CN117074321A - 一种基于红外光信息智能手机的提取液化学成分检测方法 - Google Patents
一种基于红外光信息智能手机的提取液化学成分检测方法 Download PDFInfo
- Publication number
- CN117074321A CN117074321A CN202311029433.5A CN202311029433A CN117074321A CN 117074321 A CN117074321 A CN 117074321A CN 202311029433 A CN202311029433 A CN 202311029433A CN 117074321 A CN117074321 A CN 117074321A
- Authority
- CN
- China
- Prior art keywords
- extracting solution
- smart phone
- chemical components
- detecting
- color component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000126 substance Substances 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims description 29
- 230000003287 optical effect Effects 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 239000003814 drug Substances 0.000 claims abstract description 31
- 238000013178 mathematical model Methods 0.000 claims abstract description 8
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000004807 localization Effects 0.000 abstract description 2
- 239000000243 solution Substances 0.000 description 46
- IPQKDIRUZHOIOM-UHFFFAOYSA-N Oroxin A Natural products OC1C(O)C(O)C(CO)OC1OC(C(=C1O)O)=CC2=C1C(=O)C=C(C=1C=CC=CC=1)O2 IPQKDIRUZHOIOM-UHFFFAOYSA-N 0.000 description 24
- IKIIZLYTISPENI-ZFORQUDYSA-N baicalin Chemical compound O1[C@H](C(O)=O)[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1OC(C(=C1O)O)=CC2=C1C(=O)C=C(C=1C=CC=CC=1)O2 IKIIZLYTISPENI-ZFORQUDYSA-N 0.000 description 24
- 229960003321 baicalin Drugs 0.000 description 24
- AQHDANHUMGXSJZ-UHFFFAOYSA-N baicalin Natural products OC1C(O)C(C(O)CO)OC1OC(C(=C1O)O)=CC2=C1C(=O)C=C(C=1C=CC=CC=1)O2 AQHDANHUMGXSJZ-UHFFFAOYSA-N 0.000 description 24
- HIMJIPRMECETLJ-UHFFFAOYSA-N Wogonin Natural products COc1cc(O)c(O)c2C(=O)C=C(Oc12)c3ccccc3 HIMJIPRMECETLJ-UHFFFAOYSA-N 0.000 description 23
- 230000000694 effects Effects 0.000 description 23
- XLTFNNCXVBYBSX-UHFFFAOYSA-N wogonin Chemical compound COC1=C(O)C=C(O)C(C(C=2)=O)=C1OC=2C1=CC=CC=C1 XLTFNNCXVBYBSX-UHFFFAOYSA-N 0.000 description 23
- 238000000605 extraction Methods 0.000 description 16
- 238000002474 experimental method Methods 0.000 description 15
- 230000000052 comparative effect Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 11
- 241000202726 Bupleurum Species 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- SNKFFCBZYFGCQN-UHFFFAOYSA-N 2-[3-[3-[1-carboxy-2-(3,4-dihydroxyphenyl)ethoxy]carbonyl-2-(3,4-dihydroxyphenyl)-7-hydroxy-2,3-dihydro-1-benzofuran-4-yl]prop-2-enoyloxy]-3-(3,4-dihydroxyphenyl)propanoic acid Chemical compound C=1C=C(O)C=2OC(C=3C=C(O)C(O)=CC=3)C(C(=O)OC(CC=3C=C(O)C(O)=CC=3)C(O)=O)C=2C=1C=CC(=O)OC(C(=O)O)CC1=CC=C(O)C(O)=C1 SNKFFCBZYFGCQN-UHFFFAOYSA-N 0.000 description 6
