[img=,690,690]https://ng1.17img.cn/bbsfiles/images/2024/05/202405140902208824_6071_5604214_3.jpg!w690x690.jpg[/img] 食品快速检测设备的功能特点体现在多个方面，为食品安全监管工作提供了强有力的技术支撑。 首先，食品快速检测设备具有高效快速的特点。传统的食品安全检测方法往往需要耗费大量时间和人力，而快速检测设备则能够在短时间内完成检测任务。这大大提高了检测效率，使得监管部门能够更及时地发现和处理食品安全问题，有效保障了消费者的权益。 其次，食品快速检测设备具有灵敏度高、准确性好的特点。这些设备采用了先进的检测技术和方法，能够精确地识别出食品中的有害物质，如重金属、农药残留、添加剂等。同时，设备还具有较低的误报率和漏报率，确保了检测结果的可靠性。 此外，食品快速检测设备还具有操作简便、易于携带的特点。这些设备通常设计得较为轻便，方便携带到现场进行检测。同时，设备的操作也相对简单，不需要专业的技术人员即可进行操作。这使得监管部门能够更加灵活地开展食品安全检测工作，不受时间和地点的限制。 最后，食品快速检测设备还具有智能化的特点。一些先进的设备能够自动完成样品的采集、处理和检测过程，减少了人为干预，提高了检测结果的客观性和公正性。同时，设备还可以将检测结果实时上传至云端平台，实现数据的共享和追溯，为食品安全监管提供了更加全面的信息支持。 综上所述，食品快速检测设备在食品安全监管中发挥着重要作用。这些设备不仅提高了检测效率，确保了检测结果的可靠性，还为监管部门提供了更加灵活和智能化的工作方式。随着技术的不断进步，相信未来食品快速检测设备的功能特点将更加完善，为食品安全监管提供更加有力的技术保障。
目前世界上再也没有比核磁更先进的测脂肪的方法了，CEM公司开创的Smart Trac采用核磁共振NMR技术与微波水份分析系统一起，可快速精确地分析食品中水分和脂肪。核磁是一种快速精确，并且对样品无破坏的脂肪测试方法，它利用信号/质量比直接检测脂肪的总含量，核磁穿透整个样品进行测试，所以它不受样品均匀性和表面特性如色度、冰晶、颜色和质地的影响，都能得到快速准确的分析结果，而间接方法如NIR一般只检测样品表面的脂肪含量，对样品的均匀性要求非常高，因此Smart Trac核磁技术有无法比拟的优势。可通过直接测试脂肪氢核，得到全体积样品中的脂肪量。测定时间一般在几分钟之内就可以完成。如有兴趣请登陆：www.analyx.com.cn 查询
识别人物身份，人们大多会想到生物识别技术，如指纹、脸象、红膜、声音等。目前很多仪器能够具有身份识别的功能，比如视网膜识别系统等。但是你会想到有朝一日，自己鞋底也能充分识别你的身份吗？或许有一天，他会成为现实。近日，美国科学家正在研究通过脚来进行身份识别。 每个人都具有一双独一无二的脚，步态也都不同，这位科学家们的研究提供了可行性。目前科学家希望研发一种能够识别人物身份的生物鞋底，从帮助控制要害区域的人员出入。目前该研究拥有150万美元研究资金。拥有150万美元的研究资金，也使得此项研究便得切实可行。 科学家将在生物鞋底安装能够测量脚温度和压强的特殊传感器，进而监测人们的步态，通过微型电脑与步态数据库连接来识别人物身份。当人物身份与监测结果不相符时，生物鞋底就会发出无线报警信息。如果人物身份正确的话，则会保持安静，不会发出报警信息，精确度柯达99%以上。 除了用于身份识别，科学家还表示生物鞋底还有望用于医疗领域，如对老年痴呆症提供早期预警等。通过对老年人的步速变化监测，以提供老年痴呆的早期预警。
各位老师，不知道目前各实验室对于色牢度测试样品做完定制样卡时是如何快速识别其唯一性编号的，本实验室每次做完后需根据原样和测试样作对照才能定下其样品编号，这样非常浪费时间，大家是否有其他意见可供参考？谢谢。
如何识别人物身份，人们大多会想到生物识别技术，如指纹、脸象、红膜、声音等。近日，美国科学家正在研究通过脚来进行身份识别。每个人都具有一双独一无二的脚，步态也都不同，这位科学家们的研究提供了可行性。目前科学家希望研发一种能够识别人物身份的生物鞋底，从帮助控制要害区域的人员出入。目前该研究拥有150万美元研究资金。科学家将在生物鞋底安装能够测量脚温度和压强的特殊传感器，进而监测人们的步态，通过微型电脑与步态数据库连接来识别人物身份。当人物身份与监测结果不相符时，生物鞋底就会发出无线报警信息。如果人物身份正确的话，则会保持安静，不会发出报警信息，精确度柯达99%以上。除了用于身份识别，科学家还表示生物鞋底还有望用于医疗领域，如对老年痴呆症提供早期预警等。通过对老年人的步速变化监测，以提供老年痴呆的早期预警
如果要推举出过去几年全民参与度最高的话题，那么“转基因”当之无愧。翻看近年的新闻报道，部分转基因农作物遭曝光，转基因是否应该强制标识等也被频频提及，这些都一度引起了广泛的讨论。而转基因食品是否安全，更成为人们关注和争议的焦点。外表能辨认转基因食品吗？外界有一种说法是通过颜色来辨别转基因食品。通过辣椒的黄、红色去分辨，但那些颜色异于常规的未必都是转基因产物。例如彩椒，是一个太空育种的产品，是突变，跟我们转基因的原理是一样的。另一种说法是通过外形来辨别。比如我们的圣女果，就外形而言与普通的番茄有很大差异，实际上却是从以色列引进的一个品种。如此看来，单看颜色或外形，是无法确认是否为转基因食品的。如何能辨认转基因食品呢？通过检测公司可以快速轻松地分辨转基因食品。基于食品的种类、加工方式的不同以及在食品中含有的相应的转基因片段的不同，适用合适的、高效的、精确地检测方法和手段。通过PCR技术，经过罗氏检测仪对待检测的转基因食品的DNA进行适当的扩增，通过其有无特定长度和序列的DNA序列和片段来判定是否为转基因食品。
有谁使用岛津的EDX-720的吗？定量分析里塑胶和铜合金都有快速分析和精确分析，这两者之间是否有区别呢？测试结果一样吗？
[font=-apple-system, BlinkMacSystemFont, &][color=#05073b][size=18px] 全功能食品安全快速检测仪会自动识别吗，全功能食品安全快速检测仪在功能上具有自动识别的能力，具体体现在以下几个方面： 自动识别和计算：全功能食品安全快速检测仪通过内置的标准曲线软件，能够自动计算并得出样品中相关指标成分的准确浓度及是否超标的结果。这主要基于朗伯-比尔定律，即颜色的深浅(吸光度的高低)与样品中该指标成分的浓度成相关性。 CT线自动识别：在胶体金模块检测中，仪器采用轨道式自动传输扫描，并在检测完成后自动退出检测卡。此外，系统能够自动识别CT线，无需手动调整，这大大提高了检测的效率和准确性。 自动打印功能：新一代高速热敏打印机使得检测完成后可自动打印或批量打印检测报告和二维码，这方便了数据的查看、分析和整理。 内置数据库和样品识别：仪器内置强大的数据库，支持多品类多种类样品菜单功能，可灵活选择检测样品。同时，也支持在仪器上直接编辑录入样品名称、检测指标、送检单位等信息并保存进样品数据库，方便后续自动识别和管理。 软件功能强大：仪器软件功能强大，支持数据的存储、打印以及与电脑的通讯，实现数据的统计、整理、分类及数据网上传输。这种全面的数据管理能力也体现了其自动识别和处理数据的能力。 综上所述，全功能食品安全快速检测仪在多个方面具备自动识别和处理数据的能力，这大大提高了食品检测的效率和准确性，为食品安全监管提供了有力的技术支持。[img=,690,690]https://ng1.17img.cn/bbsfiles/images/2024/06/202406071115526233_32_6098850_3.jpg!w690x690.jpg[/img][/size][/color][/font]
最近去一些客户那里参观，发现大部分客户都是使用的甲醛快速检测仪，这种仪器操作简单方便，不用曲线，可以直接显示甲醛数据，比分光光度计要快很多，也方便很多，但不知精确度怎么样，有用过得朋友可以分享一下实际使用经验！
