术的快速分析方法适于黄芩药材整体质量指标的快速测定。

实施例2：所说的被测样品为黄芩浸膏(一清颗粒中间体)，其质量指标的测定由以下步骤实现：

(一)黄芩浸膏近红外光谱的采集，将60份黄芩浸膏粉碎，过100目筛，取5g过筛后的样品粉末放入石英样品杯中，混合均匀，轻轻压平，用近红外光谱的仪器进行扫描，可用美国ThermoNicolet公司的6700型近红外光谱仪，光源：卤钨灯，检测器：铟镓砷(InGaSn)，附漫反射积分球，样品旋转器和石英样品杯，测样方式：积分球漫反射，分辨率：8cm^-1扫描次数：32次，扫描范围：12000-4000cm^-1，室温：25℃-30℃，以内置背景为参照进行多次扫描，采集每一个样品的光谱数据，每个样品取两份，每份重复三次，取平均值为吸收值；

(二)黄芩浸膏定量模型的建立

1)水分检测模型的建立

A、水分的含量测定

由于黄芩浸膏为不含挥发性成分的药材，因此采用2005年版《中国药典》一部附录IXH水分测定法中第一法(烘干法)；

把黄芩浸膏粉碎，过100目筛，备用，取黄芩浸膏粉2g，平铺于干燥至恒重的扁形称量瓶中，厚度不超过5mm，打开瓶盖在100～105℃干燥5小时，将瓶盖盖好，移置干燥器中，冷却30分钟，再在100～105℃干燥1小时，冷却，称重，至连续两次称重的差异不超过5mg为止，根据减失的重量，计算黄芩浸膏中含水量(％)，水分含量测定结果如下表15：

表15 60份黄芩浸膏样品水分测定结果

从表15可以看出60批黄芩浸膏的水分含量分布较均匀，水分含量为1.8137％-7.3500％，符合近红外建模的基本要求；

B、谱图预处理方法选择

表17为光谱数据分析进行多种处理后模型的RMSECV和R²的比较，从表19中可以看出，对指标性成分不同的光谱预处理方法得到的RMSECV和R²有显著不同，其中以MSC+First Derivative处理最好，对原始光谱进行必要的预处理之后，更能真实细致地反映指标成分的光谱信息；

表17 采用PLS建模时预处理方法对RMSECV和R²的影响

C、建模谱段的选择

用同样的PLS法处理全谱信息，但由于所测的指标性成分不同，成份的结构也不同，因此需要选择不同的波段，通过选择比较合适的波段，建立的模型性能更好，以研究发现浸膏中水分含量所对应的最佳波段范围为7197.04-4481.76cm^-1；

表18 光谱范围的选择对RMSECV和R²的影响

D、浸膏中水分定量模型的建立

运用BrukerOPUS/QUANT2定量分析软件中PLS法进行数据处理，其中53份样品作为校正样品集，7份样品作为验证样品集，用校正样品集进行内部交叉验证RMSECV＝1.66，R²＝0.9203，确定最佳主成分数为7；

E、浸膏中水分定量模型的验证

从所有60份样品中任意抽出7份样品组成验证样品集，对建立的模型进行检验，结果如表19：

表19 检验集样品预测结果

经计算可以得到验证集平均绝对偏差为0.0371，平均相对偏差为1.16％，可以看出模型的建立是成功的，预测结果较为准确；

2)黄芩苷含量检测模型的建立

A、黄芩苷含量的HPLC测定

色谱条件与系统适用性试验，用十八烷基硅烷键合硅胶为填充剂，以甲醇-0.2mol/L磷酸二氢钠缓冲液(用磷酸调节pH值至2.7)(42∶58)为流动相；检测波长为275nm，理论板数按黄芩苷峰计算应不低于5000；

对照品溶液的制备，称取黄芩苷对照品12.5mg，置250ml容量瓶中，加甲醇10ml溶解，用水稀释至250ml，摇匀，即得(每1ml中含黄芩苷50μg)；

黄芩苷溶液的制备，取黄芩苷研细，取30mg，置100ml容量瓶中，加甲醇10ml，超声处理(功率250W，频率50kHz)10分钟，冷却后，加水稀释至100ml，摇匀，离心，取上清液，即得；

