全 文 ：中草药 Chinese Traditional and Herbal Drugs 第 44 卷 第 7 期 2013 年 4 月

·839·
近红外光谱法快速测定制川乌提取浓缩过程中单酯型生物碱
涂瑶生 1, 2，全智慧 1*，孙冬梅 1, 2，张建军 2，王洛临 2
1. 广州中医药大学，广东 广州 510405
2. 广东省中医研究所，广东 广州 510095
摘 要：目的 采用近红外光谱（NIR）法对制川乌提取、浓缩液中的单酯型生物碱类成分（MAs）进行快速定量分析。方
法 应用近红外透射光谱法搜集 103 个制川乌样品的 NIR 数据，采用偏最小二乘回归（PLS）法建立 NIR 信息与 MAs 之间
的定量分析模型。结果 制川乌提取、浓缩液中 MAs 的近红外透射光谱模型建模的光谱范围为 9 264.35～7 274.11 cm−1，校
正模型的内部交叉验证均方根（RMSECV）为 1.171，相关系数（r）为 0.999 4；经外部验证，预测均方根误差（RMSEP）
为 1.321，r 为 0.992 1；经相关性统计学分析，MAs 的预测值与 HPLC 参考值的 r 为 0.999 0，P＜0.001，说明 NIR 法与 HPLC
法测定 MAs 相关性较好，可以较准确预测其覆盖范围的 MAs 的量。结论 本法具有方便、快速、准确、环保等特点，可用
于制川乌提取、浓缩过程中 MAs 量的在线监测，进而较准确地判定提取、浓缩终点。
关键词：制川乌；过程分析技术；单酯型生物碱；近红外光谱；偏最小二乘回归法
中图分类号：R286.02 文献标志码：A 文章编号：0253 - 2670(2013)07 - 0839 - 06
DOI: 10.7501/j.issn.0253-2670.2013.07.013
Rapid determination of monoester alkaloids in extraction and concentration
process of Aconiti Radix Cocta by near infrared spectroscopy
TU Yao-sheng1, 2, QUAN Zhi-hui1, SUN Dong-mei1, 2, ZHANG Jian-jun2, WANG Luo-lin2
1. Guangzhou University of Chinese Medicine, Guangzhou 510405, China
2. Guangdong Institute of Chinese Medicine, Guangzhou 510095, China
Abstract: Objective To rapidly and quantitatively analyze the monoester alkaloids (MAs) in the extracting and concentrating
process of Aconiti Radix Cocta (ARC) by near infrared spectroscopy (NIR). Methods Using NIR to collect the data of 103 ARC
samples and using partial least squares (PLS) regression method to establish the quantitative analysis model of MAs between the
information of NIR and MAs. Results The spectral range of MAs model of ARC was 9 264.35—7 274.11 cm−1. The root mean square
error of cross validation (RMSECV) was 1.171 and correlation coefficient (r) of the calibration model was 0.999 4. Through the
external validation, the root mean square error of prediction (RMSEP) was 1.321 and r of the validation model was 0.992 1. According to
the results of statistical analysis, r of the predicted value and the reference value of MAs was 0.999 0. The value of P is less than 0.001.
This revealed that the NIR and HPLC methods had a good correlation in determining MAs and could accurately predict the amount of
MAs in the covered range. Conclusion This method is convenient, rapid, accurate, and environment protective, and could be used
for the on-line determination of MAs in the extracting and concentrating process of ARC and for the determination of the extraction
and concentration endpoint of ARC.
Key words: Aconiti Radix Cocta; process analytical technology; monoester alkaloids; near infrared spectroscopy; partial least square
regression method

川乌为毛茛科植物乌头 Aconitum carmichaelii
Debx. 的干燥母根。性味辛、苦、热，有大毒，归
心、肝、脾经，祛风除湿、温经止痛，用于风寒湿
痹、关节疼痛、心腹冷痛、寒疝作痛及麻醉止痛[1]。

