核素识别仪标准

我们要设法勾画出整个宇宙的元素和核素丰度了，这是一项多么艰巨的任务。宇宙是如此之大，其时间尺度至少在一百几十亿年，而我们现在测定的宇宙物质实际上只是沧海中的几滴水，可能比这还少。用现有的数据去描绘宇宙组成，实在比瞎子摸象的情形都不如。-----------------------------------------然而，宇宙化学家不畏艰辛，孜孜不倦地探求宇宙的元素丰度。最早在1947年，休斯就尝试将核性质结合有限的分析结果提出宇宙的元素丰度，他利用核的奇偶性质和幻数核等方法至今仍是正确的。稍后，他与尤里合作绘制了最早的宇宙元素丰度图。他们主要依据前面提到的太阳光谱、星际光谱和陨石数据，还利用了少量地球样品的分析结果。经过几十年的修订和补充，现在已基本被公认的宇宙丰度示于图1。从这张图中，我们可以归纳出下述一些重要结论。-----------------------------------------[img]http://ng1.17img.cn/bbsfiles/images/2009/02/200902251119_135271_1626579_3.jpg[/img] 图1. 宇宙的元素（核素）丰度随质量数的变化关系（以Si=106为标准）[img]http://ng1.17img.cn/bbsfiles/images/2009/02/200902251122_135273_1626579_3.jpg[/img] 图2. 相对于106Si原子数的丰度-----------------------------------------我们把太阳系元素丰度的各种数值先取对数，随后对应其原子序数作曲线图（如上图），就会发现太阳系元素丰度具有以下规律：1．所有元素中，氢和氦的丰度最大，两者约占宇宙质量的98％以上，而所有其他元素的质量之和不足2％。2．原子序数较低的元素区间，元素丰度大体上随质量数增加而下降；而在原子序数较大的区间（Z＞45），到质量数大于100之后，下降趋势变缓，各元素丰度值很相近；3．在铁的位置处，有一个明显的丰度峰。4．氘、锂和铍与其邻近的氢、氦、碳、氮、氧相比，丰度小得多。5．在较轻的核中（到钪为止），质量数为4的倍数的核（例如16O、20Ne、24Mg、28Si）的丰度比邻近核的大。这称为奥得规则。6．原子序数为偶数的核的丰度比其邻近的奇数核的高。具有偶数质子数（P）或偶数中子数（N）的核素丰度总是高于具有奇数P或N的核素，这一规律称为Oddo-Harkins（奥多--哈根斯）法则，亦即奇偶规律；7．在某些质量数处，质量数为4的倍数（即α粒子质量的倍数）的核素或同位素具有较高丰度，例如 80、 88、 90、 130、138、196和208的核的丰度比邻近核的高。此外还有人指出，原子序数（Z）或中子数（N）为“幻数”（2、8、20、50、82和126等）的核素或同位素丰度最大，例如，4He（Z=2，N＝2）、16O（Z=8，N=8）、40Ca（Z=20，N=20）和140Ce（Z=58，N=82）等都具有较高的丰度。这即为幻数效应。8． Li、Be和B具有很低的丰度，属于强亏损的元素，而O和Fe呈现明显的峰，为过剩元素。比铁重的核中，丰中子核的丰度比丰质子核的高。-------------------------------------上述宇宙元素丰度特征十分重要，它们是检验元素起源学说的试金石。详细的宇宙元素丰度数据可参见表1，表中还列出了它们可能的核合成过程。[img]http://ng1.17img.cn/bbsfiles/images/2009/02/200902251126_135274_1626579_3.jpg[/img]通过对上述规律的分析，人们认识到太阳系元素丰度与元素原子结构及元素形成的整个过程之间存在着某种关系： 1.与元素原子结构的关系。原子核由质子和中子组成，其间既有核力又有库仑斥力，但中子数和核子数比例适当时，核最稳定，而具有最稳定原子核的元素一般分布最广。在原子序数（Z）小于20的轻核中，中子（N）/质子（P）＝1时，核最稳定，为此可以说明4He（Z=2，N＝2）、16O（Z=8，N=8）、40Ca（Z=20，N=20）等元素丰度较大的原因。又如偶数元素与 偶数同位素的原子核内，核子倾向成对，它们的自旋力矩相等，而方向相反，量子力学证明，这种核的稳定性较大，因而偶数元素和偶数同位素在自然界的分布 更广； 2.与元素形成的整个过程有关。H、He的丰度占主导地位和Li、Be、B等元素的亏损可从元素的起源和形成的整个过程等方面来分析。根据恒星合成元素的假说，在恒星高温条件下（n×106K），可以发生有原子（H原子核）参加的热核反应，最初时刻H的“燃烧”产生He，另外在热核反应过程中Li、Be、B迅速转变为He的同位素42He， 因此太阳系中Li、Be、B等元素丰度偏低可能是恒星热核反应过程中被消耗掉了的缘故。