全 文 ：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
陈雪英１，李页瑞１，陈勇１，王龙虎１，孙长海２，刘雪松１
（１．浙江大学 现代中药研究所，浙江 杭州 ３１００５８；
２．天津红日药业有限公司，天津 ３０００００）
［摘要］　目的：建立一种用近红外（ＮＩＲ）透射光谱法快速测定赤芍水提过程有效成分含量的新方法。方法：以 ＨＰＬＣ为
对照分析法测定了芍药苷含量，运用偏最小二乘（ＰＬＳ）法建立ＮＩＲ光谱与芍药苷ＨＰＬＣ分析值之间多元校正模型，并对未知
样本进行含量预测。结果：校正模型相关系数达到０９９６２，预测相关系数达到０９８９５，其 ＲＭＳＥＣ和 ＲＭＳＥＰ分别为０１０９，
０１３８ｇ·Ｌ－１，ＲＳＥＰ为５６％。结论：本法操作简便、快速无损、准确可靠，可用于中药提取过程有效成分含量的快速监测。
［关键词］　近红外透射光谱；赤芍；偏最小二乘法；质量监控
［收稿日期］　２００９０１０６
［基金项目］　国家科技支撑计划项目（２００６ＢＡＩ０６Ａ０８）；浙江省科
技计划项目（２００７Ｃ２３０２３）
［通信作者］　刘雪松，副教授，Ｔｅｌ：（０５７１）８８２０８６２１，１３９５８１９９９９７，
Ｅｍａｉｌ：ｌｉｕｘｕｅｓｏｎｇ＠ｚｊｕ．ｅｄｕ．ｃｎ
　　在中药提取过程中，由于提取液中活性成分含
量往往过低且含较多的杂质，难以直接准确地快速
测定，造成中药生产过程中缺乏有效的质量控制手
段。现行中药生产工艺控制模式仍以传统的经验控
制方法为主，多数环节缺乏在线检测手段，无法实时
监控有效成分含量变化，使生产工艺很难得到精确
控制，从而导致中药药品批次质量差异较大。故研
究发展中药生产过程中活性成分含量的快速无损测
定方法，有助于解决生产过程中关键工艺环节的质
量控制问题，从产品的源头上解决中药产品工艺和
成分的稳定性、可靠性问题，对于中药工业技术进步
和产品质量升级具有重大现实意义。
近红外光谱分析技术是一种快速，无损的绿色
分析技术，具有快速分析、样品处理简单，无需试剂
消耗等特点［１２］，目前已经陆续用于药效成分的含量
测定［３］、中药纯化过程分析［４］、天然药物鉴别［５６］和
药材的快速模式识别［７８］等。根据目前的研究进展，
这种快速检测技术是最有希望在中药生产过程实现
工业化应用。
本研究以赤芍为研究对象将近红外光谱分析技
术应用于其提取过程芍药苷的快速含量检测，通过
对ＮＩＲＳ信息与ＨＰＬＣ色谱信息间的计算解析，采用
偏最小二乘法建立赤芍提取过程芍药苷含量的定量
校正模型，实现提取过程芍药苷含量的快速检测，为
实现中药提取过程质量快速检测提供了实验依据。
１　材料
Ａｇｉｌｅｎｔ１２００高效液相色谱仪（Ａｇｉｌｅｎｔ，ＵＳＡ）；
Ａｎｔａｒｉｓ傅立叶变换近红外光谱仪（ＴｈｅｒｍｏＮｉｃｏｌｅｔ，
ＵＳＡ），配有相应透射检测器附件采样系统和信号采
集及Ｒｅｓｕｌｔ，ＴＱＡｎａｌｙｓｔ等数据处理软件；ＦＡ２００４电
子天平（上海越平科学仪器有限公司）；４０Ｌ多功能
提取罐（浙江温兄机械阀业有限公司）。
赤芍药材（天津红日药业股份有限公司，由浙江
大学现代中药研究所陈勇副教授鉴定）；芍药苷对照
品（中国药品生物制品检定所，批号１１０７３６２００７３２）；
色谱纯乙腈（Ｍｅｒｃｋ，Ｇｅｒｍａｎｙ）；超纯水（Ｍｉｌｉｐｏｒｅ）。