收稿日期：2012-11-15
基金项目：广东省省部产学研结合科技创新平台项目（2011A091000005）；广东省中医药局科研课题（20121241）
作者简介：涂瑶生（1957—），男，江西省南昌人，研究员，博士，广东省中医研究所所长、广东省第二中医院院长、广州中医药大学教授，
从事中药制剂研究工作。Tel: (020)83501292 Fax: (020)83590979 E-mail: tuyaos@21cn.com
*通信作者 全智慧 Tel: (020)83501292 E-mail: sophie1985@126.com
网络出版时间：2013-03-01 网络出版地址：http://www.cnki.net/kcms/detail/12.1108.R.20130301.1548.001.html
中草药 Chinese Traditional and Herbal Drugs 第 44 卷 第 7 期 2013 年 4 月

·840·
川乌的毒性较大，临床使用前需要经过严格的炮制
后再进行充分的煎煮。《中国药典》2010 年版对制
川乌的质量控制要求用 HPLC 法对其毒性成分进行
定量限定，其结果精确，但过程十分繁琐，检测时
间长，消耗大量试剂，不利于快速检测和实际生产
加工过程的实时监控。本课题组前期通过正交试验
确定了制川乌提取工艺为加 12 倍量水，提取 3 次，
每次 2 h，但此法耗时较长，且无法得知提取、浓缩
过程中目标成分的具体变化，将不利于对提取、浓
缩过程的控制。
近红外光谱（near infrared spectroscopy，NIR）
法具有无污染、低消耗、非破坏性、快速简便等特
点，目前在药物分析领域已有较多应用[2]。本实验
欲通过采集提取、浓缩过程中的制川乌 Aconiti Radix
Cocta（ARC）的近红外透射光谱，采用偏最小二乘
（partial least square，PLS）法，快速测定制川乌提
取、浓缩液中的单酯型生物碱类成分（monoester
alkaloids，MAs）苯甲酰新乌头原碱、苯甲酰乌头
原碱、苯甲酰次乌头原碱的量，监测出每个提取时
段的终点，避免在提取液已达到平衡时还继续提取；
监测出浓缩时段的终点，避免浓缩液在浓缩时浓度
过稀或过稠而影响下一步的喷雾干燥。
1 仪器与材料
Thermo Nicolet Antaris II 傅里叶变换近红外分
析仪，配有液体透射采样模块、InGaSe 铟镓砷检测
器、Omnic 信号采集软件、TQ Analyst 8.5.28 数据
处理软件 [赛默飞世尔科技（中国）有限公司]；
Waters e2695 型高效液相色谱仪、Waters 2489 DAD
检测器 [沃特世科技（上海）有限公司]；Hmetter
XS205 电子分析天平（梅特勒-托利多国际股份有限
公司）；Milli Pore Advantage A10 自动纯水机（美国
默克密理博公司）；KQ5200DE 型数控超声波清洗
器（昆山市超声仪器有限公司）；SHB—IIIA 型循环
水式多用真空泵（郑州长城科工贸易有限公司）；
LDZX—40AI 型立式自动电热压力蒸汽灭菌器（上
海申安医疗器械厂）；HH—8 电热恒温水浴锅（上
海梅香仪器有限公司）；DHG9203A 电热恒温鼓风
干燥箱（上海精宏实验设备有限公司）；高速中药粉
碎机（浙江瑞安市永历制药机械有限公司）。
苯甲酰新乌头原碱（批号 B-009-110316，质量
分数 98%）、苯甲酰次乌头原碱（批号B-016-110316，
质量分数 98%）、苯甲酰乌头原碱（批号 B-010-
110316，质量分数 98%）均购自成都瑞芬思生物科
技有限公司；新乌头碱（批号 799-9403，质量分数
98%）、次乌头碱（批号 798-9202，质量分数 98%）、
乌头碱（批号 110720-200410，质量分数 98%）均
购自中国药品生物制品检定所；乙腈（德国默克公
司，色谱纯）；四氢呋喃（德国默克公司，色谱纯）；
水为超纯水；其他试剂、试药均为分析纯。
川乌药材，由广东一方制药有限公司提供，产
地为四川绵阳，经广东省中医研究所孙冬梅主任中
药师鉴定为毛茛科植物乌头 Aconitum carmichaelii
Debx. 的干燥母根。制川乌饮片，用川乌药材自行
炮制，以《中国药典》2010 年版方法检测是否合格。
2 方法与结果
2.1 HPLC 法测定制川乌中主要生物碱成分的量
2.1.1 色谱条件 色谱柱为 Agilent Extend-C18 柱
（250 mm×4.6 mm，5 μm，PN：770450-902）；流
动相 A 为乙腈-四氢呋喃（25∶15），B 为 0.1 mol/L
醋酸铵溶液（每 1 L 加冰醋酸 0.5 mL），采用梯度洗
脱：0～35 min，15%～26% A，35～45 min，26%～
35% A，45～58 min，35%～35% A，58～65 min，
35%～15% A；体积流量 0.8 mL/min；检测波长 235
nm；柱温 25 ℃。
2.1.2 对照品溶液的制备 分别精密称取苯甲酰新
乌头原碱、苯甲酰次乌头原碱、苯甲酰乌头原碱、
新乌头碱、次乌头碱、乌头碱对照品适量，分别加
异丙醇-三氯甲烷（1∶1）混合溶液配置成含苯甲酰
新乌头原碱、苯甲酰次乌头原碱、苯甲酰乌头原碱、
新乌头碱、次乌头碱、乌头碱分别为 3.140、0.530、
0.538、1.520、1.520、0.550 mg/mL 的混合对照品浓
溶液；精密移取混合对照品浓溶液 0.2、0.5、0.7、
1.0、1.2、1.5 mL 置于 10 mL 量瓶中，异丙醇-三氯
甲烷（1∶1）混合溶液稀释至刻度，摇匀，制成含
苯甲酰新乌头原碱、苯甲酰次乌头原碱、苯甲酰乌
头原碱、新乌头碱、次乌头碱、乌头碱分别为 62.80、
10.60、10.76、30.40、30.40、11.00；125.60、21.20、
21.52、60.80、60.80、22.00；251.20、42.40、43.04、
121.60、121.60、44.00；314.00、53.00、53.80、152.00、
152.00、55.00；376.80、63.60、64.56、182.40、182.40、
66.00；439.60、74.20、75.32、212.80、212.80、77.00
μg/mL 的混合对照品溶液。
2.1.3 供试品溶液的制备 取制川乌饮片样品粉末
（过 3 号筛）约 2 g，精密称定，置具塞锥形瓶中，
加氨试液（取浓氨液 400 mL，加水使成 1 000 mL，
即得）3 mL，精密加入异丙醇-醋酸乙酯（1∶1）混
中草药 Chinese Traditional and Herbal Drugs 第 44 卷 第 7 期 2013 年 4 月

