1.一种实时精确检测中成药品中成分种类与含量的方法,其特征在于,包括以下步骤:步骤S1:待测中成药品样品预处理;
步骤S2:对预处理后的中成药样品进行红外光谱检测;
步骤S3:对步骤S2红外光谱检测得到的红外光谱数据进行预处理,得到标准的红外光谱;
步骤S4:通过步骤S1‑S3建立标准药品成分红外数据库;
步骤S5:建立红外光谱的定性鉴别模型并进行定性鉴别;
步骤S6:将经过步骤S5的光谱数据通过药品定量分析模型,采用神经网络算法与药品成分标准工作曲线结合的方法测量药品中成分的含量。
2.根据权利要求1所述的一种实时精确检测中成药品中成分种类与含量的方法,其特征在于,所述步骤S1中对待测中成药品样品进行预处理具体为:根据中成药品的类别,制作相应的标签数据集{text1、text2、…},然后将其打磨成颗粒尺寸小于2.5μm,再进行真空干燥。
3.根据权利要求1所述的一种实时精确检测中成药品中成分种类与含量的方法,其特征在于,所述步骤S2对预处理后的中成药样品进行红外光谱检测的具体过程为:将标记好待测的药品数据集依次通过傅里叶变换光谱仪,以固体检测方式得出样品以吸光度为纵坐标的近红外光谱数据。
4.根据权利要求1所述的一种实时精确检测中成药品中成分种类与含量的方法,其特征在于,所述步骤S3中对红外光谱数据进行预处理包括:步骤S31:对药品的光谱图进行基线校正,将光谱图中倾斜或漂移的基线和干涉条纹进行逐点矫正;
步骤S32:药品的光谱图进行基线矫正后,进行光谱归一化处理,将光谱中最大吸收峰的吸光度归化为1,再将光谱的基线归化为0;
步骤S33:将归一化后的光谱数据进行生成数据直线处理,得到标准的中成药品的红外光谱。
5.根据权利要求1所述的一种实时精确检测中成药品中成分种类与含量的方法,其特征在于,所述步骤S4中建立的红外数据库3500‑1500(cm‑1)为官能团区,1000‑500(cm‑1)为指纹区。
6.根据权利要求1所述的一种实时精确检测中成药品中成分种类与含量的方法,其特征在于,所述步骤S5中红外光谱的定性鉴别的具体过程为:对步骤S3得到的标准的红外光谱进行二阶导数光谱数据处理、傅里叶自卷积处理,结合数据模型特征匹配算法在二阶导数光谱数据基础上验证药品的光谱数据的傅里叶自卷积处理的效果,若傅里叶自卷积处理的效果较好,则将步骤S3的数据与步骤S4中标准品的标准数据库进行神经网络训练后的特征匹配,快速找出在相同波数下出现的该成分的种类并输出结果。
7.根据权利要求6所述的一种实时精确检测中成药品中成分种类与含量的方法,其特征在于,所述数据模型特征匹配算法是采用神经网络特征匹配算法,将待测药品的光谱数据与建立的标准药品的光谱数据库进行在特征吸收带位置,形状和强度的数据特征匹配。
8.根据权利要求6所述的一种实时精确检测中成药品中成分种类与含量的方法,其特征在于,所述结合数据模型特征匹配算法在二阶导数光谱数据基础上验证药品的光谱数据的傅里叶自卷积处理效果的具体过程为:将药品数据的傅里叶自卷积处理光谱与其二阶导数光谱相比较,判别两个光谱峰个数、峰位是否基本相同,若两个光谱峰个数、峰位基本相同,则光谱数据的傅里叶自卷积效果较好;若两个光谱峰个数、峰位不相同,则表明光谱数据的傅里叶自卷积效果差,需要调整并优化数据模型特征匹配算法,之后再重新进行判别。