[color=#000000]在物料分选、材料分类、异物检测等应用领域，普通的RGB相机往往难以满足需求。多光谱红外相机探测目标对不同波段的光的吸收，形成代表材料属性的图像，提升分析的效率和准确性。巨哥科技最新推出的多光谱相机光谱响应范围900 nm至1700 nm，有效覆盖短波红外范围，适用于广泛的材料光谱分析。[/color][align=center][img]https://img1.17img.cn/17img/images/202403/uepic/a1c961b1-f44d-4ba2-84d6-03e27e60af46.jpg[/img][/align][color=#000000]该相机具有7个波长通道，可提供丰富的光谱信息。一次多光谱成像时间小于0.1秒，10Hz的多光谱成像帧频确保了对动态过程的实时监控。[/color][align=center][img]https://img1.17img.cn/17img/images/202403/uepic/a72d04ba-128e-4e4f-8539-5ad0295f002d.jpg[/img][/align][color=#000000]通过收集不同波长下的光谱数据，该相机能够创建详细的材料光谱特征库，结合先进的数据处理算法构建高精度光谱模型，可实现自动化生产线上的快速材料分拣、质量控制和异物检测等任务。巨哥科技丰富的光谱分析和建模经验可以应对需要精确材料鉴别的复杂应用场景，如在复杂混合物中识别特定成分或在生产过程中实时监控材料变化。[/color][color=#000000]使用短波多光谱相机对不同材质的四类布料（涤纶、氨纶、棉以及使用了特殊染料的布料）进行成像。使用多光谱相机采集到的四类布料光谱数据如下图所示，可以看出不同材料在光谱上的差异。[/color][align=center][img]https://img1.17img.cn/17img/images/202403/uepic/c65cbf7b-8684-46e2-8f9e-af1ee3508209.jpg[/img][/align][align=center][color=#0070c0]多光谱相机采集光谱[/color][/align][color=#000000]通过建模算法确定图像中各点对应的材料成分后，使用伪彩色进行整体显示，可以直观看到各类布料的材质差异。[/color][align=center][img]https://img1.17img.cn/17img/images/202403/uepic/028c5c7c-961c-4c1a-90c0-9d19c3150b56.jpg[/img][/align][align=center][color=#0070c0]多波段响应合成的伪彩色图区分不同材料[/color][/align][color=#000000]基于上述原理，该款多光谱相机可用于以下领域：[/color][b][color=#000000]01 工业分拣：[/color][/b][color=#000000]在生产线上，多光谱红外相机可以快速区分不同类型物质，如不同种类的纺织品或塑料，提高分拣效率。[/color][b][color=#000000]02 质量监控：[/color][/b][color=#000000]通过光谱分析，实时监测PCB、水果等产品质量，快速识别并排除不合格品。[/color][b][color=#000000]03 成分分布：[/color][/b][color=#000000]多光谱相机能够快速辨别材料成分，例如实时显示药物混合后的成分分布。[/color][b][color=#000000]04 异物检测：[/color][/b][color=#000000]在食品加工等行业，相机能够有效识别潜在的异物，保障产品安全和消费者健康。[/color][color=#000000]巨哥科技多光谱红外相机的产品设计注重实用性和稳定性，确保在各种工作环境中均能提供可靠的性能。新款多光谱红外相机与现有光谱仪系列的协同作用，将为客户提供更加完善的材料属性分析工具。此外，巨哥科技为客户提供全面的技术支持和培训服务，确保客户能够充分利用我们的产品进行高效的材料分析和处理。巨哥科技致力于推动光电技术在工业和科研领域的应用，期待与客户共同探索和实现光电技术在现代工业中的更多可能。[/color][b][color=#000000]关于巨哥科技[/color][/b][color=#000000]上海巨哥科技股份有限公司是专精特新和高新技术企业，自主研发光电仪器及核心芯片、智能算法和软件，获上海市科技进步一等奖。团队来自普林斯顿、清华、中科大、浙大、中科院等，获海外高层次人才、上海市优秀技术带头人等称号。[/color][color=#000000]巨哥科技提供全波段红外光电产品：用于电力、轨交、冶金、汽车等行业设备状态和过程监控的热像仪，用于石化等行业的气体泄漏成像仪，用于激光、半导体等先进制造领域的短波相机，用于石化、粮油、制药等领域成分分析的光谱仪等，并为材料、工程、生命科学等前沿研究提供科学级光电仪器。[/color][来源：巨哥科技][align=right][/align]
新华社柏林11月2日电 乳腺癌是女性健康的主要杀手之一。早期诊断乳腺癌的病理切片检查要多次进行，令患者非常痛苦。近日，德国科研人员开发出一种核磁共振与超声波检查相结合的新方法，能够快速、准确地为患者做病理切片检查，大大减轻患者的痛苦。 德国弗劳恩霍夫协会日前发表公报说，这一名为“超声波磁共振成像”系统是由德国弗劳恩霍夫生物医学技术研究所和医学影像处理研究所专家联合开发的。 这项新技术仅需在检查开始时用核磁共振仪对患者胸部进行一次扫描，接下来的病理切片过程将在超声波的引导下进行。新系统会把初始的核磁共振图像精确地传输到屏幕上。医生可以同时看到超声波扫描与核磁共振的图像，准确地把针头插入疑似肿瘤所在的位置。 研发这一新系统最大的挑战在于，患者在核磁共振扫描时要面朝下躺着，而在进行病理切片时要仰面朝天，体位的变化会改变患者胸部的形状，从而使疑似肿瘤所在位置发生极大改变。 为了克服这一难题，研究人员让病人在接受核磁共振扫描的同时，让超声波探头附着在患者的胸部皮肤上。这样，医生既可以看到连续的核磁共振扫描数据，也可以看到超声波图形。 当患者到另一房间接受病理切片时，超声波探头仍附着在其胸上，以连续记录超声波数据并跟踪胸部形状的变化。通过特殊的算法分析这些超声波数据，就可以相应更新核磁共振图像和疑似肿瘤部位的位置变化，从而更精确地引导取样的针头。 除进行乳腺癌的病理切片外，研究人员表示这一新系统的关键技术还可被应用于肺部、肾脏等器官的检查中。
[font=-apple-system, BlinkMacSystemFont, &][size=15px][color=#05073b] 农产品农药残留检测仪器快速检测行业标准，农产品农药残留检测仪器快速检测行业标准主要涵盖了设备的技术要求、性能指标、测试方法以及操作和维护要求等方面。以下是基于参考文章内容的归纳和整理： 一、技术要求 准确性：农药残留快速检测仪应具备高度的准确性，能够准确测量和定量农药残留物的浓度，并提供可靠的测试结果。 灵敏度：检测设备应具备高灵敏度，能够在低浓度下检测到农药残留物的存在，并能够精确地测量其浓度。 重复性：检测结果应具备良好的重复性，即在相同条件下，多次测试应得到相似的结果。 特异性：检测设备应能够准确地识别和检测特定的农药残留物，并具备排除其他干扰物质的能力。 稳定性：检测设备应能在长期使用和频繁测试的情况下保持稳定和可靠的性能。 二、性能指标 测量范围：农药残留快速检测仪的测量范围应能满足不同农产品和不同农药残留物浓度的检测需求。 检出限：检出限应低于国家标准规定的最大残留限量，以确保安全和合规。 分辨率：设备的分辨率应能够准确地反映农药残留物的浓度变化，并提供可靠的测试结果。 三、测试方法 农药残留快速检测仪的测试方法应能够准确、可靠地检测和测量农药残留物的浓度，并提供详细的操作流程和步骤以确保测试的准确性和可重复性。 四、操作和维护要求 操作规程：设备操作规程应简明易懂，设备操作人员应受过专业培训，并能熟练掌握设备操作流程。 维护规范：为确保设备的长期稳定运行，应建立设备维护规范，包括定期对各个部件的检查、清洁和润滑，以及故障处理的步骤。 五、其他要求 数据管理和分析：检测设备应具备数据管理和分析功能，能够自动记录并分析测量结果。数据管理系统应具备数据存储和备份功能，数据分析系统应具备数据处理和报告生成功能。 质量控制：为确保检测结果的准确性，应建立校准和验证方法，定期对设备进行校准和验证。 农产品农药残留检测仪器的快速检测行业标准涵盖了从技术要求、性能指标到测试方法、操作和维护要求等多个方面，旨在确保检测设备能够准确、可靠、稳定地进行农药残留的快速检测，保障农产品的质量和安全。[img=,690,690]https://ng1.17img.cn/bbsfiles/images/2024/06/202406261105363141_6640_6098850_3.jpg!w690x690.jpg[/img][/color][/size][/font]