-------------------------------------读者可能会问，图1和附录二果真代表宇宙的元素（核素）丰度吗？回答当然是不确定的，或者严格地说，它们只能是太阳系丰度。既然这样，读者可能会继续发问，为什么我们将图1称为宇宙元素丰度图？对这一问题，我们可以从两方面来回答:第一，人类对客观世界的认识是一个循序渐进的过程，就如从牛顿的万有引力到爱因斯坦的相对论。限于我们目前对宇宙丰度的最好认识就是这样，我们没有理由为这种丰度图象可能只描述了宇宙的一小部分，或者只描述了宇宙的历史长河的有限一段，而对这种丰度有过多的非难。我们在利用这种宇宙丰度的同时，记住它的局限性就可以了，并准备在将来用更确切的数据对此加以修正。第二，就目前的宇宙学概念而言，太阳系还是有代表性的。我们在前面讲到，太阳现正处于主星序阶段，氢燃烧大约已进行了46亿年。我们还知道，宇宙中的恒星可分为三代。第一代恒星是最早形成的大质量星体，几乎完全由氢和氦组成，由于其质量大，核聚变燃烧阶段很短，并早以超新星爆发形式寿终正寝，但这一代恒星形成的新的重元素可作为后代恒星的原料。在我们的银河系中，现已没有这类恒星了。下一代恒星，即第二代恒星的形成方式与第一代相同，但其质量较小，因此寿命较长，它们除了氢和氦外，还含有约1％的较重元素（例如碳和氧）。至于太阳，属于第三代恒星，除了氢和氦外，还含有约2％以上的重元素，这些重元素来自第一代和（或）第二代恒星，因此太阳系的重元素丰度是与上代恒星核合成过程密切相关的，可以反映星际核合成的特征。由此可见，我们用太阳系丰度作为宇宙丰度的近似值是有理论基础的。---------------------------------------许多恒星、银河系和星际物质的元素丰度分布与太阳系的元素丰度分布相一致，因此习惯上把太阳系元素丰度称为“宇宙”丰度。实际上，也有许多天体的元素丰度分布与太阳系丰度分布有明显的偏差。银河系中心附近的重元素丰度富于旋臂处的丰度，这种丰度差别的研究对于宇宙中元素的形成和银河系的化学演化研究具有重要价值。

前言：最近在网上下载资料，无意间看到很多关于顾客特殊要求识别的资料，但基本都是错的，或者说从对标准上的理解就有偏差。本文旨在通过分析标准，及结合审核经验，对以后需要通过标准审核的朋友们提供参考。IATF16949:2016标准是结合ISO9001:2015标准，替换了原TS16949:2009质量管理体系。在ISO9001:2015基础上增加了针对汽车行业的很多特别规定。其中第4.3.2顾客特定要求，就是在ISO9001:2015第4.3，确定质量管理体系范围中增加的特定要求，见下图：[img=,477,209]https://ng1.17img.cn/bbsfiles/images/2019/07/201907151419347418_772_2462198_3.jpg!w477x209.jpg[/img][img=,690,124]https://ng1.17img.cn/bbsfiles/images/2019/07/201907151416307250_3097_2462198_3.jpg!w690x124.jpg[/img]ISO9001:2015中只是提到了4.3.b中参考4.2中应识别相关方的要求。而IATF16949:2016在4.3.2对顾客特定要求必须进行评价进行了规定。见下图：[img=,527,90]https://ng1.17img.cn/bbsfiles/images/2019/07/201907151423524709_8269_2462198_3.jpg!w527x90.jpg[/img]就是这么很短的一句话，看似很简单，必须对顾客特定要求进行评价及包含到组织的质量管理体系范围，但是如何评价和包含到质量管理体系范围呢？首先我们要明确评价哪些地方。翻看标准，包括与顾客有关的条款（注：本文后全部以IATF16949:2016条款进行介绍，如ISO9001：2015中无该条款，则为IATF16949特定要求）有：a、4.2：理解相关方对需求和期望；b、4.3.2顾客特定要求；c、8.2.1顾客沟通；d、8.2.3.1.2顾客指定的特殊特性；e、8.4.1.3顾客指定的货源（亦称“指向性购买”）；f、8.5.5.2与顾客的服务协议；g、8.7.1.1顾客的让步授权；h、8.7.1.6顾客通知；i、9.1.2顾客满意；j、10.2.6顾客投诉和使用现场失效试验分析；其中i和j属于顾客反馈，并不属于顾客需求范围，[b][color=#ff0000]则顾客特殊要求的识别应围绕a-h中条款进行识别。