·841·
合溶液 50 mL，称定质量，超声处理（300 W，40 kHz，
25 ℃）30 min，放冷，再称定质量，用异丙醇-醋
酸乙酯（1∶1）混合溶液补足损失的质量，摇匀，
滤过。精密量取续滤液 25 mL，40 ℃以下减压回收
溶剂至干，残渣精密加入异丙醇-三氯甲烷（1∶1）
混合溶液 5 mL 溶解，滤过，取续滤液，即得制川
乌饮片供试品溶液。取适量制川乌提取液，滤过，
取续滤液，即得制川乌提取液供试品溶液。
2.1.4 线性关系考察 精密吸取不同质量浓度的混
合对照品溶液 5 μL 进行测定，记录峰面积，以峰面
积积分值（Y）对进样量（X）进行回归分析，得回
归方程：苯甲酰新乌头原碱 Y＝2×106 X＋0.466，
R2＝0.999 98；苯甲酰次乌头原碱 Y＝2×106 X－
8 076，R2＝0.999 9；苯甲酰乌头原碱 Y＝1×106 X－
555.6，R2＝0.999 6；新乌头碱 Y＝1 707 X－21 008，
R2＝0.999 0；次乌头碱 Y＝1 574 X＋2 872，R2＝
0.999 97；乌头碱 Y＝1 741 X＋0.342，R2＝0.999 96；
其线性范围分别为 62.80～439.60、10.60～74.20、
10.76～75.32、30.40～212.80、30.40～212.80、
11.00～77.00 μg/mL。
2.1.5 样品的制备 已鉴定的生川乌中双酯型生物
碱类成分的量为 0.052%，水分为 11.7%，符合《中
国药典》2010 年版的相关规定。用此批生川乌自制
制川乌，测得双酯型生物碱类成分的量为 0.018%，
MAs 的量为 0.123%，水分为 7.4%，符合《中国药
典》2010 年版的相关规定。建立 NIR 模型时，最关
键的步骤是得到具有代表性的、质量分数差异比较
大的、较多数量的样品。前期通过正交试验，确定
了制川乌提取工艺为加 12 倍量水，提取 3 次，每次
2 h。用此批制川乌 150 g，置 3 000 mL 烧瓶中，加
1 800 mL 水提取 3 次，每次 2 h。第 1 次每 3 min
取样 2 mL，共 41个样品；第 2次每 5 min取样 2 mL，
共 25 个样品，第 3 次每 10 min 取样 2 mL，共 13
个样品。3 次提取的提取液合并后进行浓缩，每 5
min 取样 2 mL，至提取液相对密度为 1.05～1.15（80
℃），共 24 个样品。3 次提取及浓缩后得 103 个样
品。平行进行 3 次试验取平均。
2.1.6 样品的定量测定 将 103 个样品按照“2.1.1”
项下色谱条件，采用 HPLC 法进行 MAs 的定量测
定，再对其进行聚类分析，判断提取及浓缩的终点，
结果见表 1 和图 1。由于制川乌提取液中双酯型生
物碱类成分的量已经非常低，故不再做相应的讨论。
由图 1 可见第 1 次提取制川乌时提取液中 MAs
的质量浓度≥99.188 μg/L（25 号样品），即 72 min
时达到了第 1 次提取终点；第 2 次提取时 MAs 的质
量浓度≥35.860 μg/L（57 号样品），即 75 min 时达
到了第 2 次提取终点；第 3 次提取时 MAs 的质量
浓度≥16.543 μg/L（76 号样品），即 90 min 时达到

