全 文 ：中草药 Chinese Traditional and Herbal Drugs 第 42 卷 第 12 期 2011 年 12 月

·2459·
近红外光谱法在线质量监控白芍工业化提取
张金巍，张延莹*，刘 岩，王 苹，张 培
天津天士力现代中药资源有限公司，天津 300410
摘 要：目的 利用近红外光谱（NIRS）技术研究并建立芍药苷的定量检测模型，实现产业化规模白芍醇提液浓缩过程的
在线质量监控。方法 在线采集 NIRS，同时进行芍药苷的 HPLC 检测，采用偏最小二乘法建立提取过程中芍药苷定量检测
模型。结果 浓缩模型的最佳建模波段为 5 187～7 065 cm−1，模型相关系数为 0.969 1，校正均方差为 0.605。预测值与真实
值的平均相对误差为 4.9%。结论 利用 NIRS 技术能够实现白芍醇提液浓缩过程的在线质量监控。
关键词：近红外光谱；高效液相色谱法；白芍；芍药苷；在线质量监控；偏最小二乘法
中图分类号：R286.02 文献标志码：A 文章编号：0253 - 2670(2011)12 - 2459 - 03
On-line quality control for Paeoniae Radix Alba industrial extraction by NIRS
ZHANG Jin-wei, ZHANG Yan-ying, LIU Yan, WANG Ping, ZHANG Pei
Tasly Modern TCM Resources Co., Ltd., Tianjin 300410, China
Key words: NIRS; HPLC; Radix Paeoniae Alba; paeoniflorin; on-line quality control; PLS

我国现行中药生产工艺的控制模式还无法实现
对生产过程的在线检测和质量监控。如何利用先进
的在线检测手段保证中药质量的稳定、均一是实现
中药生产现代化的关键。近红外光谱（near-infrared
spectroscopy，NIRS）是近年来迅速发展的一种快速
分析技术，样品光谱的获取操作简便且成本低，无
须复杂的样品前处理，符合在线检测的要求。由
于其所具有的优势，近年来在中药领域的应用受
到广泛关注[1-6]，在中药及其制剂领域的应用日益
增多[7-13]。本研究以产业化规模白芍醇提液浓缩工
序作为研究系统，以浓缩液中的主要有效成分——
芍药苷的变化作为研究对象，利用 NIRS 在线检测技
术采集光谱，并结合 HPLC 检测技术和化学计量学
的数据处理方法，建立浓缩过程中芍药苷的定量检
测模型，实现生产过程的全程实时质量监控。
1 仪器与材料
ANTARIS 傅里叶近红外分析仪（美国 Thermo 公
司），配有光纤配件及 TQ Analyst 分析软件；Agilent
1100 高效液相色谱仪（美国 HP 公司）；500 L 多功
能提取装置、300 L 板式浓缩装置（天士力现代中
药资源有限公司）。
白芍药材产于安徽，经天士力现代中药资源有限
公司张延莹高级工程师鉴定为白芍 Paeoniae Radix
Alba；芍药苷对照品（批号 110736-200933，中国药
品生物制品检定所）；甲醇、异丙醇为色谱纯（默克
公司）；柠檬酸为分析纯（天津化学试剂有限公司）。
2 方法与结果
2.1 白芍的提取与浓缩
称取白芍药材 50 kg，置于 500 L 多功能提取装
置中，加 5 倍量 60%乙醇回流提取 2 次，每次 1 h。
2 次醇提液合并后 300 目滤过，然后用板式浓缩装
置浓缩至相对密度为 1.08～1.10（60 ℃）的浓缩液。
在浓缩过程中每隔 5 min 在线采谱 1 次，同时取样
进行 HPLC 检测。
2.2 光谱采集条件
扫描范围 10 000～4 000 cm−1，扫描次数为 32
次，分辨率 8 cm−1。
2.3 光谱采集与取样
光谱采集方式：对浓缩过程每隔 5 min 采谱 1
次，每次采集 2 张谱图。

收稿日期：2011-02-01
基金项目：国家科技支撑项目（2007BAI47B02）
作者简介：张金巍（1978—），男，工程师，质量保证部经理，研究方向为中药新技术应用开发及质量控制。
Tel: (022)26736588 E-mail: tjvv@163.com
*通讯作者 张延莹 Tel: (022)86342192 15522940937 E-mail: zhangyy2@tasly.com
中草药 Chinese Traditional and Herbal Drugs 第 42 卷 第 12 期 2011 年 12 月