据2011年1月份出版的美国农业部食品和营养研究摘要（Food and Nutrition Research Briefs）报告， 佐治亚州雅典的农业研究服务所（ARS）的科学家领导的研究团队研制出一种高光谱成像技术--将数码成像与光谱结合起来，该技术可在24小时内筛选出弯曲杆菌。 通常，在实验室中鉴别弯曲杆菌比较费时，也比较繁琐，需要花费几天甚至1周的时间。因为弯曲杆菌需要在混合培养基上生长，并且各类细菌通常看起来非常相似，因此很难区分出弯曲杆菌和非弯曲杆菌。 但是，微生物在电磁波谱的特定波段具有独一无二的指纹，并且该指纹可以通过测量反弹或者穿过它们的光波的方法来识别。高光谱成像可以检测出可见光以及紫外到近红外范围之间的光，因此这种"感应"技术不仅可以分离纯培养基上的微生物，并且可以精确地检测出混合培养基中的假定菌落。 美国农业部表示，研究人员致力于开发一种假定筛选技术以检测食物样本中的沙门氏菌和弯曲杆菌。 据美国疾控中心表示，在美国每年弯曲杆菌感染可导致 845,024起病例，8,463起住院病例，76起死亡病例。最新的联邦食品安全目标是将弯曲杆菌减少33%.
[size=16px] 农残快速检测仪(农药残留快速检测仪)是一种用于检测食品、水果、蔬菜等农产品中是否存在农药残留的设备。它具有以下几种主要作用： 食品安全检测： 农残快速检测仪可以快速、准确地检测食品中的农药残留情况，确保食品的安全性。通过快速检测，可以及时发现超标农药残留，避免不合格食品流入市场，保护消费者健康。 生产监控： 农残快速检测仪可用于农产品生产过程中的监控，帮助农民和生产者控制农药的使用量和频率，以减少农药残留。 进出口贸易： 对于国际贸易而言，不同国家和地区对农药残留的标准和限制可能不同。农残快速检测仪可以帮助出口商在货物出口前进行检测，以确保产品符合目标国家或地区的标准，避免贸易争议和问题。 追溯体系： 农残快速检测仪可以为农产品建立追溯体系，通过检测记录和数据存储，能够追踪农产品从生产到消费的整个流程，为产品质量的管理和监管提供有力支持。 环境保护： 过量的农药使用不仅可能导致食品中农药残留超标，还可能对环境造成污染。通过快速检测，可以减少不必要的农药使用，降低对环境的影响。 科研和监管： 农残快速检测仪可以用于科研机构和监管部门的农药残留研究和监测工作，为政府制定相关政策和标准提供科学依据。 总的来说，农残快速检测仪在保障食品安全、监控农产品生产、促进国际贸易、环境保护等方面发挥着重要作用。它能够快速、精确地检测农产品中的农药残留情况，从而维护消费者健康，促进农业可持续发展。[img=,690,690]https://ng1.17img.cn/bbsfiles/images/2023/08/202308181439357832_3612_6098850_3.jpg!w690x690.jpg[/img][/size]
超声波探伤仪是一种便携式工业无损探伤仪器，它能够快速、便捷、无损伤、精确地进行工件内部多种缺陷的检测、定位、评估和诊断。既可以用于实验室，也可以用于工程现场。超声波探伤仪广泛应用在锅炉、压力容器、航天、航空、电力、石油、化工、海洋石油、管道、军工、船舶制造、汽车、机械制造、冶金、金属加工业、钢结构、铁路交通、核能电力、高校等行业。 超声波探伤仪一般都可自动检测、计算、记录，有些还能自动进行深度补偿和自动设置灵敏度，因此检测速度快、效率高，检测精度高。超声波探伤仪对模拟信号进行高速数据采集、量化、计算和判别，其检测精度可高于传统仪器检测结果。记录和档案检测。 超声波探伤仪可以提供检测记录直至缺陷图像。可全面、客观地采集和存储数据，并对采集到的数据进行实时处理或后处理，对信号进行时域、频域或图像分析，还可通过模式识别对工件质量进行分级，减少了人为因素的影响，提高了检索的可靠性和稳定性等功能特点。
快速无损的中药识别“利器”--访清华大学孙素琴教授中药鉴定是中药学中的一个关键学科，它在鉴别中药品种、评价中药品质等方面有着不可替代的作用。随着新技术的引入和多学科的交叉发展，中药鉴定学已经走出了外观鉴别、显微鉴别、理化鉴别等老方法的局限，发展出了众多新技术方法，为制定中药现代化标准和中药品质评价提供了有力的工具。红外指纹图谱法就是其中的一种。 近日，本网（以下简称：Instrument）专门走访了清华大学，就利用红外光谱“指纹”快速识别中药的有关问题采访了清华大学分析测试中心副主任孙素琴教授（以下简称：孙）。 Instrument：孙教授，您好！首先，能否请您谈谈为何采用红外光谱“指纹”图谱法来进行中药鉴定的？ 孙：好的。许多的现代仪器分析鉴别和质量控制方法如色谱法、质谱法和生物DNA技术的应用等，促进了中药质量研究的发展，但是，仍存在许多困难和不足。色谱法（TLC、GC和HPLC）不仅需要事先破坏试样或对其进行分离提取，从而失去了其原本性与配伍性等，更需要以标准品为参照进行鉴别和测定，面对中药这种复杂的混合物体系，存在着主要的问题，一个是目前并没有确定中药中所有的有效成分，其次要找到所含各种化学成分的标准品也是很困难的，而且由于在许多情况下分析前要对试样预处理，掺入了人为因素，重现性令人不太满意；另外由于只有部分物质具有紫外吸收，况且其指纹性远不如红外，所以紫外光谱分析法不能做到对中药进行全组分的测定，这些方面都限制了其它分析方法的广泛使用。当务之急是急需建立一种快速、有效、方便易行的质量控制方法。 我们所提出的宏观指纹鉴定法作为红外光谱分析法可以对中药材进行快速无损鉴别及质量控制。此鉴别方法有别于其他分析方法的优点是：①.更具直接；②.快速；③.不破坏样品的原性质等特点；④.重现性很好；⑤.仪器相对便宜；⑥.方法较易掌握，普适性强；⑦.可数字化，更具科学性和便于管理；⑧.更符合中医中药的医治原则。 Instrument：但是常规的红外光谱法在较长时期内却没能在中药质量控制和管理中发挥其应有的作用，您是如何看待和解决这一问题的？ 孙：红外光谱是反映分子中所含基团的特征振动形式的。对于单一组分，人们通常利用这些特征频率来推断分子内的基团，进而推测、判断和鉴定化合物，这是比较容易进行的，同时，人们还是利用了红外整体谱形一起来判定的。不过，迄今为止，人们过分地重视和习惯于以局部分子片断来推断分子总体，忽略了难以描述清楚的整体行为来判定。对于几个组分体系已不便于进行分析和推断了，因此很少有人用红外光谱来确定混合物的，对于中药这一极其复杂的混合物体系而言更是如此！尽管也有人采用红外光谱法进行中药的鉴别研究，其思路是将中药进行分离提取后对不同提取部分进行红外测定。但是，众所周知，中药讲究“君臣佐使，生克乘诲”，只有对中药进行全组分测定，宏观的整体分析，才能不破坏它的原本性、配伍性。单一组分分子振动光谱中的峰位、峰形、峰强度代表着体系中所含相应各种基团的微观指纹，其全谱便是它的宏观指纹。一个混合物的谱则是其所含各种成分的叠加谱，构成谱图的宏观“指纹”性，显然它是寓于单组分的微观指纹的基础之上的。它貌似“简单”，却具有丰富的内涵。因此我们坚信利用这样的宏观指纹性在当今计算机的时代是可以用来鉴定、鉴别复杂体系的！尽管中药的红外光谱组成极为复杂，谱峰重叠较为严重，但采用计算机辅助解析技术和数学（如高阶导数或二维相关光谱技术等）相结合，便可增强谱图的“指纹”特征，从而达到分类鉴别的目的。在凭借中药的宏观“指纹”特征的同时，将数学、计算机、分析化学、中医学和中药学等学科渗透进来，融合在一起，实现优势互补。我们创立了红外宏观指纹鉴定法是可以使红外光谱法在中药的鉴定与质量控制和管理中发挥非常强有力的作用的。这一点已为我们所承担的国家中医药管理局的重大科技专项“中药材光谱法快速检测系统的研究”通过验收所证实。 目前，我们正在承担科技部国家重大科技专项“重要技术标准研究”课题“食品中药与天然药物有效成分检测技术研究”建立中药红外光谱筛选方法，并申报国家标准。国家标准方法《中药筛选红外光谱方法通则》已起草完毕，进入征求意见阶段，预计2004－2005年实施。 Instrument：就红外光谱“指纹”而言，中药鉴别相对于西药鉴别有哪些区别和难点？ 孙：由于西药是单一组分的物质，其红外光谱“指纹”特征性可视为该单分子的微观行为，比较简单，大体上是可以从红外理论来分析预言的，比较容易指认和辨认。以红外光谱具有的“指纹”特性作为西药鉴定的依据，是各国药典多年以来共同采用的方法。中药材、中药饮片和中成药本身都是远比西药复杂得多得多的混合物体系，谱图解析的困难，使常规红外光谱法在较长时间内未能在中药质量控制和管理中发挥其应有的作用。中药的特殊性就要求我们在解析其红外光谱图时，既要结合以往的解析经验，又要突破传统的分析思路，因此我们在重视微观指纹性的同时更注重其宏观指纹性，进行谱图的宏观整体解析。这一点是至今没有人敢想敢做的。 另外，充分利用与其它学科之间的相互渗透，也使得我们的红外宏观指纹图谱法大放异彩，它不仅能得到中药的数字化的描述，而且它与中医紧密配合，使它迅速进入实用阶段。当然，如何建立起中药的宏观指纹特征性也是我们的难点。 Instrument：那么，红外光谱“指纹”在中药鉴定过程中具体能完成哪些任务呢？ 孙：经我们研究表明，主要有如下几种用途：中药材及其制剂的真伪鉴定；野生和栽培药材的聚类分析和识别；药材品种的分类与鉴定；判定辅料的用量；制药工艺的稳定性检查等。我们知道，因中药材成分复杂，且生长环境(如地质、气候条件和地形等)、栽培期不同，其功效也有明显区别，如：野生和栽培丹参从外观形态不易辨认，但对比两者的中红外和远红外谱，则能很好地将两者区分开来；另外，通过比较产品的二维相关红外光谱图，还可推断产品在生产过程中是否发生氧化，从而监控生产过程和生产工艺。
