采用AOTF近红外技术在线检测黄芪的提取与浓缩过程
摘要：本文考察美国 Brimrose 公司的 Luminar 3060 多通路 AOTF 技术近红外光谱仪在线测 试中的可行性，辅以 Unscrambler 化学计量学光谱分析软件，做了两方面工作，其一：对黄 芪提取及浓缩溶液中化学指标黄芪甲甙百分含量的定量分析；其二，对浓缩过程中溶液的物 理指标密度进行在线测试，在样品数量有限的情况下，两者都达到了比较理想的效果，说明 完全可以实现 AOTF 近红外光谱仪在线监测和控制黄芪提取过程的目的。
黄芪具有补气升阳、益卫固表、托毒生肌、利水消肿等功效，近年来对其药理作用研究 取得了较大进展，在制药企业中，对黄芪的主要质量控制指标，主要集中在黄芪甲苷和类黄 酮成分和黄芪甲甙为原料的中药制剂的检测上，近年来，用 HPLC 法测定黄芪中黄酮类成分 和黄芪甲苷的含量，应用 HPLC-ELSD 检测方法测定黄芪注射液中黄芪甲苷的含量的等等报道 见诸报端，本文尝试 AOTF 近红外光谱仪在在线监测黄芪浓缩液密度和生产中检测黄芪中黄 芪甲甙含量，以控制提取过程的可行性。
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[1-4], 以往多采用傅立叶变换近红外光谱仪。20 世纪 90 年代末出现了第 5 代声光 可调（AOTF）近红外光谱仪，被称为“90 年代近红外光谱仪最突出的进展”。这种新型的近红 外光谱仪具有结构简单、体积小、重现性好和仪器环境适应性强的特点，将过去必须在室内， 且对温度、湿度、灰尘、防震均有严格要求的各项检测转移到了生产在线和现场（室外）。 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 。
1 实验部分
1．1 实验仪器和样品
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。
样品：浓缩实验时间为两天，共收集了 55 个光谱数据，对浓缩液密度进行定量检测，收集 35 个样品用来对黄芪中黄芪甲甙含量进行定量检测。
1．2 实验方法
本方案采用旁路在线检测的方式，从主管道引出一旁路，在旁路上接上十字型流体测 样器，在测样器的下游安装一个支管，管上安装阀门通过开关阀门 3 使流体从管中流出。
在实验的过程中，正常状态时阀门 3 关闭，流体在旁路中流通并返回到主管道中去；
当光谱扫描完毕，马上关闭阀门 1 和阀门 2，将阀门 3 打开，使流体从短管中流出，用塑料样品瓶盛接，接满后盖上瓶盖，取样完毕。然后，关闭阀门 3，打开阀门 1 和阀门 2，使流 体在旁路中正常流动。因短时间内，溶液的状态不会发生变化，因此可以认为扫描的光谱即 为样品瓶中的溶液样品的光谱。
将样品瓶用薄膜封口并进行编号，一天的样品收集完成后，统一放到冰箱中保存。然 后去分析室用高效液相色谱仪分析各指标的含量数据（分析的数据尽可能准确），将指标的 含量数据与对应的光谱数据相关联，当样品达到一定的数量时，用挪威 CAMO 公司的 Unscrambler 化学计量学软件计算，得到模型。
本次实验分为黄芪提取与浓缩两个过程，提取时溶液的温度为 95℃左右，浓缩时溶液 的温度为 80℃左右。提取分两步：一煎和二煎，每个步骤约 90 分钟的时间。每个步骤的取 样方式为：开始每隔 5 分钟取一个样品，取约 6 个样品后，剩余时间每隔 10 分钟取一个样品。每个步骤约取 12 个样品。浓缩分两次，每次约 4 个小时。取样方式为：每次开始的时 候每隔 20 分钟取一个样品，2 小时后每隔 10 分钟取一个样品，并液后连续取样，整个浓缩 过程能够取到 35 个样品。
将光纤接到 1 号通路，利用光纤通过透射的方式采集样品的光谱数据。
1．3 数据处理
提取过程每一张光谱都是 100 次扫描的平均结果，浓缩过程每一张光谱都是 200 次扫 描的平均结果。波长范围 1100nm 至 2300nm，1nm 的波长间隔。光谱数据以透过方式采集并 处理为吸收光谱的一阶微分。然后利用每个样品主成分含量数据(或密度数据)和该样品的光 谱数据一一对应，创建校正模型，利用建好的校正模型对样品进行预测，并计算出各组分的 预测偏差。
2．结果与分析
2．1. 光谱
2．2 回归和模型化
利用偏最小二乘回归法对浓缩溶液密度和黄芪甲甙两个参数进行回归、建模。