·2460·
取样：采谱的同时取样进行 HPLC 检测，样品
编号一一对应。
2.4 芍药苷的 HPLC 测定方法[14]
2.4.1 色谱条件 色谱柱为 Agilent Zorbax SB-C18
柱（250 mm×4.6 mm，5 μm），流动相为甲醇-异丙
醇-5 mmol/L 柠檬酸水溶液（18∶2∶80），检测波
长 240 nm，体积流量 1 mL/min，柱温 30 ℃，进样
量 5 μL。理论板数按芍药苷峰计算不低于 4 000。
2.4.2 对照品溶液的制备 精密称取芍药苷对照品
适量，加 80%甲醇制成约为 0.02 mg/mL 的对照品
溶液。
2.4.3 供试品溶液的制备 精密量取 1 mL浓缩液，
用 80%甲醇稀释至 50 mL，摇匀，用 0.45 μm 滤膜
滤过，取滤液即得。
2.4.4 样品测定 取白芍浓缩液样品各 1 mL 制备
供试品溶液。分别精密吸取芍药苷对照品溶液和供
试品溶液各 5 µL，进样测定，记录芍药苷的峰面积，
采用外标法计算芍药苷的质量浓度。
2.5 光谱数据的预处理
在 NIRS 的采集过程中，环境的变化会引起光
谱的基线偏移，随机噪声和样品背景干扰都会对校
正结果产生影响，因此需要对光谱数据进行预处理。
本研究将各种光谱预处理方法排列组合，考察其对
浓缩模型相关系数（r）、均方差及校正均方差的影
响，结果见表 1。使用的预处理方法有原始光谱、
多元散射校正（MSC）、标准正交变换（SNV）、一
阶微分、二阶微分、S-G 平滑和 Norris 导数滤波平
滑等。根据表中的计算结果，最终模型选择原始光
谱建立模型。
2.6 最佳主因子数的选择
采用 PLS 法建立定量模型时，为避免出现“过
拟合”现象，需要对主因子数进行合理选择[15]。本研
究采用留一交叉验证法，考察了主因子数对内部交叉
验证均方差的影响。浓缩模型的交叉验证结果见表2。
可以看出，当主因子数为 4 时，校正均方差为 0.680，
超过此主因子数时，校正均方差不再下降反而有所
上升，因此确定最佳主因子数为 4。
2.7 光谱范围的选择
根据白芍浓缩液近红外光谱图（图 1）的特性，
本研究在去除吸收饱和波段及噪声较大的部分波段
后，通过比较，选取吸收特征较为明显的 5 187～
7 065 cm−1 波段作为建立模型的最佳光谱范围，模
型的相关系数及预测效果良好。
表 1 不同光谱预处理方法对浓缩模型的影响
Table 1 Effect of various spectrum pre-treatments
on concentrate
光谱预处理方法 r 均方差 校正均方差
原始光谱 0.969 1 0.605 0.680
原始光谱+S-G 0.968 5 0.611 0.682
MSC 0.965 7 0.637 0.717
MSC＋一阶 0.955 0 0.728 1.040
MSC＋二阶 0.862 0 1.240 2.220
MSC＋一阶+Norris 0.957 0 0.712 0.804
MSC＋二阶+Norris 0.954 5 0.732 0.817
SNV 0.962 9 0.662 0.747
SNV＋一阶 0.953 6 0.739 1.060
SNV＋二阶 0.862 0 1.240 2.230
SNV＋一阶+Norris 0.954 1 0.735 0.842
SNV＋二阶+Norris 0.952 9 0.744 0.835
一阶＋Norris 0.951 3 0.757 0.902
二阶＋Norris 0.951 7 0.753 0.856
一阶＋S-G 0.946 8 0.790 1.000
二阶＋S-G 0.923 8 0.939 1.290

表 2 浓缩模型最佳主因子数和交叉验证结果
Table 2 Optimal PLS factors of concentrate and results
obtained by cross-validation
因子数 校正均方差 因子数 校正均方差
0 2.462 6 0.746
1 1.088 7 0.792
2 0.764 8 0.805
3 0.697 9 0.804
4 0.680 10 0.832
5 0.702




图 1 白芍浓缩液近红外谱图
Fig. 1 NIR spectrum of Paeoniae Radix Alba concentrate

2.8 模型的建立
对7批次白芍醇提液浓缩过程共计145个样本进
行数据分析，对芍药苷的量进行 PLS 建模。根据交
叉验证获得结果：最佳主因子数为 4，r＝0.969 12，
均方差为 0.605。模型预测值与真实值相关性见图 2。
10 000 8 000 6 000 4 000
波数/ cm−1
中草药 Chinese Traditional and Herbal Drugs 第 42 卷 第 12 期 2011 年 12 月