[align=center][b]sup-NIR分析仪在原料药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76种不同的原料药进行光谱采集，并利用化学计量学方法建立原料药的快速识别库，数据库的内部及外部验证结果的准确率均为100%，证明了sup-NIR1520分析仪在药用原料快速识别应用方面的可行性。本研究还对不同厂家的雷尼替丁进行了定性分析，利用sup-NIR1520采集光谱并利用支持向量机判别分析建立定性分析模型，模型校正集的识别率和拒绝率均为100%，验证集的识别率和拒绝率分别为100%，88.9%。[align=left][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；药用原料；化学计量学[/align][align=center]Research on the establishment of rapid identification systemof pharmaceutical raw materials with sup-NIR analyzer[/align][align=center]Graduate student: QiaofengSun[/align][align=center]Supervisor: Hengchang Zang[/align][align=left][b] Abstract Objective[/b]: Pharmaceuticalexcipients and raw materials are the basic substances in the production ofdrugs, and they are the key influencing factors of quality of medicine. GMPrequires that appropriate measures should be taken to confirm that thematerials in each package are correct, which has brought great challenges tothe pharmaceutical companies. In recent years, The State has proposed theassociated examination and approval of drugs and pharmaceutical excipients andraw materials and packaging materials. Under such circumstances, how tosupervise raw and excipients materials accurately, quickly is a key technicalissue. How to supervise the raw materials and excipients with low cost,accurate and fast is a key issue. The EU's near-infrared draft stipulates thatwhen near-infrared methods are applied to the release of raw materials andexcipients, it can be called the main method, which indicates that NIRS hasstrong advantages for the quality evaluation of raw materials and excipients.The establishment of a rapid analysis system for near-infrared spectroscopy ofpharmaceutical raw materials and excipients will effectively promote domesticportable near-infrared spectrometers to serve the pharmaceutical industry andprovide security for the people's drug safety.[b]Methods:[/b] In this experiment, 76 kinds of differentpharmaceutical raw materials were collected by sup-NIR1520, and rapididentification database for raw materials was established by chemometricsmethods. The accuracy of the internal and external validation results of thedatabase were 100%, which proved the feasibility of the sup-NIR analyzer in therapid identification of pharmaceutical raw materials. This study also conducteda qualitative analysis of ranitidine from different manufacturers. Samplesspectra were collected using sup-NIR1520 and a qualitative analysis model wasestablished by SVM-DA method. The recognition rate and rejection rate of thecalibration set were both 100%. The recognition rate and rejection rate of thevalidation set were 100% and 88.9% respectively.[/align][align=left][b]Key words:[/b] Near infraredspectroscopy sup-NIR analyzer pharmaceutical raw materials Chemometrics[/align][align=left][b][/b][/align][align=left][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] 研究中使用的76种药用原料均为药厂生产中使用的原料，质量均符合药典规定标准。[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原料识别体系建立的方法[/b] 利用每种原料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一级识别体系的判断依据，对验证集进行预测。二级识别体系的建立利用PLS-DA定性分析方法。[/align][align=center][img=,485,349]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251438224494_5055_3389662_3.png!w485x349.jpg[/img][/align][align=center]图3-1 药用原料识别体系技术路线图[/align][align=left][b]2.3样品集的划分[/b] 采用K-S法分别将76种原料划分为校正集和验证集，其中每种样品取7个作为标准校正集，3个作为识别体系的验证集，即532个样品为校正集，228个样品作为验证集；其中校正集中，每种原料的7个光谱取平均作为标准图谱。