采用AOTF近紅外技術在線檢測黃芪的提取與濃縮過程

摘要：本文考察美國 Brimrose 公司的 Luminar 3060 多通路 AOTF 技術近紅外光譜儀在線測 試中的可行性，輔以 Unscrambler 化學計量學光譜分析軟件，做了兩方面工作，其一：對黃 芪提取及濃縮溶液中化學指標黃芪甲甙百分含量的定量分析；其二，對濃縮過程中溶液的物 理指標密度進行在線測試，在樣品數(shù)量有限的情況下，兩者都達到了比較理想的效果，說明 完全可以實現(xiàn) AOTF 近紅外光譜儀在線監(jiān)測和控制黃芪提取過程的目的。

關鍵詞 聲光可調；近紅外光譜；黃芪；偏最小二乘法

黃芪具有補氣升陽、益衛(wèi)固表、托毒生肌、利水消腫等功效，近年來對其藥理作用研究 取得了較大進展，在制藥企業(yè)中，對黃芪的主要質量控制指標，主要集中在黃芪甲苷和類黃 酮成分和黃芪甲甙為原料的中藥制劑的檢測上，近年來，用 HPLC 法測定黃芪中黃酮類成分 和黃芪甲苷的含量，應用 HPLC-ELSD 檢測方法測定黃芪注射液中黃芪甲苷的含量的等等報道 見諸報端，本文嘗試 AOTF 近紅外光譜儀在在線監(jiān)測黃芪濃縮液密度和生產中檢測黃芪中黃 芪甲甙含量，以控制提取過程的可行性。

近紅外(NIR)光譜法是近年來發(fā)展迅速的一種綠色分析技術，并以其獨特的優(yōu)點開始應用 于中藥分析[1-4], 以往多采用傅立葉變換近紅外光譜儀。20 世紀 90 年代末出現(xiàn)了第 5 代聲光 可調（AOTF）近紅外光譜儀，被稱為“90 年代近紅外光譜儀最突出的進展”。這種新型的近紅 外光譜儀具有結構簡單、體積小、重現(xiàn)性好和儀器環(huán)境適應性強的特點，將過去必須在室內， 且對溫度、濕度、灰塵、防震均有嚴格要求的各項檢測轉移到了生產在線和現(xiàn)場（室外）。 最近幾年，AOTF-近紅外光譜分析儀引進國內，已經開始應用于煙草及化工行業(yè)中 。

1 實驗部分

1．1??? 實驗儀器和樣品
儀器：美國 BRIMROSE 公司產的 AOTF-NIR 自由空間近紅外光譜儀，主要部件包括： 光學部分、控制部分、電源適配器。軟件包括 SNAP!光譜處理軟件和 CAMO 化學計量學軟 件。

樣品：濃縮實驗時間為兩天，共收集了 55 個光譜數(shù)據，對濃縮液密度進行定量檢測，收集 35 個樣品用來對黃芪中黃芪甲甙含量進行定量檢測。

1．2???? 實驗方法

?

本方案采用旁路在線檢測的方式，從主管道引出一旁路，在旁路上接上十字型流體測 樣器，在測樣器的下游安裝一個支管，管上安裝閥門通過開關閥門 3 使流體從管中流出。

在實驗的過程中，正常狀態(tài)時閥門 3 關閉，流體在旁路中流通并返回到主管道中去；

當光譜掃描完畢，馬上關閉閥門 1 和閥門 2，將閥門 3 打開，使流體從短管中流出，用塑料樣品瓶盛接，接滿后蓋上瓶蓋，取樣完畢。然后，關閉閥門 3，打開閥門 1 和閥門 2，使流 體在旁路中正常流動。因短時間內，溶液的狀態(tài)不會發(fā)生變化，因此可以認為掃描的光譜即 為樣品瓶中的溶液樣品的光譜。

將樣品瓶用薄膜封口并進行編號，一天的樣品收集完成后，統(tǒng)一放到冰箱中保存。然 后去分析室用高效液相色譜儀分析各指標的含量數(shù)據（分析的數(shù)據盡可能準確），將指標的 含量數(shù)據與對應的光譜數(shù)據相關聯(lián)，當樣品達到一定的數(shù)量時，用挪威 CAMO 公司的 Unscrambler 化學計量學軟件計算，得到模型。