表 1 制川乌提取及浓缩液中 MAs 的定量测定
Table 1 Quantitative determination of MAs in extraction and concentration solution of ARC
编号 MAs /
(μg·L−1)
编号 MAs /
(μg·L−1)
编号 MAs /
(μg·L−1)
编号 MAs /
(μg·L−1)
编号 MAs /
(μg·L−1)
编号 MAs /
(μg·L−1)
编号 MAs /
(μg·L−1)
1 26.154 16 77.269 31 106.898 46 29.452 61 36.477 76 16.543 91 77.318
2 31.562 17 79.335 32 106.899 47 30.436 62 37.055 77 16.472 92 85.459
3 35.625 18 81.213 33 107.905 48 31.548 63 37.411 78 16.407 93 89.909
4 40.940 19 86.260 34 108.930 49 32.099 64 37.258 79 16.978 94 94.596
5 47.637 20 86.285 35 109.046 50 33.045 65 37.743 80 44.519 95 101.754
6 50.236 21 86.234 36 111.056 51 33.908 66 37.125 81 47.067 96 108.246
7 56.643 22 90.779 37 113.070 52 34.012 67 11.460 82 48.360 97 124.229
8 57.678 23 91.443 38 114.050 53 34.205 68 11.844 83 49.944 98 138.555
9 58.057 24 92.828 39 115.096 54 34.632 69 12.379 84 53.430 99 142.602
10 62.331 25 99.188 40 116.433 55 34.960 70 12.821 85 57.116 100 160.556
11 65.569 26 100.309 41 117.519 56 35.020 71 13.589 86 59.695 101 160.121
12 67.522 27 101.692 42 22.594 57 35.860 72 13.800 87 62.521 102 162.755
13 70.949 28 104.145 43 25.648 58 36.916 73 14.238 88 64.762 103 163.728
14 73.924 29 105.826 44 27.456 59 37.485 74 14.307 89 67.752
15 75.459 30 106.978 45 28.268 60 37.736 75 15.606 90 72.300
中草药 Chinese Traditional and Herbal Drugs 第 44 卷 第 7 期 2013 年 4 月