[b]2.4一级识别体系的建立2.4.1预处理方法的选择[/b] 本研究参考辅料识别体系的预处理方法的考察结果，共考察了FD、SD预处理方法对识别体系的影响，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]2.4.2阈值的确立[/b] 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]2.4.3结果分析[/b] 一级识别体系主要是以相关系数值作为判断标准，将76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]2.5二级识别体系的建立[/b] 某些原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]2.6识别体系的外部验证[/b] 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，利用外部验证集对原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。并根据结果统计出外部验证时样品的假阳、假阴、真阳和真阴的个数。假阳性是指实际为阴性，判断为阳性，在本研究中表示实际不属于识别体系里的样品，但错误判断为识别体系中的某一原料；假阴性表示实际为阴性，判断为阳性；真阳性表示实际为阳性，判断也为阳性；真阴则表示实际为阴性，判断也为阴性。[b]2.7不同生产厂家原料的定性分析[/b] 原料药识别体系的建立仅仅研究了不同种类原料间的相互识别，不同厂家由于原材料及生产条件不同，生产出的原料也会有差异，为了更精确的控制原料的质量，考察sup-NIR1520对更加相似物料的定性能力，本研究设计实验设计实验以原料雷尼替丁为例，收集两个厂家A和B的雷尼替丁原料共52批，其中A厂家28批，B厂家24批。利用SVM-DA定性方法对其样品进行分析。[b]2.7.1[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]2.7.2样品集的划分[/b] 采用KS方法将样品集划分为35个校正集和17个验证集，并使其校正集和验证集在A、B两个厂家中均有相应的占比。[b]2.7.3定性分析模型的建立[/b] 本研究采用SVM-DA定性分析方法进行模型的建立，SVM-DA是一种有监督的定性识别方法，因其在小样本、非线性以及高维模式识别方面具有很大的优势而得到了广泛的应用。通过对不同厂家样品的定性识别，考察了国产[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]sup-NIR1520在定性识别方面进一步的应用。[b]3实验结果3.1样品的原始光谱[/b] 采用sup-NIR1520光谱仪采集的76种药用原料的原始光谱图如图3-2所示。每种原料包括10个批次，共760个不同批次的光谱。由原始光谱图可以看出，原料光谱的数量很多且重叠严重，无法用感官判断其类别，因此需要借助化学计量学方法建立快速识别体系。[/align][align=center][img=,478,242]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251452131866_5718_3389662_3.png!w478x242.jpg[/img][/align][align=center]图3-2 原料样品的原始光谱图(见实验记录0004196-p67)[/align][align=left][b]3.2样品集的划分结果[/b] 利用K-S法将样品划分为个532校正集和228个验证集。校正集532个样品中包括76种原料，每种样品7张光谱，其原始光谱如图3-3-a所示。验证集样品包括76种原料，每种3张验证光谱，其原始光谱如图3-3-b。将532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3-4所示。[/align][align=center][img=,486,244]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251456498371_9484_3389662_3.png!w486x244.jpg[/img][/align][align=center]图3-3 校正集（a）和验证集（b）原始光谱图(见实验记录0004196-p67)[/align][align=center][img=,489,247]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251457411863_46_3389662_3.png!w489x247.jpg[/img][/align][align=center]图3-4 76种药用原料的标准图谱(见实验记录0004196-p68)[/align][align=left][b]3.3一级识别体系的建立3.3.1预处理方法的选择[/b] 由图3-3可知，光谱采集过程中由于粉末颗粒以及背景的干扰，引入了很多无关信息，影响两个样本间相关系数值的大小，进而影响两个样本间的定性关系，因此应首先对预处理方法进行考察，以判断的正确率为评价指标，此正确率包含正确识别以及拒绝占总验证样本数的比例。导数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+SG 13点平滑、SD +SG 13点平滑对于识别体系相关系数判断正确率的影响，选出最佳的预处理方法。不同的预处理方法对原料的阈值以及验证正确率有很明显的影响，经SD+SG13点平滑预处理后对于某些原料来说结果十分不理想，如艾地苯醌。可能是由于经过二阶导数处理后光谱的噪声被放大，光谱也比原始光谱复杂很多，导致原本相似的光谱差异较大，原本不相似的光谱相关系数增大，大大增加了错误判断的几率。经FD+SG13点平滑预处理后，识别体系的整体结果均很好，正确率均在90 %以上，因此选FD+SG13点平滑为最佳预处理方法。[b]3.3.2阈值的确立[/b] 原料一级识别体系的判断指标即为光谱间的相关系数值，首先应当建立每种原料判别的阈值。阈值的确立方法与辅料识别体系阈值确立方法相同，所有光谱均经过预处理后计算相关系数。若内部相关系数均大于0.97，以0.97为此类原料的阈值，以多索茶碱为例，多索茶碱类内的相关系数值均大于0.98，因此以0.97为此原料的阈值；若原料内部出现小于0.97的相关系数值，则以最小值作为此类原料的判别阈值。以氨磺必利为例，此时阈值选为0.89，相同情况的其他原料均以最小值为阈值。根据以上两种原则计算出的所有原料的阈值见表3-1。[/align][align=center][img=,572,634]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251509149266_5191_3389662_3.png!w572x634.jpg[/img][/align][align=center] [img=,575,216]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251516413473_1093_3389662_3.png!w575x216.jpg[/img][/align][b]3.3.3结果分析[/b][align=left] 标准谱图以及验证集样品光谱图均经过FD+SG 13点平滑预处理，根据阈值进行相关系数的判别，此时的判别属于库内验证。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3-5所示，图中横坐标为76个校正集标准样品，纵坐标为相关系数值，红色横线部分为阈值。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混淆判断，将会再进入更进一步的分析。如图3-6所示，第100个验证样品同时与三个标准样品相匹配，一级识别体系无法正确判断，应进行子库的建立。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，以下几种原料之间因结构或其他外在因素存在而无法正确判断：卡铂和顺铂；奥替拉西钾、盐酸格拉司琼、吉美嘧啶、佐匹克隆和盐酸帕洛诺司琼；氨苄西林、阿莫西林、庆大霉素和头孢丙烯；肝素钠、精氨酸、鲨鱼CS和猪CS。而除此之外的其他样品均能成功识别和拒绝。[/align][align=center][img=,556,541]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251520291704_9388_3389662_3.png!w556x541.jpg[/img][/align][b]3.4二级识别体系的建立[/b] 为了提高识别体系的正确率，对相关系数法没有正确识别的少量样品展开进一步的分析，利用常用的定性分析方法PLS-DA建立识别体系的子库。