·2461·

真实值
图 2 芍药苷预测值与真实值之间的相关性
Fig. 2 Paeoniflorin correlation between predicted
and actual values

2.9 预测效果的评价
为了验证上述模型的预测效果，参照同样的生
产条件，重复进行 1 批次生产，并采集浓缩样本 20
个，用于模型的验证。芍药苷质量分数的预测值与
真实值的变化趋势见图 3。可以看出，白芍醇提液浓
缩过程的预测曲线与真实曲线呈稳定、一致的变化
趋势，预测值与真实值间的平均相对误差为 4.9%。

0 4 8 12 16 20
3
6
9
12




图 3 芍药苷的 HPLC 真实值与预测值变化趋势图
Fig. 3 Change trends of HPLC actual and predicted
values of paeoniflorin

3 讨论
在谱图采集过程中，流通池中的样品存在气泡，
一直是困扰试验进行的问题，因为其直接影响到光
信号在流通池中的吸收与传播，造成采集到的光谱
出现不规则峰型，谱图信息受到严重干扰。针对该
问题，笔者从设备、现场操作等方面入手，经过试
验和摸索，避免了气泡的干扰现象，扫清了在线采
谱的最大障碍。
NIRS 分析技术具有方便、省时、成本低、环境
友好等优点。本研究采用直接在白芍浓缩装置上增
加近红外检测设备进行在线采谱的方式，建立了浓
缩过程的芍药苷定量检测模型，模型的趋势预测效
果良好，能够满足生产过程中在线检测和质量监控
的要求。
参考文献
[1] 李彦周, 闵顺耕, 刘 霞. 近红外光谱技术在中草药分
析中的应用 [J]. 光谱学与光谱分析 , 2008, 28(7):
1549-1553.
[2] 高 娟, 唐素芳, 高立勤, 等. 浅谈近红外光谱技术在
药物分析领域的应用 [J]. 天津药学, 2010, 22(4): 72-74.
[3] 颜栋林, 程文君. 近红外光谱分析技术在药品快速检
测中的进展 [J]. 临床合理用药, 2009, 2(21): 124-125.
[4] 张爱军, 戴 宁, 赵国磊. 丹参产业化提取中近红外在
线检测技术的研究 [J]. 中草药, 2010, 41(2): 238-240.
[5] 周 云, 臧恒昌. 近红外分析技术在中药鉴定及含量测
定方面的研究进展 [J]. 食品与药品, 2009, 11(1): 72-74.
[6] 田 华, 黄开合, 袁胜浩. 近红外光谱技术及其在中药
质量分析中的应用 [J]. 中国药房, 2011, 22(3): 281-282.
[7] 张 威, 白 雁, 雷敬卫, 等. 近红外光谱法测定黄芩
提取物中黄芩苷含量 [J]. 计算机与应用化学, 2010,
27(12): 1698-1706.
[8] 刘 伟, 范可青, 包艳春, 等. 运用车载近红外光谱仪
测定六味地黄丸水分 [J]. 中国药事 , 2008, 22(8):
703-705.
[9] 韩 莹, 张永耀, 侯惠婵, 等. 近红外光谱法鉴别消渴
丸真伪的应用 [J]. 广东药学院学报 , 2010, 26(4):
348-350.
[10] 蒋受军, 刘丽娜, 朱 斌, 等. 近红外光谱法测定注射
用丹参（冻干）中丹参素、原儿茶醛及总酚含量的初
步研究 [J]. 药物分析杂志, 2008, 28(7): 1094-1098.
[11] 白 雁, 王 星, 陈志红. 近红外光谱法检测连翘药材
中水分含量 [J]. 郑州大学学报: 医学版, 2008, 43(6):
1164-1166.
[12] 孙荣梅, 相秉仁, 于丽燕, 等. 近红外光谱法用于菟丝
子药材的鉴别 [J]. 药学与临床研究 , 2010, 18(6):
534-536.
[13] 章顺楠, 杨海雷, 刘占强, 等. 近红外光谱法在线监测
复方丹参滴丸料液中有效成分含量 [J]. 药物分析杂
志, 2009, 29(2): 192-196.
[14] 刘玉红, 张惠珍. 高效液相色谱法测定芍药中芍药苷
的含量 [J]. 中国医院药学杂志 , 2006, 26(10):
1308-1309.
[15] 陆婉珍. 现代近红外光谱分析技术 [M]. 北京: 中国石
化出版社, 2007.
真实值
预测值
试验号
芍
药
苷
/(m
g·
m
L−
1 )

10


5
5 10
预
测
值

校准
验证
校正
交叉校正