·842·


A-第 1 次提取过程 B-第 2 次提取过程 C-第 3 次提取过程 D-浓缩过程
A-first extraction process B-second extraction process C-third extraction process D-concentration process

图 1 制川乌提取及浓缩液中 MAs 的系统聚类分析
Fig. 1 Hierarchical cluster analysis of MAs in extraction and concentration solution of ARC

了第 3 次提取终点；浓缩时 MAs 的质量浓度≥
160.556 μg/L（100 号样品），即 100 min 时达到了浓
缩终点。若能用 NIR 模型监控提取液的质量浓度，
并在指定的质量浓度范围内停止提取，将为整个提
取过程节省 123 min 的时间。
2.2 样品的 NIR 光谱采集
将 103 个样品分别放入内径为 6 mm、长 50 mm
的样品管，采用近红外透射法进行光谱数据采集，
光谱采集范围 10 000～4 000 cm−1，扫描次数为 32
次。103 份制川乌提取及浓缩液样品的 NIR 叠加图
见图 2。
2.3 定量模型的建立及验证
2.3.1 数据处理方法 采用PLS法建立定量校正模
型，以内部交叉验证均方根（root mean square error
of cross validation，RMSECV）及其相关系数（r），
验证集样品的预测均方根误差（root mean square
error of prediction，RMSEP）及其 r 为指标优化建模
参数。所有数据均用 TQ Analyst 8.5.28 数据处理软



图 2 103 份制川乌提取及浓缩液样品的 NIR 叠加图
Fig. 2 NIR superposed graph of extraction and
concentration solution of 103 ARC samples

件进行处理。
2.3.2 异常点剔除 由于光谱仪的系统误差、光谱
信号的漂移、测量环境的变化和样本预处理不当等
各种原因，所测得的样品 NIR 可能出现异常，进而
使模型预测精度下降[3]。因此，建模前有必要进行
0 5 10 15 20 25 0 5 10 15 20 25
0 5 10 15 20 25
31
32
30
33
29
28
34
35
36
25
26
27
40
41
37
38
39
19
20
21
22
23
24
17
18
14
15
16
13
2
3
4
1
5
6
8
9
7
11
12
10
60
65
59
63
62
66
64
58
57
61
51
52
53
55
56
54
48
49
50
44
45
46
47
42
43



77
78
76
79
75
73
74
71
72
67
68
69
70
100
101
102
103
98
99
97
95
96
92
93
94
90
91
81
82
83
80
87
88
89
85
86
84
0 5 10 15 20 25
A B
C
D
10 000 8 000 6 000 4 000
波数 / cm−1
中草药 Chinese Traditional and Herbal Drugs 第 44 卷 第 7 期 2013 年 4 月

·843·
异常点剔除。本实验采用马氏距离来判别异常点，
如图 3 所示，整个样品集中没有异常点，故所有的
样品参与建模。


图 3 103 个样品的马氏距离
Fig. 3 Mahalanobis distance of 103 samples

2.3.3 光谱区间的选择 尽管PLS法允许处理全谱
信息，但建模波段过宽，必然包含大量冗余信息，
因此有必要进行波段的选择，以消除无关的干扰。
本研究采用 r 法进行建模波段的选择[3]。如图 4 所
示，存在 3 个较明显的波段区间，分别为 10 000～
7 503、7 066～5 724、5 374～4 000 cm−1，其吸光度
值与 MAs 的相关性均大于 0.9，以这些波段区间
为参考，进行相关评价，结果见表 2，最终确定以
9 264.35～7 274.11 cm−1 为建模区间。