图 14：溶液密度的 PLS 1 模型 图 15：浓缩溶液黄芪甲甙百分含量 PLS 1 模型
从 PLS1 回归模型上看，浓缩溶液密度和黄芪甲甙百分含量的模型非常好，相关系数分别为 0.9773 和 0.9849。
2．3 预测
本次浓缩实验时间为两天，共取得了 70 个光谱数据。数据编号为 2701-2735；2801-2835，即 7 月 27 日取得 35 个样品，7 月 28 日取得 35 个样品，共 70 个样品。
浓缩过程密度的建模说明：
样品数量共 70 个，没有记录密度数据的样品有 4 个（2713、2714、2725、2735），密度数据明显异常的样品有 2 个（2822、2823 其密度值皆为 0.5）。剩下有数据的样品数量为64 个。通过分析有明显异常或数据不够准确的样品有 9 个：2701、2702、2704、2705、2801、2815、2816、2817、2835。这样总共有 55 个合格的样品，将这些样品按编号进行排序，每隔 5 个样品取一个样品（即顺序号为 5、10、15、20、25、30、35、40、45、50）共 10 个样品做为验证集样品，不参与建模；另外的 45 个样品用于建立模型。用建立好的密度模型来预测 10 个验证集样品，结果见表一：
表一：AOTF 在线近红外光谱仪对密度的预测结果
| 样品编号 | 近红外预测值 | 化学值 | 相对偏差(%) | 绝对偏差 |
| 2709 | 1.184 | 1.19 | 0.50 | 0.006 |
| 2716 | 1.036 | 1.036 | 0.00 | 0 |
| 2721 | 1.112 | 1.104 | 0.72 | 0.008 |
| 2727 | 1.128 | 1.114 | 1.26 | 0.014 |
| 2732 | 1.142 | 1.141 | 0.09 | 0.001 |
| 2804 | 1.152 | 1.15 | 0.17 | 0.002 |
| 2809 | 1.235 | 1.234 | 0.08 | 0.001 |
| 2814 | 1.324 | 1.28 | 3.44 | 0.044 |
| 2824 | 1.105 | 1.093 | 1.10 | 0.012 |
| 2829 | 1.105 | 1.138 | 2.90 | 0.033 |
| 平均偏差 | 1.03 | 0.012 | ||
浓缩过程黄芪甲甙百分含量的建模说明
由于只提供了 27 日的 35 个样品的黄芪甲甙百分含量化学值数据，因此，只能用 35个样品来建立黄芪甲甙模型。其中 2712 号样品的数据（0.2570）明显异常，去掉该样品， 剩余 34 个样品按样品编号排序，由 2702 号样品开始，每隔 5 个样品取一个做为验证集样品， 编号为 2702、2707、2727、2722、2727、2732，共 6 个用来验证模型。其余的 28 个样品为 校正集样品用来建立模型。模型的验证结果见表二：
表二：AOTF 在线近红外光谱仪对黄芪甲甙的预测结果
| 样品编号 | 近红外预测值 | 化学值 | 相对偏差（%） | 绝对偏差 |
| 2702 | 0.0916 | 0.0911 | 0.56 | 0.00051 |
| 2707 | 0.1670 | 0.1700 | 1.76 | 0.003 |
| 2717 | 0.1230 | 0.1250 | 1.60 | 0.002 |
| 2722 | 0.1890 | 0.1830 | 3.28 | 0.006 |
| 2727 | 0.2050 | 0.2110 | 2.84 | 0.006 | |
| 2732 | 0.2140 | 0.2070 | 3.38 | 0.007 | |
| 平均偏差 | 2.24 | 0.004 |
3． 结 论
从以上的结果可以看出：在整个黄芪的提取过程中，用 AOTF 近红外光谱仪在线检测的 密度的平均绝对偏差为 0.012、黄芪甲甙百分含量的平均绝对偏差为 0.004,完全可以实现 AOTF 近红外光谱仪在线监测和控制黄芪提取过程的目的。如果能够将密度的化学值数据测 量的更为准确和提供更多的建立模型的样品数据，相信可以得到更为准确完善的模型。
另外,我们推断,如果在线监测水分的指标,可以得到更准确的数据,而且不论何种药物 的浓缩,均可以根据水分的指标来判断浓缩的程度,能够更有效地对整个浓缩过程进行监控, 实现浓缩过程的全自动控制。