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 6
- SNKFFCBZYFGCQN-VWUOOIFGSA-N Lithospermic acid B Natural products C([C@H](C(=O)O)OC(=O)\C=C\C=1C=2[C@H](C(=O)O[C@H](CC=3C=C(O)C(O)=CC=3)C(O)=O)[C@H](OC=2C(O)=CC=1)C=1C=C(O)C(O)=CC=1)C1=CC=C(O)C(O)=C1 SNKFFCBZYFGCQN-VWUOOIFGSA-N 0.000 description 6
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 6
- STCJJTBMWHMRCD-UHFFFAOYSA-N salvianolic acid B Natural products OC(=O)C(Cc1ccc(O)c(O)c1)OC(=O)C=Cc2cc(O)c(O)c3OC(C(C(=O)OC(Cc4ccc(O)c(O)c4)C(=O)O)c23)c5ccc(O)c(O)c5 STCJJTBMWHMRCD-UHFFFAOYSA-N 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- DWDGSKGGUZPXMQ-UHFFFAOYSA-N OPPO Chemical compound OPPO DWDGSKGGUZPXMQ-UHFFFAOYSA-N 0.000 description 4
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 239000013558 reference substance Substances 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 239000006228 supernatant Substances 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- PAFLSMZLRSPALU-MRVPVSSYSA-N (2R)-3-(3,4-dihydroxyphenyl)lactic acid Chemical compound OC(=O)[C@H](O)CC1=CC=C(O)C(O)=C1 PAFLSMZLRSPALU-MRVPVSSYSA-N 0.000 description 3
- 235000011135 Salvia miltiorrhiza Nutrition 0.000 description 3
- PAFLSMZLRSPALU-UHFFFAOYSA-N Salvianic acid A Natural products OC(=O)C(O)CC1=CC=C(O)C(O)=C1 PAFLSMZLRSPALU-UHFFFAOYSA-N 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 244000132619 red sage Species 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 240000007164 Salvia officinalis Species 0.000 description 2
- 229910000147 aluminium phosphate Inorganic materials 0.000 description 2
- 238000004587 chromatography analysis Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000004811 liquid chromatography Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 235000005412 red sage Nutrition 0.000 description 2
- 239000012088 reference solution Substances 0.000 description 2
- 239000012488 sample solution Substances 0.000 description 2
- 229930189533 tanshinol Natural products 0.000 description 2
- 238000004704 ultra performance liquid chromatography Methods 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 241000756943 Codonopsis Species 0.000 description 1
- 241000007126 Codonopsis pilosula Species 0.000 description 1
- 244000303040 Glycyrrhiza glabra Species 0.000 description 1
- 235000006200 Glycyrrhiza glabra Nutrition 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 240000004534 Scutellaria baicalensis Species 0.000 description 1
- 235000017089 Scutellaria baicalensis Nutrition 0.000 description 1