图 4 MAs 的相关光谱图
Fig. 4 Revalent spectra of MAs

表 2 NIR 范围考察
Table 2 Inspection of NIR range
编号 光谱范围 / cm−1 RMSECV r
1 10 000.00～4 000.00 6.422 0.982 2
2 10 000.00～7 849.53 1.601 0.998 9
3 9 191.63～7 770.25 2.164 0.998 0
4 9 264.35～7 274.11 1.171 0.999 4
5 7 809.73～4 009.51 2.155 0.998 9
6 7 692.72～6 127.32 7.727 0.974 3

2.3.4 光谱预处理方法选择 NIR 在采集过程中由
于样品颗粒大小、均匀性及仪器条件的影响，往往
会导致光谱基线产生偏移和漂移，通常对样品的原
始吸收光谱进行预处理。按照“2.3.1”项下的方法
对光谱进行处理，其中 r 值越接近 1，说明模型预
测越准确，RMSECV 值越小说明模型的预测精度越
高。表 3 为用不同方法处理后模型的 r 和 RMSECV，
经比较，不进行预处理时 MAs 模型的效果最好。
表 3 不同光谱预处理方法考察
Table 3 Investigation on different spectral
pretreatment methods
光谱预处理方法 RMSECV r
无预处理 1.171 0.999 4
多元散射校正 4.484 0.990 4
标准归一化 4.833 0.990 1
一阶导数 4.772 0.990 2
二阶导数 4.965 0.990 0

2.3.5 校正模型的建立 由图 5 可知，前 8 个因子
能够代表 99.8%的信息，且使 RMSECV 最小，因此
确定最佳因子数为 8。制川乌提取、浓缩液的建模
光谱范围为 9 264.35～7 274.11 cm−1，RMSECV 为
1.171，r 为 0.999 4，见图 6。



图 5 校正集 RMSECV 与因子之间的相关性
Fig. 5 Correlation between RMSECV
of calibration set and factor

2.3.6 模型的验证 另提取、浓缩制川乌，随机从
3 次提取、1 次浓缩过程中取 20 份样品，将其 NIR
图谱导入校正模型，RMSEP 为 1.321，r 为 0.992 1。
NIR 预测的 MAs 的量，并与 HPLC 测定的参考值
进行比较，结果见表 4。
经线性相关性分析，MAs 的预测值与参考值的
r 为 0.999 0，P＜0.01，说明 NIR 法与 HPLC 法测
定 MAs 相关性较好，可以较准确预测其覆盖范围
的相应物质的量。
3 讨论
《中国药典》2010 年版考察制川乌的量时需要
采用 HPLC 进行定量测定，该法前处理过程比较复
杂，每次进样耗时 65 min，耗时长，效率低，消耗
大量试剂，且毒性较大，待测样品数很多时，其分
析数据的效率就更加滞后。
近年来，有很多研究涉及采用 NIR 法测定中药
1 103
序列
距
离
1.8


0
1.0
0.8
0.6
0.4
r
10 000 8 000 6 000 4 000
波数 / cm−1
R
M
SE
C
V

38












0
1 10
主因子数
A
中草药 Chinese Traditional and Herbal Drugs 第 44 卷 第 7 期 2013 年 4 月

·844·



图 6 MAs NIR 预测值与参考值相关图 (A) 及模型残差分布图 (B)
Fig. 6 Correlation graph between NIR predicted and reference values (A) and model residual distribution (B) of MAs in samples