２　方法
２．１　提取液样品的制备
称取４ｋｇ赤芍药材，倒入多功能提取罐内，加
１０倍量纯化水浸泡１ｈ后，于１００℃下煎煮２ｈ。一
煎结束后，加８倍量纯化水，１００℃下煎煮２ｈ。每
次煎煮每隔１０ｍｉｎ精密移取５ｍＬ提取液。重复４
次提取试验，共获得９６个样品。将第１，２，４次试验
的提取液样品作为校正集，第３次提取样品作为验
证集。
本研究在多功能提取罐回流管路的罐体入口处
进行取样，该位置的提取液基本上可以代表整体样
本信息，有效地排除了因取样液面高度不同导致样
品中有效成分浓度差异。
·５５３１·
第３４卷第１１期
２００９年６月
　　　　　 　 　 　 　 　　　　　 　 　 　 　
Ｖｏｌ．３４，Ｉｓｓｕｅ　１１
　Ｊｕｎｅ，２００９
２．２　ＮＩＲ光谱采集
采集赤芍提取液样品的透射光谱，设定光谱扫
描范围４０００～１００００ｃｍ－１，扫描次数３２，分辨率８
ｃｍ－１，液体样品池为２ｍｍ光程的石英比色皿。以
空气为参比，在一个恒定的环境中（温度 ２０℃，湿
度３５％）采集赤芍提取液透射光谱。采集的原始
近红外光谱见图１。
图１　纯水与赤芍提取液的原始近红外光谱
２．３　ＨＰＬＣ分析
２．３．１　ＨＰＬＣ色谱条件［９］　ＬｉｃｈｒｏｓｐｈｅｒＣ１８柱
（４６ｍｍ×２５０ｍｍ，５μｍ）；流动相 Ａ乙腈，Ｂ水，采
用二元梯度洗脱，洗脱程序见表１；流速１０ｍＬ·
ｍｉｎ－１；检测波长２３０ｎｍ；柱温２５℃；进样量１０μＬ。
表１　ＨＰＬＣ梯度洗脱程序
ｔ／ｍｉｎ Ａ／％ Ｂ／％
０ １７ ８３
８ １７ ８３
１０ １４ ８６
２０ １４ ８６
２．３．２　样品分析　精密量取提取液样本１ｍＬ，置
１０ｍＬ量瓶中，加水稀释至刻度，摇匀，经０４５μｍ
微孔滤膜滤过，吸取续滤液１０μＬ，按２．３．１中条件
进样分析。
２．４　数据处理
选择合适的波段，在适宜的光谱预处理基础上，
运用偏最小二乘法（ＰＬＳ）建立 ＮＩＲＳ与芍药苷含量
ＨＰＬＣ测定值之间的多元校正模型。以交互验证误
差均方根（ＲＭＳＥＣＶ）为指标，运用留一法交互验证
确定最佳主因子数。模型对校正集样本和验证集样
本的预测误差分别用校正集预测误差均方根（ＲＭ
ＳＥＣ）和验证集预测误差均方根（ＲＭＳＥＰ）来考核，
同时用校正集和验证集相对偏差（ＲＳＥＣ和 ＲＳＥＰ）
分别考察模型校正集和验证集相对偏差值。
３　结果与讨论
３．１　含量测定
用上述建立的液相分析方法测定样品中芍药苷
的含量，图２为对照品及样品的液相色谱图，所有样
品芍药苷含量见表２。
ａ．芍药苷对照品；ｂ．样品；１芍药苷。
图２　芍药苷ＨＰＬＣ图
表２　样品中芍药苷的质量浓度 ｇ·Ｌ－１　
Ｎｏ． 最小值 最大值 均值 标准偏差
１ ０５３６ ３３９５ １６３１ １０１０
２ ０７６９ ４０５５ ２１５０ １３０５
３ ０８４８ ４０１０ ２１４６ １１５０
４ ０６９１ ３９４５ ２２０６ １３９８
３．２　校正模型的建立
３．２．１　异常点的剔除　由于光谱仪系统误差、光谱
信号的漂移、测量环境的变化或样本预处理不当等
各种原因，所测得的样品近红外光谱可能出现异常，
进而使模型预测精度下降。本研究首先使用马氏距
离法来辨析和剔除异常的近红外光谱［１０］。光谱的
马氏距离（ｍａｈａｌａｎｏｂｉｓ＇ｄｉｓｔａｎｃｅ）是指样本光谱与标
准光谱集的平均光谱之间的距离，如果该距离大于