- 240000008866 Ziziphus nummularia Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 238000012569 chemometric method Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000010828 elution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- LPLVUJXQOOQHMX-QWBHMCJMSA-N glycyrrhizinic acid Chemical compound O([C@@H]1[C@@H](O)[C@H](O)[C@H](O[C@@H]1O[C@@H]1C([C@H]2[C@]([C@@H]3[C@@]([C@@]4(CC[C@@]5(C)CC[C@@](C)(C[C@H]5C4=CC3=O)C(O)=O)C)(C)CC2)(C)CC1)(C)C)C(O)=O)[C@@H]1O[C@H](C(O)=O)[C@@H](O)[C@H](O)[C@H]1O LPLVUJXQOOQHMX-QWBHMCJMSA-N 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 235000011477 liquorice Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- -1 polytetrafluoroethylene Polymers 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013076 target substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/40—Concentrating samples
- G01N1/4055—Concentrating samples by solubility techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/40—Concentrating samples
- G01N1/4055—Concentrating samples by solubility techniques
- G01N2001/4061—Solvent extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了涉及制药工业检测技术领域,具体为一种基于红外光信息智能手机的提取液化学成分检测方法,包括S1:使用无滤光片的智能手机检测中药提取液;S2:获取中药提取液的颜色分量数据;S3:建立提取液颜色分量数据与提取液中化学成分含量的数学模型M;S4:使用无滤光片的智能手机检测新的中药提取液,采用S2步骤获得新提取液的颜色分量,将颜色分量数据代入所建好的模型M中,计算获得新提取液中的化学成分含量。本发明大大减少了制药工业中提取液的检测成本,有利于实现检测设备国产化,解决进口仪器价格昂贵,进而出现检测设备成本高于提取设备成本的不合理现象。且通过智能手机通讯功能有望实现实时传输数据用于云端分析。
Description
技术领域
本发明涉及制药工业检测技术领域,具体为一种基于红外光信息智能手机的提取液化学成分检测方法。
背景技术
实施智能制造已经成为中药工业高质量发展的必然趋势。为了实现智能制造“信息深度自感知、智慧优化自决策、精准控制自执行”等功能,有必要全面感知制药过程“人机料法环”的各种特征。
提取是中成药生产前处理中非常重要的工序,其主要目的是获得药材中的目标物质,方便制剂或有利于更好发挥中药效果。提取时间过长,会导致蒸汽或电力等的能耗增加;提取时间不足,又会导致目标成分的溶出不完全。因此,对于提取液化学成分的检测十分重要。
由于提取液中化学成分快速检测的难度较大,所以目前大部分中药企业并没有检测提取液中化学成分。少量先进中药企业采用近红外光谱仪快速检测提取液中化学成分含量,也有使用拉曼光谱进行检测的报道。但目前中药制药企业普遍反映进口分析仪器昂贵(经常超过50万/台)的问题,甚至出现进口检测设备价格远高于提取设备的本末倒置情况。
因此,为了降低中药企业实施智能制造的成本,推动中药制造升级换代,亟需开发一种成本低廉的中药提取液快速检测方法。
发明内容
为避免现有技术存在的上述问题,本发明的目的在于提供一种基于红外光信息智能手机的提取液化学成分检测方法。
为实现上述目的,本发明提供了如下技术方案:一种基于红外光信息智能手机的提取液化学成分检测方法,包括以下步骤:
S1:使用无滤光片的智能手机检测中药提取液;
S2:获取中药提取液的颜色分量数据;
S3:建立提取液颜色分量数据与提取液中化学成分含量的数学模型M;
S4:使用无滤光片的智能手机检测新的中药提取液,采用S2步骤获得新提取液的颜色分量,将颜色分量数据代入所建好的模型M中,计算获得提取液中化学成分含量。
本发明进一步设置为:步骤S1中所述的用无滤光片的智能手机检测中药提取液,是指使用无滤光片的智能手机拍摄待检测中药提取液的照片。
本发明进一步设置为:步骤S2中所述的颜色分量为照片像素点的R/G/B值。
本发明进一步设置为:步骤S2具体为,读取步骤S1中拍摄的待检测中药提取液的照片,获得所有像素点的R/G/B值;对照片中的像素点进行切割,除去不属于提取液的像素点;对剩余像素点的R/G/B值取均值;所得R/G/B均值作为提取液的颜色分量数据。
本发明进一步设置为:步骤S3中所建立的数学模型里,提取液的颜色分量数据为自变量,提取液化学成分含量为因变量;该数学模型用于新提取液中化学成分含量的预测。
本发明进一步设置为:步骤S3中,将提取液的检测数据与化学成分进行建模时,采用的建模方法为多项式回归法。
本发明的原理是:常规智能手机的摄像头有滤光片,能够滤去红外光,选择性采集可见光,使得拍摄所得照片和人肉眼所见更为接近。当智能手机的摄像头上没有滤光片时,摄像头能采集的光信息中不仅包含可见光,还包括红外光。中药体系中常见的化学成分往往含有C-H,O-H,N-H等化学键,这些化学键的振动信息体现于红外光谱区,尤其是近红外光谱区。所以,采用摄像头上没有滤光片的智能手机进行拍照,相比常规摄像头的智能手机,可以采集到样品的更多有用信息。