[/color][/b]正常情况下，顾客要求会以《质量保证协议》进行规定，包括4.3.2顾客特定要求，8.2.1顾客沟通，8.2.3.1.2顾客指定的特殊特性，8.4.1.3顾客指定的供应商，8.5.5.2服务的规定，8.7.1.1授权的让步接收标准。其中8.4.1.3、8.5.5.2、8.7.1.1可能会以附加协议或会议纪要形式进行规定。[b][color=#ff0000]故顾客特殊要求的识别内容应从质量保证协议及与顾客签订的产品附加协议、会议纪要等书面资料中进行识别。[/color][/b]翻开很多质量保证协议，密密麻麻十几页或更多，虽然都是属于顾客要求，但大部分如无检验交付、顾客具有优先选择权、遵守法律法规等都属于通用条款，如全部都列入顾客特殊要求识别矩阵表中去，显然失去了识别要求本来的意义，到底哪些是顾客的特殊要求呢？这里可以参考上面介绍的标准条款中关于顾客要求的a-h项进行分析。针对产品的质量指标，如交付合格率、过程PPM、风险供方管理；产品库存周期，不合格品处置方式及赔偿，24小时随时为顾客提供服务等等要求，肯定属于顾客和组织之间的特殊约定项目，故上述内容必然需进行识别。在明确了需评价的内容--识别的顾客特殊要求后，如何做到包含在组织的质量管理体系里去呢？首先我们要明确组织质量管理体系范围的定义是什么，具体内容参见4.3确定质量管理体系的范围。其中重点词是“边界和应用”。边界是指标准条款中组织不适用的内容，通常情况下只有8.3产品设计和开发部分。应用是指如何建立质量体系的方法，这个在标准引言中的0.3过程方法进行了明确规定，[b][color=#ff0000]故顾客特殊要求的识别应包含到组织识别的过程中去。[/color][color=#ff0000][img=,690,205]https://ng1.17img.cn/bbsfiles/images/2019/07/201907151531552834_2795_2462198_3.jpg!w690x205.jpg[/img][/color][color=#ff0000]综合上述内容：[/color][color=#ff0000]顾客特殊要求的识别，应从与顾客签订的协议中具有特殊性的规定中进行识别，并包含到组织的过程中。[/color][/b]这样，建立一份合格的顾客特殊要求矩阵表就变的很轻松了，根据过程方法原则，相关的内容应在组织文件中予以控制（参见4.4.1），即程序或作业等控制文件中进行规定，[b]故顾客特殊要求矩阵表中还应包含组织控制文件名称及要求。[/b]大家可以参考下下面这个格式进行编制：（注：每个公司识别的过程并不相同，但不论是识别到支持过程、管理过程，还是顾客导向过程，只是权重不同，并不影响符合相关规定的要求）[img=,690,417]https://ng1.17img.cn/bbsfiles/images/2019/07/201907151541088342_7981_2462198_3.jpg!w690x417.jpg[/img]

[align=center][b]sup-NIR分析仪在药用辅料快速识别体系建立中的应用研究[/b][/align][align=center]研究生：孙巧凤[/align][align=center]导师：臧恒昌教授[/align][b]摘要目的:[/b]药用原辅料是药品生产过程中的基础物质，也是药品质量的关键影响因素。我国药品生产质量管理规范要求采取核对或检验等适当的措施，确认每一包装内的原辅料正确无误，给制药企业带来了巨大的挑战。近几年国家提出了实行药品与药用原辅料和包装材料关联审批，在政策放宽的情况下，如何低成本、准确而快速的监管原辅料是一个十分关键的问题。欧盟的近红外草案规定当近红外方法应用于原辅料的放行时，可以被称为主要方法，这说明[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术对于原辅料质量快速评价具有强有力的优势。通过对药用原辅料建立[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]快速分析体系，将有效的推动国产[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]服务于药品生产行业，为广大人民群众的用药安全提供保障。[b]方法：[/b]本实验采用sup-NIR1520对17种不同的药用辅料进行光谱采集，并利用化学计量学方法建立了辅料的快速识别体系，药用辅料数据库建立的方法主要利用光谱间的相关系数值以及偏最小二乘判别分析定性分析方法，数据库的验证结果证明了sup-NIR分析仪在药用辅料定性方面应用的可行性。在建立的PLS-DA模型中发现此仪器不仅可以用于不同种药用辅料之间的快速识别，还可以应用于同种辅料不同型号的样品快速识别。