所设定的阈值，则可判断该样本光谱异常，予以剔
除。所有样品所测光谱的马氏距离见图３（９６个样
品按提取顺序编号），从图３中可看出第４次提取的
最后３个样品光谱异常，因此将其视为异常样品进
行剔除，将剩余的９３个样品用于建模。
图３　所有样品的马氏距离
·６５３１·
第３４卷第１１期
２００９年６月
　　　　　 　 　 　 　 　　　　　 　 　 　 　
Ｖｏｌ．３４，Ｉｓｓｕｅ　１１
　Ｊｕｎｅ，２００９
３．２．２　波长的选择　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，影响
最终模型的预测效果，因此有必要对波段进行选择，
以消除无关的干扰。从图１中可看出纯水与样品的
原始光谱图在６５００～７５００ｃｍ－１有较明显差别，该
波段能够较好的反映提取液的吸收特性，同时该特
征在其一阶导数光谱中也能得到很好的体现，因此
选择该波段进行建模。
３．２．３　光谱预处理　在近红外透射光谱的采集过
程中，环境的变化（温度、湿度等）会引起光谱基线
的偏移，随机噪声和样品背景干扰都会对校正结果
产生影响；此外，由于需要对谱图信息进行优化，提
高运算效率，所以在对近红外光谱进行分析之前，一
般要对光谱数据进行预处理。原始光谱测量数据在
使用前经 ｎｏｒｉｓ卷积［１１］平滑处理后，分别取其一
阶、二阶导数，并比较了上述微分处理对 ＰＬＳＲ校正
模型的ＲＭＳＥＣＶ的影响，见图４。采用一阶导数处
理得到的ＲＭＳＥＣＶ最小，因此选择 ｎｏｒｉｓ卷积平滑
和一阶导数对光谱进行预处理，处理后的光谱
见图５。
１．一阶导数；２．无处理；３．二阶导数。
图４　不同预处理方法的ＲＭＳＥＣＶ值与主因子数的
相关关系图
图５　样品与纯水的一阶导数光谱图
３．２．４　模型的建立　选择最优建模的波段和光谱
预处理方法，用ＰＬＳ法建立赤芍水提过程芍药苷含
量的近红外校正模型。芍药苷ＮＩＲ预值与ＨＰＬＣ测
定值的相关关系图见图６，ＮＩＲ测定值与ＨＰＬＣ测定
值之间相关性良好，测量结果基本趋于一致，模型校
正集Ｒ２＝０９９６２，ＲＭＳＥＣ＝０１０９ｇ·Ｌ－１，主因子
数为８（如图４中箭头所示，此处对应的ＲＭＳＥＣＶ较
小，为软件提供的最优主因子数）。
图６　校正集样品ＮＩＲ测定值与实际值的对照图
３．２．５　提取过程预测　用所建模型对第３次提取的
样品进行预测，验证集样品预测值与ＨＰＬＣ测定值的
相关关系图见图７，预测集 Ｒ２＝０９８９５，ＲＭＳＥＰ＝
０１３８ｇ·Ｌ－１，ＲＳＥＰ＝５６％，控制在１０％以内，能够
满足中药生产过程实时分析的精度要求。２次煎煮
过程预测情况见图８。由图８可知，模型所获得的近
红外预测值与ＨＰＬＣ测定值基本保持一致，预测值的
过程趋势也与实际过程大体相符。同时，从该图可明
显的看出，样品成分浓度高低对近红外预测性能影响
较大，高浓度的预测效果明显优于较低浓度。浓度校
正模型确立后，采用所建方法，ＮＩＲＳ完成１次测量只
需２０ｓ（扫描３２次），而ＨＰＬＣ完成１次测量至少需
要３０ｍｉｎ，因此采用近红外光谱分析技术不仅可以实
现中药提取过程有效成分含量的实时检测，而且其检
测比常规方法更简便、更快速。
４　结论
本研究针对赤芍提取过程中芍药苷成分含量实
时测定的难题建立了一种基于近红外光谱的快速分