综上,本发明的上述技术方案的有益效果如下:
1、本发明利用智能手机的拍摄功能代替近红外光谱仪等仪器的检测功能,大大减少了制药工业中的检测成本,有利于实现分析设备的国产化替代,解决进口仪器成本高的问题。
2、智能手机体积小,便于安装于工业管线上,有望使提取液的检测更为快速和便捷,也更容易集成到工业设备中实现在线检测。
3、智能手机具有通讯功能,有望实现工业数据在线检测后实时传输到云端分析等功能。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明总体流程图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案,下面结合本发明的附图,对本发明的技术方案进行清楚、完整的描述,基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例,都应当属于本申请保护的范围。
下面结合附图和较佳的实施例对本发明作进一步说明。
实施例1:
如图1所示,为本发明较佳实施例,一种基于红外光信息智能手机的提取液化学成分检测方法,包括以下步骤:
智能手机CMOS的感光度范围一般是380~780nm之间,手机摄像头的红外滤光片一般可过滤掉700nm之外的红外光。如果将手机摄像头的红外滤光片拆除后,那么红外光也会参与到智能手机图像信号处理(ISP)的计算当中。因此,将智能手机摄像头的红外滤光片拆除后,可采集到部分的红外光。
S1:使用无滤光片的智能手机检测中药提取液。
本实施例是基于可采集红外光的智能手机检测小柴胡汤五味药材提取液的化学成分,该对象为中药复方的提取液。2020版中国药典1部中小柴胡汤对应的中药制剂有小柴胡胶囊、小柴胡片、小柴胡颗粒等,其中均有柴胡、黄芩、大枣、甘草、党参等五味药材的煎煮提取过程。该实施例是一个应用于中药复方的例子。
首先,需提取待检测中药提取液,包括:
小柴胡汤五味药材的提取:称取柴胡44.5g、黄芩16.7g、大枣16.7g、甘草12.2g、党参12.2g,总量共计102.3g药材,加水煎煮两次,每次1.5小时,提取过程中,每隔10min取样10mL,并对样品进行编号。
本实施例中样品检测在搭建的检测环境为一盒体,将不同提取时间下得到的煎煮液冷却至室温,于4500rpm条件下离心10min,取4mL上清液加入采样杯中,将采样杯放入盒体中,将无滤光片的VIVO智能手机(Y66型号,1300万像素)置于手机卡槽内进行固定,对提取液进行照片采集。
S2:对照片进行处理,获取提取液的颜色分量;
通过手机蓝牙将照片传输至电脑端,使用自编程序对照片进行处理,读取待检测照片,获得所有像素点的R/G/B值;对照片中的像素点进行切割,除去不属于提取液的像素点;对剩余像素点的R/G/B值取均值作为提取液的颜色分量数据。
S3:建立提取液颜色分量数据与提取液中化学成分含量的数学模型M。
首先,需要应用化学计量学方法对提取液化学成分进行分析,包括:
液相色谱检测:将不同提取时间下得到的煎煮液冷却至室温,各取1.5mL,于12000rpm条件下离心10min,取上清液,即得供试品溶液。分别精密称定黄芩苷和汉黄芩苷对照品适量,置于5mL容量瓶中,用70%甲醇溶解并定容,摇匀,制成混合对照品溶液;逐级稀释后,得到系列浓度的混合对照品溶液用于建立标准曲线。
使用以下UPLC色谱方法进行检测:HSS T3色谱柱(100mm×2.1mm,1.8μm),进样量为3μL,使用乙腈(B)-0.05%磷酸水(A)流动相体系,流动相流速0.3mL/min,色谱柱温度30℃,检测波长为254nm,洗脱条件为0-11min,17-20%B;11-15min,20-25%B;15-31min,25-36%B;31-34min,36-37%B;34-40min,37-43%B;40-45min,43-80%B;45-50min,80%B。
其次,对照片的R/G/B数据与黄芩苷和汉黄芩苷的含量进行建模得到模型M,采用Linear模型,Linear模型见公式(1),通过逐步回归法简化模型,其中添加项和去除项的显著水平均设置为0.10。将以上实验重复三次。三次实验得到黄芩苷的建模结果R2分别为0.9533、0.9321和0.9781,三次实验得到汉黄芩苷的建模结果R2分别为0.9526、0.9262和0.9782,说明在三次提取实验中模型的拟合均较好,能解释大部分的变异。
Y=a0+a1R+a2G+a3B (1)
其中,a0为截距,a1到a3均为偏回归系数。
模型的R2越高,说明模型拟合效果越好。三次实验中均为无滤光片的智能手机建模结果的R2更高,证明了无滤光片的智能手机能够采集到更多的红外光信息,使得建模效果更好,有理由期望获得更好的预测能力。各模型的显著水平P值<0.0001,说明模型显著。
S4:使用无滤光片的智能手机检测新的中药提取液,采用S2步骤获得新提取液的颜色分量,将颜色分量数据代入所建好的模型M中,计算获得新提取液中的化学成分含量。
新提取液样品的制备同S1,获取颜色分量的步骤同S2,应用化学计量学的方法对新提取液的含量进行检测,得到黄芩苷含量的实测值,将新提取液的颜色分量代入S3所建立的模型中得到预测值,使用平均相对偏差(average relative deviation,ARD)来表示实测值与预测值之间的偏差,ARD的计算方法如公式(2)所示,得到黄芩苷的ARD为4.10%;得到汉黄芩苷的ARD为2.66%。以上结果,说明该模型较为可靠,预测能力较好。
对比例1:
基于实施例1设置对比例1,研究普通智能手机对于小柴胡汤五味药材提取液化学成分的检测效果。
研究本发明所涉及的智能手机摄像头上有无滤光片的差别,与实施例1相比,区别仅在于步骤S2中的照片采集的环节,使用含有滤光片的普通同款智能手机的原相机对提取液进行照片采集,实验数据处理方法同实施例1,三次实验得到黄芩苷的建模结果R2分别为0.8034、0.8306和0.6968,三次实验得到汉黄芩苷的建模结果R2分别为0.8023、0.8254和0.6911。三次对比实验结果发现,使用无红外滤光片的智能手机的建模效果均优于普通智能手机的建模效果。将新提取液的颜色分量数据代入所建好的模型中,计算得到的新提取液中的黄芩苷和汉黄芩苷含量的预测值与实测值之间的ARD分别为49.70%和57.33%。