[b]关键词：[/b][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术；sup-NIR分析仪；药用原辅料[align=center]Research on the establishment of rapid identification systemof pharmaceutical excipients with sup-NIR analyzer[/align][align=center]Graduatestudent: Qiaofeng Sun[/align][align=center] Supervisor: Hengchang Zang[/align][align=left][b]Abstract Objective[/b]: Pharmaceutical excipients and raw materials arethe basic substances in the production of drugs, and they are the keyinfluencing factors of quality of medicine. GMP requires that appropriatemeasures should be taken to confirm that the materials in each package arecorrect, which has brought great challenges to the pharmaceutical companies. Inrecent years, The State has proposed the associated examination and approval ofdrugs and pharmaceutical excipients and raw materials and packaging materials.Under such circumstances, how to supervise raw and excipients materialsaccurately, quickly is a key technical issue. How to supervise the rawmaterials and excipients with low cost, accurate and fast is a key issue. TheEU's near-infrared draft stipulates that when near-infrared methods are appliedto the release of raw materials and excipients, it can be called the mainmethod, which indicates that NIRS has strong advantages for the qualityevaluation of raw materials and excipients. The establishment of a rapidanalysis system for near-infrared spectroscopy of pharmaceutical raw materialsand excipients will effectively promote domestic portable near-infraredspectrometers to serve the pharmaceutical industry and provide security for thepeople's drug safety. [b]Methods:[/b]In this experiment, 17 kinds of different pharmaceuticalexcipients were collected by sup-NIR1520, and rapid identification database forexcipients was established by chemometrics methods. The method of building thedatabase mainly used the correlation coefficient values and the PLS-DAqualitative analysis method, and the validation results of the database provedthe feasibility of the sup-NIR analyzer in the qualitative application ofpharmaceutical excipients. From the PLS-DA models, it was found that thisinstrument can be used not only for fast identification among differentpharmaceutical excipients, but also for the same kind of excipients ofdifferent types.