测定法，分别吸取对照品溶液与黄芩苷溶液各10μl，注入液相色谱仪，测定，即得；黄芩浸膏中黄芩苷含量测定结果如表16所示：

表16 60份黄芩浸膏样品黄芩苷含量测定结果

从表16可以看出60批黄芩浸膏中的黄芩苷含量分布较均匀，黄芩苷含量为8.1124％-23.6836％，符合近红外建模的基本要求；

B、光谱的预处理

在近红外光谱的采集过程中，经常会由于仪器的状态、样品状态与测量条件的差异造成近红外光谱发生细微的变化，通过对光谱进行预处理可对其予以校正，表20为用几种光谱预处理方法进行建模时的RMSECV和R²值，从表中可以看出，对指标性成分不同的光谱预处理方法得到的RMSECV和R²有显著不同，其中以Straight Line Subtraction处理效果最好，对原始光谱进行必要的预处理之后，更能真实细致地反映指标成分的光谱信息；

表20 采用PLS建模时预处理方法对RMSECV和R²的影响

C、建模谱段的选择：

从表21中的各波段对应的RMSECV和R²的值可以看出：黄芩浸膏中的黄芩苷含量所对应的最佳波段范围为6990.0-4050.0cm^-1；

表21 光谱范围的选择对RMSECV和R²的影响

D、黄芩苷定量模型的建立

运用Bruker OPUS/QUANT2定量分析软件中PLS法进行数据处理，其中53份样品作为校正样品集，7份样品作为验证样品集，用校正样品集进行内部交叉验RMSECV＝0.262，R²＝0.9944，确定最佳主成分数为10；

E、黄芩苷定量模型的验证

从所有60份样品中任意抽出7份样品组成验证样品集，对模型进行检验，结果如表22；

表22 检验集样品预测结果

经计算可以得到验证集平均绝对偏差为0.2502，平均相对偏差为1.84％，可以看出模型的建立还是成功的，近红外光谱预测值能够准确的逼近HPLC的测定值，说明近红外光谱定量模型具有良好的预测能力；

中药干浸膏质量主要的评价指标首先是其内含的有效成分含量，目前主要用HPLC法测定。如前所述，HPLC法需要大量繁琐的前处理工作、昂贵的试剂和熟练的实验人员，难以实现快速测定。此外，水分含量也是中药干浸膏质量重要的评价指标。过多水分含量不仅影响其生物活性和药用价值，还可能导致药品霉变或发生水解等，使药物的疗效减弱、储存时间缩短，因此各国药典对药品中水分的含量均有严格的控制要求现阶段最常用的水分含量测定方法是甲苯法和干燥失重法，但上述实验方法条件苛刻，过程复杂，且比较费时，近红外光谱特性稳定，信息量大，在对中药干浸膏进行整体质量评价方面有很大的潜力。尤其是水分子在近红外光谱区有一些特征性很强的倍频与合频吸收带，而其它各种分子的倍频与合频吸收相对较弱，这使近红外光谱分析技术在对干浸膏中的水分含量进行精确检测方面具有优势。

本实施例建立了基于近红外光谱分析技术对黄芩干浸膏中黄芩苷含量、水分含量快速测定方法。研究结果表明，所建近红外光谱分析技术的快速分析方法适于黄芩干浸膏整体质量指标的快速测定。

实施例3：所说的被测样品为一清颗粒制剂，其质量指标的测定由以下步骤实现：

(一)一清颗粒近红外光谱的采集，将50份自制不同处方量的一清颗粒样品粉碎，过80目筛，取5g过筛后的样品粉末，放入石英样品杯中，混合均匀，轻轻压平，用近红外光谱仪进行扫描，可用美国ThermoNicolet公司的6700型近红外光谱仪，光源：卤钨灯，检测器：铟镓砷(InGaSn)，附漫反射积分球，样品旋转器和石英样品杯)，测样方式：积分球漫反射，分辨率：8cm^-1扫描次数：32次，扫描范围：12000-4000cm^-1，室温：25℃-30℃，以内置背景为参照进行多次扫描，采集每一个样品的光谱数据，每个样品取两份，每份重复三次，取平均值为吸收值；

(二)一清颗粒制剂定量模型的建立

1)、一清颗粒中黄芩苷的含量检测模型的建立

A、一清颗粒中黄芩苷的含量测定，色谱条件与系统适用性试验，用十八烷基硅烷键合硅胶为填充剂，以甲醇-0.2mol/L磷酸二氢钠缓冲液(用磷酸调节pH值至2.7)(42∶58)为流动相；检测波长为275nm，理论板数按黄芩苷峰计算应不低于5000；对照品溶液的制备是，称取黄芩苷对照品是12.5mg，置250ml量瓶中，加甲醇10ml溶解，用水稀释至250ml，摇匀，即得(每1ml中含黄芩苷50μg)；一清颗粒样品溶液的制备是，取一清颗粒样品，研细，取0.75g，置100ml量瓶中，加甲醇10ml，超声处理(功率250W，频率50kHz)10分钟，冷却，加水稀释至100ml，摇匀，离心，取上清液，即得；测定法是，分别吸取对照品溶液与一清颗粒样品溶液各10μl，注入液相色谱仪，测定，即得；一清颗粒样品每袋含黄芩以黄芩苷(C21H18011)计，不得少于21mg；一清颗粒中黄芩苷含量测定结果如表23所示：