通过实施例1和对比例1的对比实验结果说明,无滤光片的智能手机能够采集到更多有用的光谱信息且预测效果显著优于普通的智能手机。
实施例2:
基于不同品牌型号或不同像素的无滤光片的智能手机检测小柴胡汤五味药材提取液的化学成分。
实施例2步骤与实施例1相同,区别仅在于照片采集的环节,分别使用无滤光片的VIVO智能手机(Y66型号,1300万像素)、无滤光片的OPPO智能手机(R9s型号,1600万像素)和无滤光片的华为智能手机(nova3型号,1600万像素+2400万像素)对提取液进行照片采集。
数据处理方法同实施例1,三种无滤光片的智能手机得到黄芩苷的建模结果R2分别为0.9321、0.9118和0.8416,得到汉黄芩苷的建模结果R2分别为0.9262、0.9058和0.8361,说明使用不同型号的智能手机得到的模型的建模效果均较好,能解释大部分的变异。各模型的显著水平P值<0.0001,说明模型显著。将新提取液的数据代入三种无滤光片的智能手机的模型中,VIVO智能手机模型对于黄芩苷预测值与实际值的ARD为4.10%,对于汉黄芩苷预测值与实际值的ARD为4.09%;OPPO智能手机模型对于黄芩苷预测值与实际值的ARD为1.56%,对于汉黄芩苷预测值与实际值的ARD为0.06%;华为智能手机模型对于黄芩苷预测值与实际值的ARD为2.20%,对于汉黄芩苷预测值与实际值的ARD为6.32%。以上结果说明,使用三种无滤光片的智能手机得到的模型均较为可靠,预测效果较好。
对比例2:
研究不同品牌型号/不同像素的普通智能手机对于小柴胡汤五味药材提取液化学成分的检测效果
对比例2步骤与实施例1相同,区别仅在于照片采集的环节,分别使用含有滤光片的普通VIVO智能手机(Y66型号,1300万像素)、含有滤光片的普通OPPO智能手机(R9s型号,1600万像素)和含有滤光片的普通华为智能手机(nova3型号,1600万像素+2400万像素)对提取液进行照片采集。
数据处理方法同实施例1,三种不同型号的智能手机得到黄芩苷的建模结果R2分别为0.8306、0.8688和0.7764,得到汉黄芩苷的建模结果R2分别为0.8254、0.8650和0.7585。将新提取液的数据代入三种无滤光片的智能手机的模型中,VIVO智能手机模型对于黄芩苷预测值与实际值的ARD为49.70%,对于汉黄芩苷预测值与实际值的ARD为57.33%;OPPO智能手机模型对于黄芩苷预测值与实际值的ARD为22.12%,对于汉黄芩苷预测值与实际值的ARD为23.69%;华为智能手机模型对于黄芩苷预测值与实际值的ARD为8.12%,对于汉黄芩苷预测值与实际值的ARD为8.40%。以上结果说明,普通智能手机模型的预测能力较差。
通过实施例2和对比例2的对比实验结果发现,在三种不同品牌型号或不同像素的普通智能手机的条件下,无滤光片的智能手机的建模效果均优于对应普通智能手机的建模效果,滤光片的智能手机的预测效果均优于对应普通智能手机的预测效果
对比实验结果说明,在不同品牌型号的智能手机上,无滤光片的智能手机采集到了更多的光谱信息,使建模效果更好。
实施例3:
研究不同建模方式对无滤光片的智能手机检测小柴胡汤五味药材提取液的化学成分的建模效果的影响。
步骤与实施例1相同,区别仅在于数据处理的环节,分别使用仅包含一次项的Linear模型和包含一次项与交互项的2FI模型,2FI模型见公式(3),对照片的R/G/B数据与黄芩苷和汉黄芩苷的含量进行建模,通过逐步回归法简化模型,其中添加项和去除项的显著水平均设置为0.10。
Y=a0+a1R+a2G+a3B+a4RG+a5RB+a6GB (3)
其中,a0为截距,a1到a6均为偏回归系数。
使用Linear模型和2FI模型分别进行建模,得到黄芩苷的建模结果R2分别为0.9321和0.9364,得到汉黄芩苷的建模结果R2分别为0.9262和0.9307,说明在使用不同的模型进行建模时模型的拟合均较好,能解释大部分的变异。各模型的显著水平P值<0.0001,说明模型显著。将新提取液的数据代入Linear模型和2FI模型中,Linear模型对于黄芩苷预测值与实际值的ARD为4.10%,对于汉黄芩苷预测值与实际值的ARD为4.09%;2FI模型对于黄芩苷预测值与实际值的ARD为4.10%,对于汉黄芩苷预测值与实际值的ARD为5.01%。以上结果说明,在用三种无滤光片的智能手机拍摄时,使用不同的建模方式进行建模,得到的模型均较为可靠,预测效果较好。
对比例3:
研究不同建模方式对普通智能手机检测小柴胡汤五味药材提取液化学成分的建模效果的影响
与实施例1相比,区别仅在于照片采集和数据处理的环节,使用含有滤光片的普通智能手机的原相机对提取液进行照片采集,同时考察不同的建模方式对建模效果的影响。分别使用仅包含一次项的Linear模型和包含一次项与交互项的2FI模型对照片的R/G/B数据与黄芩苷和汉黄芩苷的含量进行建模,通过逐步回归法简化模型,其中添加项和去除项的显著水平均设置为0.10。
使用Linear模型和2FI模型分别进行建模,得到黄芩苷的建模结果R2分别为0.8306和0.8797,得到汉黄芩苷的建模结果R2分别为0.8254和0.8756。对比实验结果发现,使用普通的智能手机采集照片时,通过不同的建模方式对照片的R/G/B数据与黄芩苷和汉黄芩苷的含量进行建模,无滤光片的智能手机的模型R2均高于普通智能手机的模型R2。将新提取液的数据代入Linear模型和2FI模型中,Linear模型对于黄芩苷预测值与实际值的ARD为49.70%,对于汉黄芩苷预测值与实际值的ARD为57.33%;2FI模型对于黄芩苷预测值与实际值的ARD为57.49%,对于汉黄芩苷预测值与实际值的ARD为56.70%。
通过实施例3和对比例3对比实验结果说明,在不同的建模方式下,无滤光片的智能手机的建模效果均优于普通的智能手机的建模效果。进一步证明了,无滤光片的智能手机能够采集到更多的光谱信息,使建模效果更好。
实施例4:
本实施例将本发明所述方法应用于检测丹参饮片提取液的化学成分。该实施例是一个应用于中药单方的例子。