析方法，所建模型预测结果令人满意，Ｒ２＝０９８９５，
ＲＭＳＥＰ＝０１３８ｇ·Ｌ－１，ＲＳＥＰ＝５６％，能够满足中
药生产过程实时分析的精度要求。本研究所建立的
方法操作简单、快速无损、准确可靠，有望推广应用
于中药提取过程有效成分含量的快速检测，为发展
·７５３１·
第３４卷第１１期
２００９年６月
　　　　　 　 　 　 　 　　　　　 　 　 　 　
Ｖｏｌ．３４，Ｉｓｓｕｅ　１１
　Ｊｕｎｅ，２００９
　　
图７　验证集样品的预测值与实际值的对照图
○ＨＰＬＣ测定值；△．模型预测值。
图８　赤芍煮提过程液相测定与模型预测芍药苷的
浓度变化对照图
中药等天然药物生产过程实时分析技术开辟一条新
途径。
［参考文献］
［１］　 王宁，傅春华，周爱敏，等．近红外漫反射光谱法直接测定小
儿消食片中总有机酸的含量［Ｊ］．中国中药杂志，２００７，３２
（１５）：１５９７．
［２］　 任卫波，韩建国，张蕴薇，等．近红外光谱分析原理及其在牧
草航天育种的应用前景［Ｊ］．光谱学与光谱分析，２００８，２８
（２）：３０３．
［３］　 刘雪松，程翼宇．用于中药药品质量快速检测的近红外光谱
模糊神经元分类方法［Ｊ］．化学学报，２００５，６３（２４）：２２１６．
［４］　 杨南林，程翼宇，瞿海斌．１种用于中药纯化过程的近红外光
谱分析新方法［Ｊ］．化学学报，２００３，６１（５）：７４２．
［５］　 ＬａａｓｏｎｅｎＭ，ＨａｒｍｉａＰＴ，ＳｉｍａｒｄＣＬ，ｅｔａｌ．Ｆａｓｔｉｄｅｎｔｉｆｉｃａｔｉｏｎ
ｏｆｅｃｈｉｎａｃｅａｐｕｒｐｕｒｅａｄｒｉｅｄｒｏｏｔｓｕｓｉｎｇｎｅａｒｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｙ
［Ｊ］．ＡｎａＣｈｅｍ，２００２，７４（１１）：２４９３．
［６］　 汤彦丰，张卓勇，范国强．中草药大黄的近红外光谱和人工神
经网络鉴别研究［Ｊ］．光谱学与光谱分析，２００４，２４（１１）：
１３４８．
［７］　 ＷｏｏＹＡ，ＫｉｍＨＪ，ＺｅＫＲ．Ｎｅａｒｉｎｆｒａｒｅｄ（ＮＩＲ）ｓｐｅｃｔｒｏｓｃｏｐｙ
ｆｏｒｔｈｅｎｏｎｄｅｓｔｒｕｃｔｉｖｅａｎｄｆａｓｔｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｇｅｏｇｒａｐｈｉｃａｌｏｒｉ
ｇｉｎｏｆＡｎｇｅｌｉｃａｅｇｉｇａｎｔｉｓＲａｄｉｘ［Ｊ］．ＪＰｈａｒｍＢｉｏｍｅｄ，２００５，３６
（５）：９５５．
［８］　 瞿海斌，杨海雷，程翼宇．近红外漫反射光谱法快速无损鉴别
阿胶真伪［Ｊ］．光谱学与光谱分析，２００６，２６（１）：６０．
［９］　 胡世林，付桂兰，冯学锋，等．不同产地和部位赤芍中芍药苷
的含量测定［Ｊ］．中国中药杂志，２０００，２５（１２）：７１４．
［１０］　闵顺耕，李宁，张明祥．近红外光谱分析中异常值的判别与定
量模型优化［Ｊ］．光谱学与光谱分析，２００４，２４（１０）：１２０５．
［１１］　徐广通，袁洪福，陆婉珍．现代近红外光谱技术及应用进展
［Ｊ］．光谱学与光谱分析，２０００，２０（２）：１３４．
ＳｔｕｄｙｏｎｆａｓｔｑｕａｌｉｔｙｃｏｎｔｒｏｌｉｎｅｘｔｒａｃｔｉｎｇｐｒｏｃｅｓｓｏｆＰａｅｏｎｉａｌａｃｔｉｆｌｏｒａ
ｕｓｉｎｇｎｅａｒｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｙ
ＣＨＥＮＸｕｅｙｉｎｇ１，ＬＩＹｅｒｕｉ１，ＣＨＥＮＹｏｎｇ１，ＷＡＮＧＬｏｎｇｈｕ１，ＳＵＮＣｈａｎｇｈａｉ２，ＬＩＵＸｕｅｓｏｎｇ１
（１．ＩｎｓｔｉｔｕｔｅｏｆＭｏｄｅｒｎＣｈｉｎｅｓｅＭｅｄｉｃｉｎｅ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００５８，Ｃｈｉｎａ；
２．ＴｉａｎｊｉｎＣｈａｓｅＳｕｎＰｈａｒｍａｃｅｕｔｉｃａｌＣｏ．Ｌｔｄ．，Ｔｉａｎｊｉｎ３０００００，Ｃｈｉｎａ）
　　［Ａｂｓｔｒａｃｔ］　Ｏｂｊｅｃｔｉｖｅ：ＴｏｓｅｔｕｐａｎｏｖｅｌｍｅｔｈｏｄｆｏｒｆａｓｔａｎａｌｙｓｉｓｏｆａｃｔｉｖｅｃｏｍｐｏｎｅｎｔｓｉｎｗａｔｅｒｅｘｔｒａｃｔｉｎｇｐｒｏｃｅｓｓｏｆＰａｅｏｎｉａ
ｌａｃｔｉｆｌｏｒａｗｉｔｈｎｅａｒｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｙ（ＮＩＲＳ）．Ｍｏｔｈｏｄ：ＨＰＬＣｗａｓｕｓｅｄａｓｔｈｅｒｅｆｅｒｅｎｃｅｍｅｔｈｏｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｃｏｎｔｅｎｔｏｆＰａｅ
ｏｎｉｆｌｏｒｉｎａｎｄａｍｕｌｔｉｖａｒｉａｔｅｃａｌｉｂｒａｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎＰＬＳａｌｇｏｒｉｔｈｍｗａｓｄｅｖｅｌｏｐｅｄｔｏａｎａｌｙｚｅｔｈｅｃｏｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｓｐｅｃｔｒａａｎｄ
ｔｈｅｃｏｒｅｓｐｏｎｄｉｎｇｖａｌｕｅｓｄｅｔｅｒｍｉｎｅｄｂｙｔｈｅｒｅｆｅｒｅｎｃｅｍｅｔｈｏｄ．Ｒｅｓｕｌｔ：Ｔｈｅｃｏｒｅｌａｔｉｏｎｃｏｅｆｉｃｉｅｎｔｏｆｔｈｅｃａｌｉｂｒａｔｉｏｎｍｏｄｅｌｗａｓ０９９６２，
ａｎｄｔｈｅｐｒｅｄｉｃｔｅｄｃｏｅｆｉｃｉｅｎｔｗａｓ０９８９５．ＴｈｅＲＭＳＥＣａｎｄＲＭＳＥＰｗｅｒｅ０１０９ｇ·Ｌ－１ａｎｄ０１３８ｇ·Ｌ－１，ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｎｄｔｈｅ
ＲＳＥＰｗａｓ５６％．Ｃｏｎｃｌｕｓｉｏｎ：Ｔｈｅｍｅｔｈｏｄｍｅｎｔｉｏｎｅｄａｂｏｖｅｉｓｐｒｏｖｅｄｔｏｂｅｃｏｎｖｅｎｉｅｎｔ，ｒａｐｉｄａｎｄｎｏｎｄｅｓｔｒｕｃｔｉｖｅ，ａｃｃｕｒａｔｅａｎｄｒｅｌｉａ
ｂｌｅ，ａｎｄｉｓａｐｐｌｉｃａｂｌｅｆｏｒｆａｓｔａｎａｌｙｓｉｓａｎｄｍｏｎｉｔｏｒｉｎｇｏｆａｃｔｉｖｅｃｏｍｐｏｎｅｎｔｓｉｎｅｘｔｒａｃｔｉｏｎｐｒｏｃｅｓｓｏｆｔｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅｍｅｄｉｃｉｎｅ．
［Ｋｅｙｗｏｒｄｓ］　ｎｅａｒｉｎｆｒａｒｅｄｔｒａｎｓｍｉｔｅｄｓｐｅｃｔｒｏｓｃｏｐｙ；Ｐａｅｏｎｉａｌａｃｔｉｆｌｏｒａ；ＰＬＳ；ｑｕａｌｉｔｙｃｏｎｔｒｏｌ ［责任编辑　周　驰］
·８５３１·
第３４卷第１１期
２００９年６月
　　　　　 　 　 　 　 　　　　　 　 　 　 　
Ｖｏｌ．３４，Ｉｓｓｕｅ　１１
　Ｊｕｎｅ，２００９