表 4 NIR 法与 HPLC 法测定结果的比较
Table 4 Comparison on results by NIR and HPLC
编号 预测值 / % 参考值 / % 相对偏差 / % 预测回收率 / % 编号 预测值 / % 参考值 / % 相对偏差 / % 预测回收率 / %
1 32.526 30.436 6.87 106.87 11 32.548 33.909 −4.01 95.99
2 34.568 35.625 −2.97 97.03 12 62.139 58.057 7.03 107.03
3 45.215 42.558 6.24 106.24 13 59.465 59.695 −0.39 99.61
4 52.168 53.432 −2.37 97.63 14 16.359 15.653 4.51 104.51
5 68.458 65.579 4.39 104.39 15 15.906 16.808 −5.37 94.63
6 75.158 73.924 1.67 101.67 16 19.468 17.887 8.84 108.84
7 89.258 86.285 3.45 103.45 17 101.325 103.899 −2.48 97.52
8 90.458 89.935 0.58 100.58 18 126.001 125.027 0.78 100.78
9 109.255 108.236 0.94 100.94 19 159.489 160.124 −0.40 99.60
10 24.658 25.648 −3.86 96.14 20 170.225 168.458 1.05 101.05
相对偏差＝绝对偏差 / 参考值，预测回收率＝预测值 / 参考值
relative deviation = absolute deviation / reference value, predicted recovery rate = predicted value / reference value

成分的量[4-8]。本研究中建立生物碱类成分的预测模
型时，进行了整体研究，建立了 MAs 的预测模型，
其中包含 3 个成分。本研究建立的模型不仅与《中
国药典》的考察项进行了接轨，而且可以较准确地
预测出其成分的量，不影响其研究精度。每个样品
的 NIR 数据采集耗时少于 30 s，将数据导入相应模
型后，马上就可以得出相应成分的预测值，可以快
速判断是否到达了提取和浓缩的终点，分析效率大
大地提高。NIR 法相对于 HPLC 具有高效、无损、
环保、经济等特点，可以满足实际工业生产中在线、
动态、快速检测的要求，避免盲目遵从工艺要求控
制提取、浓缩时间。
本研究尚处在实验室研究阶段，下一步将着手
于工业生产的实际应用，协助制药企业对制川乌的
提取、浓缩过程进行在线监控。该模型的各项参数
均可满足相关精度要求，可较准确地预测出制川乌
提取、浓缩过程中 MAs 的量，快速判断制川乌提
取、浓缩的终点，将在监控产品质量的同时，为生
产应用节约宝贵的时间，提高生产效率。
参考文献
[1] 中国药典 [S]. 一部. 2010.
[2] 陶 伟, 王昌林, 辛海量, 等. 近红外漫反射方法在中
药研究领域中的应用 [J]. 实用医学杂志, 2008, 24(16):
2908-2909.
[3] 陈雪英, 李页瑞, 陈 勇, 等. 近红外光谱分析技术在
赤芍提取过程质量监控中的应用研究 [J]. 中国中药杂
志, 2009, 34(11): 1355-1358.
[4] 陈雪英, 陈 勇, 王龙虎, 等. 红花醇沉液浓缩除醇过
程中多元质控指标的近红外快速检测 [J]. 药物分析杂
志, 2010, 30(11): 2086-2092.
[5] 李文龙, 瞿海斌. 黄芪提取过程总皂苷质量浓度的在
线监测 [J]. 中草药, 2012, 43(8): 1531-1535.
[6] 刘君动, 叶正良, 李德坤, 等. 近红外透射光谱法测定
丹酚酸提取物中的丹酚酸 B [J]. 光谱实验室, 2012,
29(2): 1008-1012.
[7] 刘名扬, 赵景红, 王洪艳. 偏最小二乘-近红外透射光
谱法用于秦皮中多组分测定的研究 [J]. 检验检疫科
学, 2008, 18(1): 21-23.
[8] 蔡绍松, 武卫红, 王 宁, 等. 黄芪水提液浓缩过程的
AOTF-近红外光谱法在线分析 [J]. 中国医药工业杂
志, 2008, 39(7): 527-529.
N
IR
预
测
值
/
(μ
g·
L−
1 )
164







8
8 164
HPLC 参考值 / (μg·L−1)
校正
忽略
残
差
/
(μ
g·
L−
1 )

11
−11
8 164
HPLC 参考值 / (μg·L−1)
A B