用 AOTF-NIR 光谱技术对薄膜包装的胶囊进行分类
摘要 采用声光可调滤光器（AOTF）-近红外（NIR）自由空间光谱仪和 Unscrambler 化学计 量学光谱分析软件，把胶囊样品分别分成两组和三组进行研究，结果表明，安慰剂和活性胶 囊的鉴别实现了百分之百的鉴别，使用 Brimrose AOTF-NIR 自由空间光谱仪收集光谱来对胶 囊定性是可行的，当在校正集中使用更多的样品时，校正模型的功能更强大、更精确。
近红外光谱主要是有机分子的倍频与合频的吸收光谱。有机物近红外光谱主要包括 C-H、N-H、O-H等含氢基团的倍频与合频吸收带。这些是在近红外谱区做复杂天然物品质 分析的前提。近红外(NIR)光谱法是近年来发展迅速的一种绿色分析技术，并以其独特的优 点开始应用于中药分析,传统的红外分光光度技术采用棱镜或光栅做色散元件，以这些色散 元件为核心的红外光谱测量系统，结构复杂，设计和生产成本高，使得分析检测仅适于实验 室 条 件 下 应用 。 自 20 世纪 80 年代 后期 ，一 种 新型 的 色 散 元 件 —— 声 光可 调滤 光 器（Acousto-optic tunable filter，简称AOTF）逐渐受到人们的重视。AOTF是基于各向异性 的双折射晶体的声光衍射原理，利用超声波与特定的晶体作用而产生分光的光电器件。与传 统的基于机械调谐分光元件的光谱仪器相比，以AOTF作为分光元件的光谱仪具有明显的优越 性：它结构简单，光学系统无移动性部件，体积小，集光能力强，最吸引人之处在于它的波 长切换快、重现性好，程序化的波长控制使得这种仪器的应用具有更大的灵活性，尤其是外 部防尘和内置的温度、湿度集成控制装置，大大提高了仪器的环境适应性，加之全固态集成 设计产生优异的避震性能，使其近年来在工业在线和现场（室外）分析中得到越来越广泛的 应用,最近几年，AOTF-近红外光谱分析仪引进国内，已经开始应用于烟草及化工行业中，本 文拟用AOTF－NIR技术测定含有不同成分的薄膜胶囊进行分类，为胶囊的快速分类提供依 据。
1．实验部分
1.1 仪器条件和样品
仪器：美国 BRIMROSE 公司产的 AOTF-NIR 自由空间近红外光谱仪，主要部件包括： 光学部分、控制部分、电源适配器。软件包括 SNAP!光谱处理软件和 CAMO 化学计量学软 件。
扫描参数设置：光谱范围 1100～2200nm，波长增量 2.0nm，平均次数 300，测样方式为漫反射。
1.2 实验方法
光谱采集：仪器使用 BRIMROSE 公司专用的 SNAP!扫描软件进行光谱采集。对光谱数 据的处理：光谱经过一阶微分（9 点光滑），然后转换为 UNS 数据格式，最后导入 CAMO 化学计量学软件 The Unscrambler，利用 AOTF-NIR 自由空间光谱仪对薄膜包装中的 2 组胶 囊扫描光谱数据。第一组（安慰剂）中胶囊中只含有赋形剂粉末，第二组(活性)中的胶囊包 含赋形剂粉末和 Aleve 粉末，每组扫描 50 个样本，用来进行分类分析。
1.3 数据处理
一阶微分光谱显示这两组之间的区别清晰可辨，光谱数据被导入化学计量学软件包 The Unscrambler 来进行化学计量学分析，使用主成分分析法来看一下是否在 2 组之间是相隔离 的。结果表明两者之间有隔离，模型的数据也显示着光谱差异的同一波长范围为分类提供了 相关信息。偏最小二乘法回归模型是通过赋予安慰剂药片任意数值 1 并赋予活性药片任意数 值 2 创建的，模型显示了精确的结果，也说明通过扫描胶囊和对药片赋值也可以进行分类分 析。如果这个值小于 1.5，那么胶囊就被划分为安慰剂，如果大于 1.5 就被划分为活性的药 物。为了增加模型的可靠性，可使用 Brimrose Luminar 预测软件建立一个预测文件。每组出 10 个胶囊，不用于校准而用于预测，对两组胶囊都进行扫描。
2..结果与分析
对 3 组胶囊样品进行研究。第一组样品的胶囊中不含有药末，第二组样品胶囊中有赋形 剂粉末，但没有活性成分粉末，第三组样品胶囊中既有赋形剂粉末又有活性 Aleve 粉末。第 二组记为 P 组，第三组记为 A 组。波长范围从1100nm 到 2200nm，波长增量为 2nm。250 次扫描平均一张光谱。胶囊被分成 5 个条形组进行，从 P 组和 A 组中取 50 个胶囊样品，使 用与测空胶囊相同的参数来对其进行扫描。原始光谱数据以透过率的形式收集起来，后处理 为吸收光谱和一阶微分光谱。为了使光谱差异更加明显，先把 A 组和 P 组各自的 5 个小组 中的每个条形组的光谱做平均化处理，得到 A 组的 5 个平均光谱和 P 组的 5 个平均光谱。 引入主成分分析法来检验一下使用光谱数据是否能对其进行分类，偏最小二乘法回归模型是 通过赋予 P 组任意数值 1 并赋予 A 组任意数值 2 创建的。使用 Brimrose luminar 预测软件建 立一个预测文件，每组提取 10 个胶囊，不包括模型中用于分类预测的种类。