由一级识别体系结果可知，易混淆的样品可归结为四大类，分别为化药类：奥替拉西钾、盐酸格拉司琼、吉美嘧啶、佐匹克隆和盐酸帕洛诺司琼；抗生素类：氨苄西林、阿莫西林、庆大霉素和头孢丙烯；生药类：肝素钠、精氨酸、鲨鱼CS和猪CS；铂类：卡铂和顺铂。分别针对这四大类建立相应的PLS-DA分析模型。每个模型的校正集是由每种原料的7张原始光谱图组成，验证集是由相应种类的3张验证光谱组成。建立的最佳模型结果见表3-2。分别对应的PLS-DA模型如图3-7、图3-8、图3-9、图3-10所示。[align=center][img=,528,438]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251526172294_1698_3389662_3.png!w528x438.jpg[/img][/align][align=center][img=,479,557]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251526386560_8362_3389662_3.png!w479x557.jpg[/img][/align][align=center][img=,525,250]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251527018463_116_3389662_3.png!w525x250.jpg[/img][/align][align=left] 由以上四个定性模型可知，在一级识别体系中容易混淆的样品均能利用PLS-DA方法完全正确区分，说明将相关系数法和PLS-DA法相结合对药用原料进行快速识别是可行的。同时证明了sup-NIR1520分析仪可以用来区分药用原料，实现定性判别的目的。[/align][align=left][b]3.5识别体系的外部验证[/b] 由原料识别体系的结果可知，建立的识别体系在快速识别药用原料方面是可行的，为进一步考察识别体系的准确性和稳健性，设计外部验证集考察模型对于外部样品的识别能力。[b]3.5.1外部验证光谱图[/b] 在相同条件下采集了100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，样品的原始光谱如图3-11所示。光谱间的信息重叠严重，且有外界因素的干扰，利用化学计量方法对其进行处理及数据运算。[/align][align=center][img=,552,272]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251528381284_5202_3389662_3.png!w552x272.jpg[/img][/align][align=left][b]3.5.2验证结果分析[/b] 外部验证集的验证流程与识别体系的内部验证相同，先利用预处理后的相关系数值进行初步判断，如果有无法识别的样品再利用PLS-DA模型进一步验证。验证结果见表3-7。由表中的数据可知，识别体系的识别率为100%，拒绝率也高达97%。100个外部验证样品中有1个样品验证错误，表现为假阳性，即错误判断为识别体系中的某类原料。这可能是由于识别体系中的原料种类较多，识别体系的复杂程度增加而造成错误的识别。观察发现错误识别的样品相关系数值仅高于阈值千分之几，为保证样品识别的正确率，对于相关系数值十分接近阈值的样品单独进行常规化学分析确定其种类，可降低错误发生的几率。[/align][align=center][img=,494,223]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251530012984_6433_3389662_3.png!w494x223.jpg[/img][/align][align=left] 结合识别体系内部及外部验证结果可知，由sup-NIR采集光谱并利用化学计量学方法建立的原料识别体系可以用于原料的快速识别。[/align][align=left][b]3.6不同生产厂家原料的识别3.6.1样品原始光谱[/b] 52批雷尼替丁的原始光谱如图3-12所示，从光谱图中可以看出，样品间是存在差异的，由于光谱的重叠比较严重，需要借助化学计量学方法进一步分析。[/align][align=center][img=,548,269]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251531576339_3802_3389662_3.png!w548x269.jpg[/img][/align][align=left][b]3.6.2样品集的划分结果[/b] 用KS方法将样品集划分为35个校正集和17个验证集。具体的划分结果见表3-4。[/align][align=center][img=,440,121]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251533111704_9388_3389662_3.png!w440x121.jpg[/img][/align][align=left][b]3.6.3 定性分析模型的建立[/b][/align][align=left] 本研究利用SVM-DA[sup][/sup]对不同厂家的雷尼替丁进行定性分析，此方法主要通过核函数完成数据的维度转换，常用的核函数为径向核函数[sup][/sup]。本研究考察了不同预处理方法对模型结果的影响。可知，在经过MSC+FD+SG13点平滑预处理后，模型校正集的识别率和拒绝率均为100%，验证集的拒绝率也为100%，仅有一个验证样品识别错误，因此选择MSC+FD+SG13点平滑为最佳预处理方法。最佳模型结果如图3-13所示。利用SVM-DA定性方法可以实现不同厂家的原料识别，模型结果较好，同时证明了sup-NIR在同一厂家原料鉴别中应用的可行性。[/align][align=center][img=,437,310]http://ng1.17img.cn/bbsfiles/images/2018/07/201807251626323693_429_3237657_3.jpg!w437x310.jpg[/img][/align][align=center][/align][align=left][b]4 讨论和结论[/b][/align][align=left] 本实验采用sup-NIR1520分析仪对76种不同的原料进行光谱采集，并利用化学计量学方法建立了原料药的快速识别库，证明了sup-NIR1520分析仪在药用原料快速识别应用方面的可行性。并以其中一种原料雷尼替丁为例，搜集不同厂家A和B的雷尼替丁，利用sup-NIR1520采集光谱并利用SVM-DA建立定性分析模型，考察了此仪器在不同厂家原料识别中的应用可行性。两种实验考察结果说明了sup-NIR可以准确的识别原料种类及不同厂家。 药用原料识别体系与辅料识别体系建立的方法基本原理相同，主要依靠光谱间的相关系数值以及常用的PLS-DA定性分析方法。结合两种方法的优点大大提高了识别体系的准确性和简便性。由外部验证结果可知，识别体系的识别率达到100%，拒绝率为97%，相比较于辅料识别体系来说，原料库的种类增加几十种，所以导致识别体系的组成十分复杂，准确率也相应的有所降低，但仍然可以满足日常的快速识别需求。对于不同厂家原料的识别建立了SVM-DA定性模型，模型校正集的识别率和拒绝率均为100%，验证集的识别率和拒绝率分别为100%，88.9%，说明不同厂家的原料间满足某种非线性关系。整体来看模型的正确率较高，可以满足一般的识别要求。本研究首次将sup-NIR分析仪应用到药用原料识别体系的建立并首次应用到同一原料不同厂家的鉴别。为仪器在原料生产及使用厂家的推广提供了很好的理论研究基础。[/align][align=center][b]参考文献[/b][/align] 汪海燕, 黎建辉, 杨风雷. 支持向量机理论及算法研究综述. 计算机应用研究, 2014, 31(5):1281-1286. 钟雄斌. 基于高光谱技术的不同品种猪肉品质检测模型维护方法研究. 华中农业大学, 2014.[align=left][/align][align=left][/align][align=left][/align][align=left][/align][align=left][/align][align=left][/align][align=left][/align][align=left][/align]
[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.