本次實驗分為黃芪提取與濃縮兩個過程，提取時溶液的溫度為 95℃左右，濃縮時溶液 的溫度為 80℃左右。提取分兩步：一煎和二煎，每個步驟約 90 分鐘的時間。每個步驟的取 樣方式為：開始每隔 5 分鐘取一個樣品，取約 6 個樣品后，剩余時間每隔 10 分鐘取一個樣品。每個步驟約取 12 個樣品。濃縮分兩次，每次約 4 個小時。取樣方式為：每次開始的時 候每隔 20 分鐘取一個樣品，2 小時后每隔 10 分鐘取一個樣品，并液后連續(xù)取樣，整個濃縮 過程能夠取到 35 個樣品。

將光纖接到 1 號通路，利用光纖通過透射的方式采集樣品的光譜數(shù)據。

1．3?? 數(shù)據處理

提取過程每一張光譜都是 100 次掃描的平均結果，濃縮過程每一張光譜都是 200 次掃 描的平均結果。波長范圍 1100nm 至 2300nm，1nm 的波長間隔。光譜數(shù)據以透過方式采集并 處理為吸收光譜的一階微分。然后利用每個樣品主成分含量數(shù)據(或密度數(shù)據)和該樣品的光 譜數(shù)據一一對應，創(chuàng)建校正模型，利用建好的校正模型對樣品進行預測，并計算出各組分的 預測偏差。

2．結果與分析

2．1. 光譜

2．2????? 回歸和模型化

利用偏最小二乘回歸法對濃縮溶液密度和黃芪甲甙兩個參數(shù)進行回歸、建模。

? ? ? ??

圖 14：溶液密度的 PLS 1 模型 ? ? ? ? ? ? ? ? ? ? ?? 圖 15：濃縮溶液黃芪甲甙百分含量 PLS 1 模型

從 PLS1 回歸模型上看，濃縮溶液密度和黃芪甲甙百分含量的模型非常好，相關系數(shù)分別為 0.9773 和 0.9849。

2．3????? 預測

本次濃縮實驗時間為兩天，共取得了 70 個光譜數(shù)據。數(shù)據編號為 2701-2735；2801-2835，即 7 月 27 日取得 35 個樣品，7 月 28 日取得 35 個樣品，共 70 個樣品。

濃縮過程密度的建模說明：

樣品數(shù)量共 70 個，沒有記錄密度數(shù)據的樣品有 4 個（2713、2714、2725、2735），密度數(shù)據明顯異常的樣品有 2 個（2822、2823 其密度值皆為 0.5）。剩下有數(shù)據的樣品數(shù)量為64 個。通過分析有明顯異?；驍?shù)據不夠準確的樣品有 9 個：2701、2702、2704、2705、2801、2815、2816、2817、2835。這樣總共有 55 個合格的樣品，將這些樣品按編號進行排序，每隔 5 個樣品取一個樣品（即順序號為 5、10、15、20、25、30、35、40、45、50）共 10 個樣品做為驗證集樣品，不參與建模；另外的 45 個樣品用于建立模型。用建立好的密度模型來預測 10 個驗證集樣品，結果見表一：

表一：AOTF 在線近紅外光譜儀對密度的預測結果

濃縮過程黃芪甲甙百分含量的建模說明

由于只提供了 27 日的 35 個樣品的黃芪甲甙百分含量化學值數(shù)據，因此，只能用 35個樣品來建立黃芪甲甙模型。其中 2712 號樣品的數(shù)據（0.2570）明顯異常，去掉該樣品， 剩余 34 個樣品按樣品編號排序，由 2702 號樣品開始，每隔 5 個樣品取一個做為驗證集樣品， 編號為 2702、2707、2727、2722、2727、2732，共 6 個用來驗證模型。其余的 28 個樣品為 校正集樣品用來建立模型。模型的驗證結果見表二：

表二：AOTF 在線近紅外光譜儀對黃芪甲甙的預測結果

3． 結 論

從以上的結果可以看出：在整個黃芪的提取過程中，用 AOTF 近紅外光譜儀在線檢測的 密度的平均絕對偏差為 0.012、黃芪甲甙百分含量的平均絕對偏差為 0.004,完全可以實現(xiàn) AOTF 近紅外光譜儀在線監(jiān)測和控制黃芪提取過程的目的。如果能夠將密度的化學值數(shù)據測 量的更為準確和提供更多的建立模型的樣品數(shù)據，相信可以得到更為準確完善的模型。

另外,我們推斷,如果在線監(jiān)測水分的指標,可以得到更準確的數(shù)據,而且不論何種藥物 的濃縮,均可以根據水分的指標來判斷濃縮的程度,能夠更有效地對整個濃縮過程進行監(jiān)控, 實現(xiàn)濃縮過程的全自動控制。

?