[/align][align=left][b]Key words:[/b] Near infraredspectroscopy sup-NIR analyzer pharmaceutical excipients and raw materials[/align][b]1 材料1.1 仪器与软件[/b]Sup- NIR1520型[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析仪（聚光科技有限公司）工作温度是5-35 ℃，工作湿度是（5-85）%，工作压力为（86-116）kPa；采用带TEC温控系统的InGaAs检测器；光纤漫反射探头；参比盒；RIMP光谱采集及处理软件；MATLAB 2015a数据处理软件。[b]1.2 样品[/b]17种药用辅料均为药厂生产中使用的辅料，质量均符合药典规定标准。17种药用辅料，每种10个批次，共170批样品。[b]2 方法2.1[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的采集[/b]样品不经预处理，室温条件为20-25 ℃，采用光纤漫反射探头直接采集样品光谱，不同位置重复采集3次光谱，取平均；波长范围为1000-1800nm；扫描次数30次；分辨率为11 nm；以白板作为参比。[b]2.2 辅料识别体系的建立[/b]利用每种辅料7张光谱的内部相关系数确定每种辅料的阈值，以此相关系数阈值为辅料一级识别体系的判断依据，对验证集进行预测，依据相关系数的阈值判断样品的归属，归属多个种类的利用PLS-DA继续分析。建立辅料识别体系的主要策略如图2-1：[align=center][img=,489,347]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251725504841_7871_3389662_3.png!w489x347.jpg[/img][/align][align=center]图2-1 辅料识别体系技术路线图[/align][align=center]2.3样品集的划分[/align]采用Kennard-Stone method（KS法）分别将17种辅料划分为校正集和验证集，其中每种辅料取7个批次作为校正集，3个批次作为辅料识别体系的验证样品，即119个样品为校正集，51个样品作为验证集；其中校正集中，每类辅料的7个光谱取平均作为辅料识别体系的标准图谱。2.4 一级识别体系的建立[b][/b]2.4.1预处理方法的选择本研究考察了标准归一化法、多元散射校正、一阶导数、二阶导数，并根据识别体系的识别率和拒绝率确定最佳预处理方法。[b][/b]2.4.2阈值的确立根据每种辅料的内部相关系数值大小确定此种辅料的阈值，主要规则如下：若同类别的相关系数均大于0.97，为了增大识别体系的准确率，以不同种类间的一般阈值0.97为此类辅料的阈值；若辅料内部出现小于0.97的相关系数值，则以最小值作为此类辅料的判别阈值。[b][/b]2.4.3 结果分析一级识别体系主要是以相关系数值作为判断标准，将17张标准图谱作为一级识别体系的基础，以每种辅料的阈值作为体系的判断种类归属的依据。验证样品首先与标准图谱计算相关系数进行初步判断。[b][/b]2.5二级识别体系的建立某些辅料因结构相似等因素干扰导致无法直接用一级识别体系直接正确判断，存在一个以上大于阈值的相关系数值，则将所有大于阈值的辅料的7张原始光谱导出与内部的3个验证样品进行PLS-DA定性分析并最终归类。并将其建立成PLS-DA判别分析的二级识别体系。[b][/b]2.6识别体系的外部验证按照建立识别体系时相同的方法采集得到外部验证样品光谱，利用外部验证集对辅料识别体系的准确性进行验证，观察该数据库对于外来样品的识别和拒绝情况。[b][/b]3实验结果3.1 样品的原始光谱采用sup-NIR1520光谱仪采集的170批药用辅料的原始光谱图如图2-2所示. 由原始光谱图可以看出不同的辅料光谱之间是存在差异的但同时也存在光谱的重叠。所以需要借助化学计量学方法对其进行光谱矩阵进行数据运算。