据美国物理学家组织网9月26日报道，美国范德堡大学化学家开发出一种先进方法，能迅速精确地描绘出雅努斯（Janus）纳米粒子的化学属性，为评价其应用效果、改进制备方法提供了有效工具。发表在本月德国《应用化学》杂志上的研究论文对雅努斯纳米粒子在应用方面的主要障碍进行了分析。Janus本意为古罗马的“双面神”，法国物理学家德热纳（De Gennes）在1991年诺贝尔奖颁奖大会上首次用它来描述一类由两半球面组成且具有两种截然不同化学性质的粒子。两面性让这种粒子能形成特殊结构，合成新型材料，比单一性质的纳米粒子拥有更多潜能，因而在药物递送、生物传感、太阳能电池、工业催化剂以及视频播放器等领域具有广泛应用前景。比如，它的一面可以结合药物分子，而另一面黏附连接分子与标靶细胞结合。当它的两个面是完整分开的两个半球时，这种优势更加明显。雅努斯粒子越小，就越难绘制出它们的表面结构，不但给制备带来了很大困难，也很难评价它们在各种应用中的效果。对较大的纳米粒子而言（约10纳米），可以用扫描电子显微镜来绘制它们的表面结构，帮助生产出两面完整分开的雅努斯粒子。但如果粒子小于10纳米，这种方法就会失效。而仅几个纳米大小的雅努斯粒子和单个蛋白质相仿，是最有潜力的药物递送工具。在此项研究中，范德堡大学副教授大卫-克利菲尔等人采用了能同时识别上千种单个纳米粒子的离子迁移质谱仪。他们将两种不同的化合物涂在一些金纳米粒子表面，然后把这些纳米粒子分裂成由4个金原子组成的原子团，再让这些碎片通过离子迁移质谱仪。两个涂层的分子仍黏附在原子团上，由此，通过分析最后的图样，研究人员能对这些纳米粒子进行识别，区分开哪些粒子的双涂层完整分开，哪些粒子的双涂层随机混合，哪些的分开程度中等。克利菲尔说：“目前除了用X射线晶体摄影术，还没有其他方法可以分析这种级别的纳米粒子。但X射线晶体摄影非常困难，要花几个月才能获得一个结构图。”另一位研究人员约翰·麦卡林也指出，离子迁移质谱仪在精确性方面虽然比不上X射线晶体摄影术，但非常实用，几秒钟内就能获得纳米粒子的结构信息。
日本名城大学（名古屋市）10日发布消息称，自主开发的识别新冠病毒变异毒株的方法对新型变异毒株“奥密克戎”也有效。据称约90分钟就可判明是否感染该毒株
[font=&][size=16px]抗生素残留检测仪如何快速检测抗生素残留检测仪器通常采用高效[url=https://insevent.instrument.com.cn/t/5p][color=#3333ff]液相色谱[/color][/url]质谱联用仪（HP[url=https://insevent.instrument.com.cn/t/Yp][color=#3333ff]LC-MS[/color][/url]/MS）、[url=https://insevent.instrument.com.cn/t/Mp][color=#3333ff]气相色谱[/color][/url]质谱联用仪（[url=https://insevent.instrument.com.cn/t/bp][color=#3333ff]GC-MS[/color][/url]/MS）、酶联免疫吸附法（ELISA）等分析方法。这些仪器和方法能够在较短时间内进行快速而精确的抗生素残留检测。以下是一些提高抗生素残留检测速度的方法：样品前处理：快速检测通常需要简化样品前处理步骤，以缩短样品准备时间。自动化的样品制备方法可以提高效率，减少操作时间和人工错误。高效仪器：使用高效[url=https://insevent.instrument.com.cn/t/5p][color=#3333ff]液相色谱[/color][/url]质谱联用仪（HP[url=https://insevent.instrument.com.cn/t/Yp][color=#3333ff]LC-MS[/color][/url]/MS）或[url=https://insevent.instrument.com.cn/t/Mp][color=#3333ff]气相色谱[/color][/url]质谱联用仪（[url=https://insevent.instrument.com.cn/t/bp][color=#3333ff]GC-MS[/color][/url]/MS）等高灵敏度、高分辨率的仪器，可以在较短时间内同时分析多个抗生素。多重反应监测：质谱联用仪器通常能够进行多重反应监测（MRM），这意味着可以选择特定的质谱反应来检测抗生素，提高了检测的精确性和速度。流动相和柱子优化：在高效[url=https://insevent.instrument.com.cn/t/5p][color=#3333ff]液相色谱[/color][/url]（HPLC）检测中，优化流动相和柱子的选择可以加快分析速度，同时保持分离和检测的准确性。自动化：自动化样品进样和数据处理过程可以大幅提高检测速度，减少操作人员的干预。快速检测试剂盒：酶联免疫吸附法（ELISA）通常使用快速检测试剂盒，可在短时间内进行抗生素残留检测，适用于大批量样品。实验流程优化：通过优化分析方法、减少仪器的预热时间和冷却时间，以及减少洗涤和平衡时间，可以进一步提高检测速度。标准曲线和质控：使用事先建立的标准曲线和质控样品可以提高检测的准确性和可重复性，从而减少重新分析的需要。综合使用上述方法，抗生素残留检测仪器可以在较短时间内快速、精确地检测食品和农产品中的抗生素残留，有助于确保食品安全和合规性。[img=,690,690]https://ng1.17img.cn/bbsfiles/images/2023/10/202310081109526358_3063_6098850_3.png!w690x690.jpg[/img][/size][/font]
Science杂志近期刊登一篇图像识别的技术新进展，拿克林顿图像举例，宣称100%的识别精度，个人觉得有些夸大，Science也避免不了炒作，signing...您相信计算机能100%识别人吗？有兴趣可以看看下面的pdf附件。[img]http://ng1.17img.cn/bbsfiles/images/2008/03/200803082247_80935_1611921_3.jpg[/img][img]http://www.instrument.com.cn/bbs/images/affix.gif[/img][url=http://www.instrument.com.cn/bbs/download.asp?ID=80936]100 percent Accuracy in Automatic Face Recognition---science.pdf[/url]