丹参的提取:称取丹参饮片50g,加水煎煮2小时,提取过程中,自加水后至沸腾前20分钟,每隔5min取样10mL,剩余100分钟内每10min取样10mL,并对样品进行编号。
液相色谱检测:将不同提取时间下得到的煎煮液冷却至室温,各取1.5mL,于12000rpm条件下离心10min,取上清液,即得供试品溶液。分别精密称定丹参钠和丹酚酸B对照品适量,置于5mL容量瓶中,用20%甲醇溶解并定容,摇匀,制成混合对照品溶液;逐级稀释后,得到系列浓度的混合对照品溶液用于建立标准曲线。使用以下UPLC色谱方法进行检测:HSS T3色谱柱(100mm×2.1mm,1.8μm),进样量为3μL,使用乙腈(B)-0.05%磷酸水(A)流动相体系,流动相流速0.4mL/min,色谱柱温度30℃,检测波长为280nm,洗脱条件为0~4min,8~13%B;4~4.5min,13~16%B;4.5~29min,16~18%B;29~47min,18~35%B;47~47.1min,35~80%B;47.1~50min,80%B。
照片采集:将不同提取时间下得到的煎煮液冷却至室温,于4500rpm条件下离心10min,取4mL上清液加入聚四氟乙烯采样杯中,将采样杯放入3D打印的取色盒中,将无滤光片的智能手机置于手机卡槽内进行固定,对提取液进行照片采集。
照片与数据处理:通过手机蓝牙将照片传输至电脑端,使用自编程序对照片进行处理,获得照片的R/G/B数据。对照片的R/G/B数据与丹参素和丹酚酸B的含量进行建模,采用2FI模型,通过逐步回归法简化模型,其中添加项和去除项的显著水平均设置为0.10。
得到丹参素的建模结果R2为0.8363,得到丹酚酸B的建模结果R2为0.9567,说明模型的拟合均较好,能解释大部分的变异。各模型的显著水平P值<0.0001,说明模型显著。将新提取液的颜色分量数据代入所建好的模型中,计算得到的新提取液中的丹参素和丹酚酸B含量的预测值与实测值之间的ARD分别为0.71%和5.97%。以上结果,说明该模型较为可靠,预测能力较好。
对比例4:
研究普通智能手机对于丹参饮片提取液化学成分的检测效果
研究本发明所涉及的智能手机摄像头上有无滤光片的差别,步骤与实施例4相同,与实施例4相比,区别仅在于照片采集的环节,使用无滤光片的同款智能手机的原相机对提取液进行照片采集。数据处理方法同实施例4,得到丹参素的建模结果R2为0.6194,得到丹酚酸B的建模结果R2为0.9231。将新提取液的颜色分量数据代入所建好的模型中,计算得到的新提取液中的丹参素和丹酚酸B含量的预测值与实测值之间的ARD分别为94.89%和12.70%,说明该模型不稳定、预测能力较差。对比实验结果发现,使用无滤光片的智能手机的建模效果均优于普通智能手机的建模效果。
通过实施例4和对比例4对比实验结果说明,在丹参体系上,同样证明了,无滤光片的智能手机采集到了更多的光谱信息,预测效果准确,相比常规智能手机检测更优。
综上,本发明相较于已有检测手段,大大降低了检测成本,实现国产替代,解决进口仪器“卡脖子”的问题,在便携性上也有明显改进与提高。此外,利用智能手机具有通讯功能的特点,有望能够实现在线检测、数据传输和云端分析等,具有良好工业应用前景。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于红外光信息智能手机的提取液化学成分检测方法,其特征在于,包括以下步骤:
S1:使用无滤光片的智能手机检测中药提取液;
S2:获取中药提取液的颜色分量数据;
S3:建立提取液颜色分量数据与提取液中化学成分含量的数学模型M;
S4:使用无滤光片的智能手机检测新的中药提取液,采用S2步骤获得新提取液的颜色分量,将颜色分量数据代入所建好的模型M中,计算获得新提取液中的化学成分含量。
2.根据权利要求1所述的一种基于红外光信息智能手机的提取液化学成分检测方法,其特征在于,步骤S1中所述的用无滤光片的智能手机检测中药提取液,是指使用无滤光片的智能手机拍摄待检测中药提取液的照片。
3.根据权利要求1所述的一种基于红外光信息智能手机的提取液化学成分检测方法,其特征在于,步骤S2中所述的颜色分量为照片中像素点的R/G/B值。
4.根据权利要求2所述的一种基于红外光信息智能手机的提取液化学成分检测方法,其特征在于,步骤S2具体为,读取步骤S1中拍摄的待检测中药提取液的照片,获得所有像素点的R/G/B值;对照片中的像素点进行切割,除去不属于提取液的像素点;对剩余像素点的R/G/B值取均值;所得R/G/B均值作为提取液的颜色分量数据。
5.根据权利要求1所述的一种基于红外光信息智能手机的提取液化学成分检测方法,其特征在于,步骤S3中所建立的数学模型里,提取液的颜色分量数据为自变量,提取液化学成分含量为因变量;该数学模型用于新提取液中化学成分含量的预测。
6.根据权利要求1所述的一种基于红外光信息智能手机的提取液化学成分检测方法,其特征在于,步骤S3中,将提取液的检测数据与化学成分进行建模时,采用的建模方法为多项式回归法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311029433.5A CN117074321A (zh) | 2023-08-15 | 2023-08-15 | 一种基于红外光信息智能手机的提取液化学成分检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311029433.5A CN117074321A (zh) | 2023-08-15 | 2023-08-15 | 一种基于红外光信息智能手机的提取液化学成分检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117074321A true CN117074321A (zh) | 2023-11-17 |
Family