表23 50份-清颗粒样品黄芩苷含量测定结果

从表23可以看出50份一清颗粒样品中的黄芩苷含量分布较均匀，范围较大，为0.14％-1.4451％，符合近红外建模的基本要求；

B、谱图预处理

对扫描得到的原始光谱进行光谱处理，进行平滑，一阶和二阶导数处理，以消除噪音和基线飘移的影响，最后转化为化学计量学软件能够识别的数据格式；不同预处理方法对一清颗粒定量模型的建立有一定的影响，经过优选后最终建立最佳校正模型；如下所示，最佳预处理方法为：First Derivative+Msc；

表24：不同预处理方法对一清颗粒定量模型的影响

C、建模谱段的选择

确定最佳建模波段，如下表所示，最佳建模谱段为：6749.63～4987.02cm^-1；

表25：不同谱区范围对一清颗粒定量模型的影响

在化学计量学软件中，将经过处理后的光谱数据与标准方法得到的各指标参考数据进行关联，一一对应，采用偏最小二乘法(PLS)，用化学计量学软件建立定量模型，RMSECV值随着主因子数的增加，校正模型性能的提高后逐渐减小，综合考虑校正模型所采用的主因子数为15；

D、预测待测一清颗粒样本中未知黄芩苷的含量：

对于待测的一清颗粒样品，只需将待测的一清颗粒样品，按上述的条件扫描其近红外光谱图，经过相应光谱预处理和谱区的选择，这些都与校正模型光谱特征的提取一样，把光谱特征输入到校正模型，经过校正模型的测定即得到该一清颗粒中黄芩苷的含量；

表26 十批样品的预测结果：

经计算可以得到预测集平均绝对偏差为-0.00239，平均相对偏差为3.28％，可以看出模型的建立成功，近红外光谱预测值能够准确的逼近HPLC的测定值，说明近红外光谱定量模型具有良好的预测能力；

制粒过程的质量控制是药品生产过程质量控制的关键所在，为了保证包装前产品质量的合格，稳定均一，在产品包装前，还必须中间体颗粒进行测定。

本实施例建立了基于近红外光谱分析技术对一清颗粒含量的快速测定方法。研究结果表明，所建近红外光谱分析技术的快速分析方法适于一清颗粒中黄芩苷含量的快速测定。

总之，本发明最大一长处是可以在整个中药行业实现数据资源的共享，虽然基础数据必须来源于经典的化学方法，但一旦建立好预测模型，可以节省大量重复工作，从而实现中药质量的数字化管理，以后的分析将是无损的，并且快捷，可在极短的时间内对固体和液体进行分析，这种分析是建立在待测样品已有近红外分析模型系统的基础之上。通过采集样品的光谱数据和标准光谱数据进行对比判定原料是否达到生产要求；如果与标准一致，则顺利进行生产；若达不到则需要进行调整。整个分析过程实现了时间同步和地点原位、无损的特点，使近红外光谱分析技术的研究与应用向前迈进一大步，它将推动中药现代化进程，一清颗粒生产过程中的质量检测工作一直是实验室进行测定，无法在生产线上进行及时测定，成本高，速度慢，大大影响生产效率和进度，甚而造成巨大的资源浪费，其如何有效进行一清颗粒中各指标性成分的测定一直是一个生产的技术难题，本发明运用现代技术解决了这一难题，结合具体情况，创造性的将建立模型与及红外光谱软件相结合实现了对各指标性成分含量的测定，保证了一清颗粒的生产与质量，意义巨大。本发明方法利用近红外光谱用于中药的快速定量分析方法不仅可在实验室内应用，其创新点是可以实时现场或在线分析，可用于中成药生产过程中的在线质量监测，对控制中成药的质量发挥了重要作用，提高了中成药分析检测技术水平，适应了中药现代化的需要，建立一种快速、简便、能够实时在线检测的分析方法，解决了传统定量分析中样品需要化学前处理，操作复杂等问题，大大提高了工作效率，降低运行成本，是药品的生产及检测上的一大创造。