[align=center][img=,491,240]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251736087373_5680_3389662_3.png!w491x240.jpg[/img][/align][align=center]图2-2 辅料样品的原始光谱图[/align][b]3.2 样品集的划分结果[/b]将样品划分为119个校正集和51个验证集，划分结果见表2-1。校正集119个样品中包括17种样品，每种样品7张光谱，其原始光谱如图2-3-a所示。同样验证集样品包括17种辅料，每种3张验证光谱，其原始光谱如图2-3-b。将119张光谱每7张取平均，每种样品保留一张平均后的光谱作为一级识别体系的标准谱图。标准谱图如图2-4所示。[align=center][img=,575,542]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251736463497_6475_3389662_3.png!w575x542.jpg[/img][/align][align=center][img=,517,297]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251737193350_8509_3389662_3.png!w517x297.jpg[/img][/align]3.3 一级识别体系的建立[b][/b]3.3.1 预处理方法的选择结果样品辅料均为固体粉末，其颗粒大小的不规则性可能会因为影响光程而引入噪音，除此之外，还包括仪器、人为等因素带来的干扰，会使[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]包含一些非样品自身性质的无关信息，为了减少或消除其他因素带来的干扰，采用化学计量学方法对光谱数据进行预处理。首先考察了SNV与MSC预处理方法对光谱矩阵相关系数的影响，具体结果如表2-2所示，由表中数据可知，随机挑出三种辅料的光谱经过SNV和MSC预处理后，三种辅料内部的相关系数以及与验证集的相关系数均不变，通过计算得知这两种预处理方法对于相关系数的影响不大，因此其他辅料没有进行SNV和MSC预处理的考察。导数预处理可以去除基线漂移和背景的干扰，放大光谱间的差异，本研究考察了FD、SD以及不同的平滑窗口宽度对于识别体系识别率与拒绝率的影响，选出最佳的预处理方法以及最佳平滑窗口宽度。识别体系对于自身样品的识别率均为100 %，而拒绝率经过不同的预处理后结果不同，整体考虑FD预处理后的拒绝率最高，因此选择FD作为光谱的最佳预处理方法。由于导数运算的同时会增大噪声的影响，因此应同时进行平滑处理，而不同的窗口宽度产生的平滑效果不同，本研究同时考察了不同窗口宽度的平滑效果，以17种辅料综合考虑来看，当平滑窗口宽度为13时，数据库的识别率和拒绝率最大，因此选FD+SG 13点平滑为最佳预处理方法。[b][/b]3.3.2 阈值的确立本研究是以光谱矩阵中的相关系数值为判断指标，因此每种辅料内部的相关系数阈值的确定十分重要，为了确保阈值的准确可靠，我们用以下两种规则确定阈值：若同类别的相关系数均大于0.97，为了增加识别体系的准确率，以不同种类间的一般阈值0.97为此类辅料的阈值，以甘露醇类辅料为例，如表2-2所示，甘露醇类内的相关系数值均大于0.98，为保证识别体系的验证准确率，以0.97为此类辅料的阈值，相同情况的其他种类的辅料均以0.97为阈值；若辅料内部出现小于0.97的相关系数值，则以最小值作为此类辅料的判别阈值。以十二烷基硫酸钠为例，如表2-3所示为十二烷基硫酸钠相关系数结果，此时阈值选为0.96。相同情况的其他辅料均以最小值为阈值。根据以上两种原则计算出的所有辅料的阈值见表2-4。[align=center][img=,608,428]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251738094300_1550_3389662_3.png!w608x428.jpg[/img][/align][align=center][img=,582,264]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251738082012_8458_3389662_3.png!w582x264.jpg[/img][/align]3.3.3 结果分析将辅料的标准谱图以及验证集样品光谱图经FD+SG 13点平滑预处理，根据2.4中的阈值进行一级识别体系的判别，经过预处理后的谱图见图2-5，计算预处理后的验证集样品与17种辅料的标准谱图之间的相关系数，根据阈值进行辅料种类的归属，此时的验证属于库内验证。