ID=88718854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311029433.5A Pending CN117074321A (zh) | 2023-08-15 | 2023-08-15 | 一种基于红外光信息智能手机的提取液化学成分检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117074321A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140296112A1 (en) * | 2010-09-09 | 2014-10-02 | Dublin City University | Optical testing system |
CN204258901U (zh) * | 2014-04-15 | 2015-04-08 | 深圳市中科微光医疗器械技术有限公司 | 用于移动终端的手掌静脉识别装置和包括它的智能手机 |
CN205986976U (zh) * | 2015-10-05 | 2017-02-22 | 西安欧亿信息技术有限公司 | 一种红外光源前置手机 |
CN107991300A (zh) * | 2017-11-17 | 2018-05-04 | 西南大学 | 一种基于手机拍照功能的甘薯β-胡萝卜素含量快速检测方法 |
CN108593567A (zh) * | 2018-05-02 | 2018-09-28 | 江南大学 | 基于智能手机的食品质量检测方法及*** |
CN109297926A (zh) * | 2018-08-16 | 2019-02-01 | 山东沃华医药科技股份有限公司 | 一种丹参提取液的近红外在线检测方法 |
CN110487737A (zh) * | 2019-09-26 | 2019-11-22 | 清华苏州环境创新研究院 | 用于智能手机光谱检测的图像信息提取与计算方法及*** |
CN112461806A (zh) * | 2020-11-18 | 2021-03-09 | 厦门大学 | 基于智能手机的荧光光谱检测方法 |
CN213342416U (zh) * | 2020-11-24 | 2021-06-01 | 吉林省春曦光电科技有限公司 | 一种手机外置无线网络近红外微小摄像头装置 |
CN213812592U (zh) * | 2020-11-20 | 2021-07-27 | 华东师范大学 | 一种手机频闪的多光谱成像装置 |
WO2022000243A1 (zh) * | 2020-06-30 | 2022-01-06 | 深圳市海谱纳米光学科技有限公司 | 基于法布里珀罗腔的成像*** |
CN114449079A (zh) * | 2022-03-11 | 2022-05-06 | 中国矿业大学 | 一种基于手机摄像头的高温测量装置和方法 |
CN115684155A (zh) * | 2022-10-26 | 2023-02-03 | 之江实验室 | 一种基于智能手机高通量的血钙浓度预测***及方法 |
WO2023016259A1 (zh) * | 2021-08-11 | 2023-02-16 | 苏州泽达兴邦医药科技有限公司 | 一种基于数据挖掘的中药提取过程质量控制方法 |
-
2023
- 2023-08-15 CN CN202311029433.5A patent/CN117074321A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140296112A1 (en) * | 2010-09-09 | 2014-10-02 | Dublin City University | Optical testing system |
CN204258901U (zh) * | 2014-04-15 | 2015-04-08 | 深圳市中科微光医疗器械技术有限公司 | 用于移动终端的手掌静脉识别装置和包括它的智能手机 |
CN205986976U (zh) * | 2015-10-05 | 2017-02-22 | 西安欧亿信息技术有限公司 | 一种红外光源前置手机 |
CN107991300A (zh) * | 2017-11-17 | 2018-05-04 | 西南大学 | 一种基于手机拍照功能的甘薯β-胡萝卜素含量快速检测方法 |
CN108593567A (zh) * | 2018-05-02 | 2018-09-28 | 江南大学 | 基于智能手机的食品质量检测方法及*** |
CN109297926A (zh) * | 2018-08-16 | 2019-02-01 | 山东沃华医药科技股份有限公司 | 一种丹参提取液的近红外在线检测方法 |
CN110487737A (zh) * | 2019-09-26 | 2019-11-22 | 清华苏州环境创新研究院 | 用于智能手机光谱检测的图像信息提取与计算方法及*** |
WO2022000243A1 (zh) * | 2020-06-30 | 2022-01-06 | 深圳市海谱纳米光学科技有限公司 | 基于法布里珀罗腔的成像*** |
CN112461806A (zh) * | 2020-11-18 | 2021-03-09 | 厦门大学 | 基于智能手机的荧光光谱检测方法 |
CN213812592U (zh) * | 2020-11-20 | 2021-07-27 | 华东师范大学 | 一种手机频闪的多光谱成像装置 |
CN213342416U (zh) * | 2020-11-24 | 2021-06-01 | 吉林省春曦光电科技有限公司 | 一种手机外置无线网络近红外微小摄像头装置 |
WO2023016259A1 (zh) * | 2021-08-11 | 2023-02-16 | 苏州泽达兴邦医药科技有限公司 | 一种基于数据挖掘的中药提取过程质量控制方法 |
CN114449079A (zh) * | 2022-03-11 | 2022-05-06 | 中国矿业大学 | 一种基于手机摄像头的高温测量装置和方法 |
CN115684155A (zh) * | 2022-10-26 | 2023-02-03 | 之江实验室 | 一种基于智能手机高通量的血钙浓度预测***及方法 |
Non-Patent Citations (6)
Title |
---|