2.1 光谱图
原始透过光谱图是不容易解释的。为了使两组之间的差异更加清晰，光谱被处理为吸 收光谱和一阶微分。
一阶微分光谱图消除了基线漂移的影响，并经常用于检测微小光谱差异。在这两组的一 阶微分光谱中有些差异，不过因为有太多的数据点，看到差异是很难的，为了使差异更清楚， 10 个光谱平均到一个光谱中去，这样每组获得 5 个平均光谱，图 4 中显示了这一平均光谱。
在安慰剂和活性药物组一阶微分平均光谱图中，他们之间的差异是清晰可见的。图 5~图 9 显示了在差异清晰的波长区的一阶微分的放大部分。
这 5 组的光谱差异非常明显，主成分分析模型将显示两组光谱分离的波长区是分类分析的主要区域。
在这个波长范围内，它们的差异很小但很清楚。化学计量分析经常使用这种很小的差异进行定性和定量分析，甚至在没有很明显的差异的情况下也能够建立精确、功能强大的模型。
在 1900nm 附近光谱差异大而明显，主成分分析模型将显示，这一波长区会提供两组样 品的分类分析的很多信息。
2.2 回归与建模
主成分分析模型的分析图显示了数据点之间的分离，也说明不管是否是同一组的都能用 光谱数据分类。这种分离是很明显的，活性样品组的数据点之间的距离比安慰剂组的数据点 之间的距离更近，因它的光谱相对独立性小一些，重要的是这两组是相互独立的，情况如图 10，只使用一种主成分，X-加载图将说明这种分离是基于能看到清晰的光谱差异的波长区域。
在主成分分析模型的 X-载入分量图中的波峰显示了分类分析的相关的波长区，并在同 一个波长区域内可以看到光谱差异，这也说明模型正在使用相关信息进行分类，事实上只使 用了一种主成分就简单明了的给出了分离的数据，对这 2 组样品进行分类分析的另一种方法 就是建立一个偏最小二乘回归模型，然后把任意数值 1 赋于一组，2 赋予另一组，这种分析 通过给活性组数值 2 和安慰剂组数值 1 后进行，图 12 显示这种模型的结果。
这种分类分析的方法把任意值 1 和 2 分派给两组。当扫描一个胶囊时，模型会选择一个 基于光谱数据的数值。任何数值小于 1.5，就划为安慰剂类，比 1.5 大的就划为活性类，这 是平均光谱的模型，使用 100 个光谱进行预测，之所以能这样做是因为更多的数据点需要考 虑在胶囊中的变化，如在水疱中的微小差别和活性胶囊中的药片的定位，两个模型的预测误 差标准都是 0.2，使用较多数据点的模型能够进行更精确的预测，往模型里添加更多的数据 点能使模型更精确。
2.3 预测结果
通过分别分派给安慰剂组和活性样品组任意数值 1 和 2 的偏最小二乘法回归模型和校正 光谱建立一个预测文件，这个界面可以进行结果的预测。每组中取 10 个没有用于建立校正 模型的胶囊，对其进行结果预测。每个胶囊都被扫描过，“成分值”栏显示着预测值。10 个 安慰剂胶囊的值都小于 1.5，最大值是 1.08，10 个活性胶囊的值都大于 1.5，最小值是 1.68。 结果很清楚地说明可以使用 Brimrose 近红外光谱仪获得的光谱数据对安慰剂和活性胶囊进 行分类。如果校正集中增加更多的检测样品，效果会更好。
3.结论
这次研究的结果证明了使用 Brimrose 自由空间近红外光谱仪获得的光谱数据对安慰剂 和活性胶囊进行分类是切实可行的，预测结果证明了对这两种胶囊的分类分析的可行性，过 去的结果已经证明当 100 个或更多的样品在校正集中使用时，校正模型的功能更强大、更精 确，在这种情况下，当添加更多的样品来显示在水疱、胶囊和活性胶囊里药片的定位中的任 何一个小的差异，模型会更加准确，Brimrose 近红外光谱仪理想的扫描速度和无移动部件使 其成为用于实时、在线测量的理想工具。AOTF 技术可以快速、精确地扫描，不需要重新校 正系统，一个宏程序使得仪器允许在光束的照射下在传送带上移动，优化系统可以使扫描速 度达到 10 秒/个，当然也得考虑传送带上的胶囊间距离，得出结论，这次研究结果证明了使 用光谱数据对安慰剂和活性胶囊进行分类的可行性。