一级识别体系的验证存在两种情况，一种是仅有一个相关系数值大于阈值此时可以正确归属该辅料，如图2-6所示为第4个验证样品与17种辅料的相关系数值，横坐标为辅料的编号，纵坐标为相关系数值。从图中看出此验证样品仅与第四个辅料之间的相关系数大于阈值，因此可将其正确的归类为第四种辅料甘露醇。另一种情况是同时出现多个两个或以上的数值大于阈值，此时会出现辅料归属的不确定性。如图2-7所示，第25个验证样品同时与硬脂酸镁和十二烷基硫酸钠相匹配，一级识别体系无法正确判断，应进一步分析。其他验证样品利用相同的原理进行验证。最终的验证结果显示，微晶纤维素类样品PH101、PH102，淀粉类样品糊精、CMS、预胶化淀粉及玉米淀粉，硬脂酸镁及十二烷基硫酸钠三大类样品间因其结构相似无法正确判断，而除此之外的其他样品均能成功识别和拒绝。因此需根据上述三类样品建立PLS-DA定性分析模型，作为识别体系的子库。[align=center][img=,538,603]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251739356596_6435_3389662_3.png!w538x603.jpg[/img][/align][align=center][img=,501,294]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251739346185_9267_3389662_3.png!w501x294.jpg[/img][/align][b]3.4二级识别体系的建立[/b]二级子库的建立是为了将一级识别体系识别中不确定种类的的样品进行进一步的定性分析，子库的建立采用的是PLS-DA定性分析方法。由一级识别体系的验证结果可知共有三大类的样品由于结构相似相关系数值无法正确区分，现根据上述情况建立了三个独立的PLS-DA模型作为一级识别体系的补充。[b]3.4.1淀粉类样品PLS-DA模型的建立[/b]首先将一级识别体系中的玉米淀粉、糊精、预胶化淀粉、CMS的28张原始光谱调出作为定性模型的校正集，将一级识别体系验证集中易混淆的12个样品挑出作为模型的验证集。用上述40个批次的样品建立模型。利用原始光谱建立的PLS-DA模型如图2-8所示，图中后半部分为验证样品，校正集和验证集的识别率拒绝率均为100%，说明利用此方法能将四类辅料完全分开。[align=center][img=,502,266]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251740551806_2263_3389662_3.png!w502x266.jpg[/img][/align][b]3.4.2PH101和PH102辅料PLS-DA模型的建立[/b]PH101和PH102是不同型号的同一种辅料，都属于微晶纤维素，因此结构十分相似，难以区分。利用PLS-DA模型不经预处理即可将两种样品分开，模型的校正集是两种辅料的14张校正光谱图，验证集6个样品。如图2-9所示，图中的红色虚线为PLS-DA生成的判别线，线上方为一类，线下方为另一类。模型校正集和验证集的识别率以及拒绝率均为100%。[align=center][img=,485,281]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251742494590_6583_3389662_3.png!w485x281.jpg[/img][/align][b]3.4.3硬脂酸镁和十二烷基硫酸钠PLS-DA模型的建立[/b]硬脂酸镁与十二烷基硫酸钠在相关系数法判别时也无法正确分开，两种辅料可能是由于结构或者包装等其他因素导致一些相似的特征出现，同样利用PLS-DA模型判别两种辅料，在导入原始光谱时即可完全分开，模型的校正集是两种辅料的14张校正光谱图，验证集6个样品，模型结果见图2-10，模型校正集和验证集的识别率拒绝率均为100%[align=center][img=,509,271]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251744222873_6541_3389662_3.png!w509x271.jpg[/img][/align][b]3.4.4 二级识别体系结果分析[/b]由以上三个定性模型可知，在一级识别体系中无法正确判断的样品均能在不经预处理的条件下利用PLS-DA方法正确区分，识别率和拒绝率均为100 %，说明将相关系数法和PLS-DA法相结合判断药用辅料的种类是可行的，模型结果见表2-5。另一方面说明了sup-NIR1520分析仪可以用来区分这些辅料，实现定性判别的作用。[align=center][img=,528,168]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251745073638_3095_3389662_3.png!w528x168.jpg[/img][/align][b]3.5辅料识别体系的外部验证[/b]由上述结果可知，建立的识别体系在快速识别药用辅料方面是可行的，为了进一步证明此识别体系的准确性和可靠性，设计外部验证集考察模型对于外来辅料的识别能力。[b]3.5.1外部验证光谱图[/b]在相同条件下采集了60个不同种类和批次的样品光谱作为识别体系的外部验证集，样品的原始光谱及预处理后的光谱见图2-11。样品集的验证流程与识别体系内部验证相同，先利用预处理后的相关系数值进行初步判断，如果相关系数值很高的样品再利用PLS-DA模型验证。根据验证结果分为三类具体描述。[align=center][img=,505,260]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251742510972_5235_3389662_3.png!w505x260.jpg[/img][/align][b]3.5.2相关系数直接判别[/b]由一级识别体系直接判断出的验证样品共17个，即与17种辅料的相关系数值中仅有一个值大于阈值，表2-6种列举了其中8个样品的相关系数结果，其中表头中的数字表示验证样品的编号。[align=center][img=,562,543]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251746036984_3446_3389662_3.png!w562x543.jpg[/img][/align][b]3.5.3PLS-DA判别[/b]共有19个验证样品的相关系数值与两种及以上的辅料相似，因此需利用建立的二级识别体系进行进一步的验证，PLS-DA结果显示19个样品均能正确归属种类。表2-7为其中8个验证样品的相关系数结果。其中第10个、16个、25个外部验证样品的PLS-DA分析结果见图2-12、图2-13、图2-14，图中的灰色圆圈代表验证样品，由结果可知利用PLS-DA均能正确识别。[align=center][img=,566,561]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251746386429_3985_3389662_3.png!w566x561.jpg[/img][/align][align=center][img=,490,747]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251742232524_3277_3389662_3.png!w490x747.jpg[/img][/align][b]3.5.4不属于识别体系内的样品[/b]由于外部验证集的范围并不完全在识别体系范围内，所以会出现相关系数值均低于所有阈值的现象，此种情况说明该验证样品不属于识别体系内的任何一种辅料。由检测数据可以看出，24个验证样品均能被识别体系正确拒绝，拒绝率达到100%。由以上三种情况可知，外部验证集的60个样品均能被此识别体系正确的识别和拒绝，再次证明了识别体系的准确性和可靠性，既说明了此方法可以准确的应用到辅料的快速识别，又说明了sup-NIR1520分析仪在辅料定性识别应用中的可行性。[b]4讨论和结论[/b]本实验采用sup-NIR1520分析仪对17种不同的药用辅料进行光谱采集，并利用化学计量学方法建立了17种辅料的快速识别库，证明了sup-NIR1520分析仪在药用辅料定性方面应用的可行性。此自主研发的仪器不仅可以用于不同种药用辅料之间的快速识别，还可以应用于同种辅料不同型号的样品快速识别如PH101和PH102，识别率和拒绝率均达到100%。[align=center][b]参考文献[/b][/align] 王动民, 纪俊敏, 高洪智. 多元散射校正预处理波段对[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定标模型的影响. 光谱学与光谱分析, 2014, 34(9):2387-2390. BrownC D, Vegamontoto L, Wentzell P D. Derivative Preprocessing and OptimalCorrections for Baseline Drift in Multivariate Calibration. AppliedSpectroscopy, 2000, 54(7):1055-1068.