刘红 等: "基于智能手机图片比色法对化妆品中甾体激素含量的快速检测", 《香料香精化妆品》, no. 6, 12 January 2022 (2022-01-12), pages 1 - 4 * |
周芳 等: "手机数字图像与甘薯β-胡萝卜素含量间相关性", 《食品与发酵工业》, no. 18, 18 October 2019 (2019-10-18), pages 80 - 86 * |
张叶霞 等: "茵栀黄口服液提取过程的近红外光谱在线监测模型和含量测定", 《中药材》, vol. 38, no. 12, 31 December 2015 (2015-12-31), pages 165 - 0167 * |
李修华 等: "智能手机RGB图像检测植物叶片叶绿素含量的通用方法", 《农业工程学报 》, no. 22, 18 February 2022 (2022-02-18), pages 145 - 151 * |
窦琳琳 等: "便携式近红外光谱仪用于东阿阿胶鉴定及特征波长筛选研究", 《中草药》, vol. 54, no. 09, 5 May 2023 (2023-05-05), pages 2925 - 2930 * |
项千漪 等: "基于智能手机的苹果糖度无损测量仪开发", 《实验室研究与探索》, vol. 41, no. 08, 25 August 2022 (2022-08-25), pages 91 - 94 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104062260B (zh) | 一种含有柚皮苷中药生产过程中的近红外在线检测方法 | |
CN103033486B (zh) | 陈皮及广陈皮药材质量的近红外光谱监控方法 | |
dos Santos et al. | Use of digital images to estimate soil moisture | |
CN107064319B (zh) | 贵州党参药材hplc特征图谱的测定方法 | |
Sun et al. | Identification of genuine and adulterated pinellia ternata by mid-infrared (MIR) and near-infrared (NIR) spectroscopy with partial least squares-discriminant analysis (PLS-DA) | |
CN105842353A (zh) | 银翘清热片指纹图谱的建立方法及其指纹图谱 | |
Xu et al. | Color spaces of safflower (Carthamus tinctorius L.) for quality assessment | |
Li et al. | Fast determination of four active compounds in Sanqi Panax Notoginseng Injection samples by high‐performance liquid chromatography with a chemometric method | |
Ma et al. | Capillary electrophoresis fingerprints combined with chemometric methods to evaluate the quality consistency and predict the antioxidant activity of Yinqiaojiedu tablet | |
CN101664495A (zh) | 一种中药六味地黄丸生产过程的近红外光谱在线检测方法 | |
CN117074321A (zh) | 一种基于红外光信息智能手机的提取液化学成分检测方法 | |
CN105044241B (zh) | 蛇胆川贝液的标准特征图谱的构建及其质量检测方法 | |
Zha et al. | Identification of ages and determination of paeoniflorin in roots of Paeonia lactiflora Pall. From four producing areas based on growth rings | |
CN106770005A (zh) | 一种用于近红外光谱分析的校正集和验证集的划分方法 | |
CN103698422B (zh) | 一种检测清热灵颗粒中黄芩苷、连翘苷、靛玉红和甘草酸含量的方法 | |
CN103575821A (zh) | 一种糖敏灵制剂中14种化学成分的检测方法 | |
CN102608248A (zh) | 热淋清颗粒和头花蓼的薄层色谱指纹图谱的测定方法 | |
CN107655849A (zh) | 一种凉茶近红外在线检测方法 | |
CN106290645A (zh) | 一种拉萨大黄指纹图谱的构建方法及其标准指纹图谱 | |
Yang et al. | Determination of Total Saccharide Content in Auricularia auricula Based on Near‐Infrared Spectroscopy | |
CN110013499A (zh) | 灵丹多糖胶囊的制作方法及其总皂苷含量测定方法 | |
CN103257191A (zh) | 补肾益寿胶囊指纹图谱的测定方法 | |
CN117074322B (zh) | 一种基于智能手机的提取液成分检测方法 | |
CN106770009A (zh) | 胃苏颗粒提取过程的在线近红外检测方法及应用 | |
Lin et al. | Surface-enhanced raman on gold nanoparticles for the identification of the most common adulterant of astragali radix |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |