近红外光谱法快速测定肉桂药材的水分

秦斌 闫研 殷果 庾红萍 王炳志 王铁杰

摘 要 目的：建立快速测定肉桂药材水分的方法。方法：采用甲苯法测定药材样品含水量（作为参考值）。采用近红外光谱法结合偏最小二乘法建立药材样品水分的定量模型。根据药材样品水分测定参考值，采集80批药材样品，以常数偏移消除法预处理光谱，药材样品水分测定最佳波段范围为7 502.2～6 896.6、5 600.6～4 998.9 cm-1。结果：药材样品水分定量模型的内部交叉验证决定系数（R2）为0.974 9，交叉验证均方差为0.404；模型外部验证R2为0.940 4，预测均方差为0.306。结论：该方法快速准确，简便无污染，可用于肉桂药材水分的快速测定。

关键词 肉桂；近红外光谱法；水分；定量模型

中图分类号 R927.1 文献标志码 A 文章编号 1001-0408（2018）14-1949-05

DOI 10.6039/j.issn.1001-0408.2018.14.18

ABSTRACT OBJECTIVE： To develop a method for rapid determination of water content in Cinnamomum cassia. METHODS： The moisture of sample was determined by toluene method （as reference value）. IFRS-PLS was used to establish quantitative correction model of moisture in sample. According to moisture determination of sample， 80 batches of samples were collected， and constant offset elimination method was used to pretreat spectrum. The optimal spectrum range for moisture determination of medicinal sample were 7 502.2-6 896.6 cm-1 and 5 600.6-4 998.9 cm-1. RESULTS： The internal cross validation decision coefficient （R2） of moisture quantitative correction model was 0.974 9， and the root mean square error of cross validation （RMSECV） was 0.404. R2 of model external validation was 0.940 4， and the predicted root mean square error was 0.306. CONCLUSIONS： The method is rapid， accurate， simple and free from pollution. It can be used for rapid determination of moisture in C. cassia.

KEYWORDS Cinnamomum cassia； Near-infrared spectroscopy； Moisture； Quantitative model

肉桂收载于2015年版《中国药典》（一部），为樟科植物肉桂（Cinnamomum cassia Presl） 的干燥树皮，其性大热，味辛、甘，是我国传统的名贵中药材，同时也是著名的辛香食用调料的来源之一，可补火助阳、引火归元、温通经脉、散寒止痛[1-3]。中药材中含有过量的水分易导致药材发生霉烂变质或使有效成分分解[4-6]，因此，控制中药材水分对于保证其质量有重要意义。常用中药材水分测定方法有烘干法、甲苯法等[7]，但前者耗时较长，后者所用试剂具有毒性且操作烦琐，因此，需建立一种准确、简便、快速检测中药材水分含量的方法。近红外光谱法（NIR）在评价中药材质量时，无需样品前处理，测定过程快速、无损、绿色健康、经济环保，具有常规分析方法所不具有的优点[8-9]。本研究通过建立肉桂药材水分的NIR定量模型，为中药材水分含量的快速测定提供参考。

1 材料

1.1 仪器

MATRIX-F型NIR仪（包括光纤探头、InGaAs检测器）、OPUS 5.0软件（德国Bruker公司）；AJ210A型多功能粉碎器（东莞市塘厦兴万电子厂）；MS105DU型电子分析天平（美国Mettler-Toledo公司）。

1.2 试剂

甲苯为色谱纯，水为纯化水。

1.3 药材

80批肉桂药材分别来源于江西、安徽、广西等地（见表1），经深圳市药品检验研究院中药室鉴定为真品。药材样品粉碎过65目筛，备用。

2 方法与结果

2.1 水分（参考值）的测定

取80批药材样品粉末适量，精密称定，按照2015年版《中国药典》（四部）通则0832水分测定法第四法[7]操作，測定其中水分，每批平行测定3份。结果显示，药材样品水分含量为6.8%～21.0%，详见表1。

2.2 NIR的采集

取药材样品粉末装入样品杯，粉末均匀分布，采用漫反射扫描法，以光纤探头接触药材药品粉末，在不透光状态下采集药材样品光谱。以仪器内置背景为参比，扫描间隔为2 cm-1，扫描范围为12 000～4 000 cm-1，累计扫描次数为32次，分辨率为8 cm-1。每批药材样品采集6张光谱，得平均图谱，则80批药材样品的NIR光谱叠加图见图1。

2.3 校正集和验证集样品的选择

根据“2.1”项下含水量分布情况，将80批药材样品按约2 ∶ 1的比例用OPUS 5.0软件自动分为校正集和验证集，其中所选建模用校正集样品的水分含量范围覆盖验证集样品，详见表2。

2.4 光谱预处理方法的选择

在建立NIR定量分析模型前，为了消除光谱噪音、光谱漂移等非线性因素对定量结果的影响，首先要对药材样品的NIR原始光谱进行预处理。常用的预处理方法有常数偏移消除法（Constant offset elimination，COE）、直线差减法（Straight line subtraction，SLS）、一阶导数法（First derivative，FD）、二阶导数法（Second derivative，SD）等[10]。通过采用不同预处理方法可得不同的决定系数（R2）、交叉验证均方差（RMSECV）、预测均方差（RMSEP），详见表3。

运用OPUS 5.0软件对表1数据进行处理，以R2、RMSECV、RMSEP为评价指标，综合评价所建不同模型的准确性与适用性。其中，R2越接近 1，NIR 预测值与参考值相关性越好；RMSECV、RMSEP越小，所建定量分析模型适用性越强、预测效果越好。结果表明，以COE法预处理效果最好，可以消除多重光谱偏差。对光谱进行微调处理，经最佳光谱预处理方法处理后得NIR，详见图2。

2.5 建模波段的选择

采用COE法对不同的波段范围进行手动优化比较，通过 OPUS 5.0软件分析得到检测水分含量预测最佳波段为7 502.2～6 896.6、5 600.6～4 998.9 cm-1，详见表4。

2.6 定量模型的建立

采用OPUS 5.0软件，并结合偏最小二乘法（PLS），对光谱采用COE法预处理光谱，在“2.5”项下波段内对56批药材样品中的含水量进行建模。结果，模型内部交叉验证R2=0.974 9，RMSECV=0.404；模型外部验证R2=0.940 4，RMSEP=0.306。在6.8%～21.0%的水分含量范围内，以参考值（x）为横坐标、预测值（y）为纵坐标进行线性回归，得回归方程为y=0.981 1x+0.224 4（r=0.974 9），详见图3。

2.7 定量模型的验证

利用建立的水分定量模型对验证集药材样品的水分含量进行预测，并与参考值进行比较，结果见表5。

由表5可见，该模型预测值与参考值接近，验证相对偏差范围在0.17%～5.11%，准确度在94.89%～103.43%之间，即该模型准确度较高，可用于预测肉桂药材的水分。

3 讨论

NIR分析技术是一种可以快速、高效地对样品进行定性和定量分析的低碳环保的检测技术，近年来在中药领域的应用日益普遍[11-15]。NIR定量模型是对已知含量的样品建立定量模型，通过PLS法对未知含量的样品进行准确定量分析。经查询，目前尚无肉桂药材的NIR研究报道，现行药典NIR模型库中也无肉桂药材的NIR模型。本研究利用NIR结合PLS法建立肉桂药材水分定量分析模型后，仅需要采集药材样品的NIR，并代入所建NIR模型中，便可预测药材样品的水分含量。本试验收集到的药材样品来自各个地方的厂家，涵盖范围较广且分布较为均匀，具有一定的代表性，故所建模型预测结果具有较高的准确度。

综上所述，本方法快速准确，简便无污染，可用于肉桂药材水分的快速测定，同时也为生产企业日常自检和主管部门现场检查提供了一定参考。

参考文献

[ 1 ] 国家药典委员会. 中华人民共和国药典：一部[S].2015年版.北京：中国医药科技出版社，2015：136-137.

[ 2 ] 梁晓艳，郭占京. 肉桂的药理作用研究概况[J]. 现代医药卫生，2013，29（10）：1501-1503.

[ 3 ] 娜仁其其格. 肉桂的传统应用、化学成分及药理作用的研究概况[J]. 中国蒙医药，2015（7）：29-30.

[ 4 ] 李君，李俊雅. 近红外光谱法测定绞股蓝中水分的含量[J]. 黑龙江医药，2013，26（2）：179-181.

[ 5 ] 白雁，李珊，张威，等. 近红外光谱法快速检测金银花中水分的含量[J]. 中国现代应用药学， 2011，28（11）：1025-1028.

[ 6 ] 白雁，郝敏，雷敬卫，等. 近红外光谱法快速测定白芍中水分及浸出物含量[J]. 中华中医药杂志，2016， 31（4）：1466-1467.

[ 7 ] 国家药典委员会. 中华人民共和国药典：四部[S].2015 年版.北京：中国医药科技出版社，2015：通则67.

[ 8 ] 郭瑞锋，郄冰冰，张铖源. 盐酸地芬尼多片近红外光谱定量模型的建立[J]. 中国药房，2014，25（25）：2352-2354.

[ 9 ] 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： 430-441.

[10] 闫研，殷果，刘凯双，等. 近红外光谱法快速鉴别三九胃泰颗粒及其水分定量分析[J].中国药房，2016，27（18）：2551-2554.

[11] 张迪文，白雁，谢彩侠. 近红外光谱法快速测定女贞子药材中女贞苷的含量[J].中国药房，2016，27（36）：5140- 5143.

[12] 朱静毅，应忠良，闻琍毓. 近红外光谱分析技术在药品质量控制中的应用[J]. 中国药房，2009，20（7）：550-554.

[13] 阮治綱，李彬. 近红外光谱分析技术的原理及在中药材中的应用[J]. 药物分析杂志，2011，31（2）：408-412.

[14] 江燕，杨眉，张学博，等. 中药饮片近红外光谱水分定量模型的研究[J]. 药物分析杂志，2013，33（9）：1572-1577.

[15] 马晓青，蔡皓，刘晓，等. 近红外光谱在中药鉴别和质量控制中的应用[J]. 中国药房，2012，23（7）：661-663.

（收稿日期：2017-11-27 修回日期：2018-01-03）

（编辑：张 静）