据sciencedaily网站2007年11月27日报道，别要尝试告诉一名量子物理学家足够近就已经足够好。澳大利亚研究人员们发明了一种技术，首次以物理学定律所能允许的精确度进行了长度测量。 11月15日研究小组在《自然》杂志上发表的一篇论文公布了一种系统，即使用单个光子（单个光粒子）作为测量精微距离的尺子。格里菲斯大学量子动力学中心的乔夫.普里德与他的博士学生布雷登.黑金斯在实验室中进行了这项实验。量子动力学中心主任霍华德.威斯曼与悉尼大学的斯蒂芬.巴特昨特博士和麦加里大学的多米尼克.贝里博士共同发明了这一理论。普里德使用单个光子作为工具，然后对每个光子穿越样品的次数进行测量。研究小组使用36个光子进行了378次穿越，由此得出的长度测量结果的误差还不到人头毛丝的万分之一。普里德说，“这是一个非常少量的光。我们扫描条形码所使用的光子数量是十的十五次幂。甚至你家中的的DVD播放机中的暗淡光源也会在一秒内发射出数万亿个光子”。威斯曼说，“数个世纪以来精确测量长度和物体特性的类似方法是干涉测量法，即一种使用电磁射线的波，比如光波来测量的技术。这两项测量技术的关键区别在于，我们以一种方式获得了海森堡测量不准原理允许范围内的光子每次穿越样品时的信息。这就是说，这种测量方法可能是目前最好的测量方法，是以前从未做过的。”普里德说，“我们使用了比以前所认为的更少的光来进行精确测量。这一测量方法对诸如医学研究之类的领域而言特别重要，因为将光透过一个生物样体可能会破坏这一生物体。”我们为何需要如此精确的测量呢？普里德说，“测量可以为所有科学提供支撑，从以往的历史来看我们知道，精确测量的进步会带来意想不到的科学发现，从而带来新的技术和应用。旧的干涉计告诉我们，地球不能穿越一种被称之为‘以太’的神秘物质，而事实上是穿越一个真空。这最终带来了爱因斯坦相对论的诞生。我们并不知道这一新技术将把我们引向何方。”研究小组的下一步研究目标是使用更多的单光子，获得甚至更加精确的测量。普里德说，“从理论上讲这是可能的。但是首先我们还需要克服几个技术障碍。”量子物理学在量子物理学的奇异世界中，一个光子可以同时以两种不同的路径抵达同一目的地。光子前往下一个地点依赖于两条路径长度的差异性。假如一条路径的长度是已知的，这使得科学家可以非常精确地测量另一条路径的长度。格里菲斯大学进行的实验的最新颖之处在于使光子在测量前可以在路径中折返许多次。这放大了路径长度不同所带来的影响。这一理论可以同时应用于其它诸如速度、频率和时间的测量。这一技术结合了量子计算机研究（澳大利亚量子计算机技术中心）、量子控制和量子通讯的概念。巴特利特说，“这是一个结合不同方向研究取得新的和令人振奋研究成果的伟大范例”。英文原文链接参见：http://www.sciencedaily.com/releases/2007/11/071126100614.htm
2013年04月08日 来源： 新浪科技 作者： 晨风http://www.stdaily.com/stdaily/pic/attachement/jpg/site2/20130408/2c27d71a3b4612cc50ff1e.jpg通过对唤醒受试者之前9秒钟其大脑活动的分析，研究人员可以判断这个人刚才是否正在做梦 新浪科技讯 北京时间4月8日消息，据国外媒体报道，一个日本神经科学家小组日前成功地使用大脑扫描设备读出人们梦境中的内容。 日本京都ATR计算神经科学研究所科学家神谷之康和他的同事们使用功能磁共振成像(FMRI)对三名睡眠中的受试者脑部进行扫描观察，并同时记录下他们的脑电波信号。 当观察到受试者的脑电波正处于梦境的早期睡眠特征时，研究人员便将受试者唤醒并询问他们刚才梦到的是什么情景，随后便让他们继续入睡。这种测试的进行期间有3个小时的间隔，并采用不同的方式，针对不同的受试者重复进行7~10次。 在每次间隔期间，受试者每小时会被唤醒10次。每一位受试者都报告他们大约每小时内都会出现大约6~7次梦境，这样每一位受试者身上都会记录到大约200次梦境事件。 大多数梦境所反映的是日常的生活。如一位受试者表示：“我梦到我在一家面包店里。我买了东西然后走到外面的大街上，那里有一个人正在拍照。”另一位受试者叙述说：“我看见一座巨大的铜质雕像，在一座小山坡上。在山脚下有小屋子，街道，还有树林。”也有一部分受试者的梦境中包含了一些不同寻常的内容，比如遇见一位电影明星，或是梦见自己置身于一座录音棚之中。 神谷之康和同事们使用普林斯顿大学开发的语料数据库WordNet来提取受试者陈述报告中的语言特征，并将其划分为20个类别，如“车”，“男性”，“女性”以及“计算机”等，这些文字都是在受试者的陈述中出现频率最高的。随后研究组使用对应于这些文字的图片，让受试者去观看这些图片并同时扫描并记录他们的大脑活动情况，最后将这些数据与此前在进行睡眠实验中唤醒受试者时记录的数据进行对比。令人惊奇的是，计算机能够识别梦境中60%左右的图像。 研究人员对受试者大脑的V1，V2 和 V3区域的活动情况进行了分析，这些大脑区域负责视觉图像处理的最早期阶段，并负责对视觉画面的基本解码，如对比以及边界的对齐等等。研究人员也对大脑中负责更高级别图像处理的区域进行了观察，如大脑中负责目标认知的区域，等等。 在2008年，神谷之康和他的同事们曾经报告称他们可以解码并重建受试者大脑区域活动所代表了视觉情景。而现在，他们已经更进一步，实现了对大脑更高级功能区域活动的识别，也因此几乎能精确地预测受试者梦境中呈现的内容。 神谷之康表示：“我们建立了一套模型，用以预测每一类别的内容是否会在梦境中呈现。通过对唤醒受试者之前9秒钟其大脑活动的分析，我们可以判断这个人刚才是否正在做梦，准确性达到75%~80%。” 他也表示这样的实验并非对受试者梦境画面结构的考察。他说：“我们所关注的是梦境的意义，但是我仍然认为有可能从中提取出结构特征，如形状和对比，正如我们在2008年时所做的那样。” 他们所作的这项工作于去年10月份在美国新奥尔良召开的神经科学学会年会上做了报告，并于近期发表在《科学》杂志上。在这篇文章中，研究组指出人类大脑中负责较高级别视觉处理的区域，其针对梦境和视觉感知所产生的神经反应是相似的。 美国加州大学伯克利分校科学家杰克·格朗特(Jack Gallant)表示：“这是一项有趣的工作，令人兴奋。相比低级区域，从更高级别的大脑区域进行解译可以更加精确地重构梦境，这一事实说明引发梦境的大脑活动中牵涉到一些与视觉想象有关的脑部区域。”他说：“另外，由于对梦境的解译在受试者被唤醒前十几秒钟时最为精确，这一点也似乎可以证明我们醒来后回想自己刚刚经历的梦境，这是一种短时记忆。” 神谷之康和同事们目前正致力于对处于快速眼动阶段(REM)的深度睡眠者实施同样的研究，这一阶段一般也被认为与当事人正处于梦境有关。他说：“这一阶段的研究将更具挑战性，因为我们必须至少等待一小时以上才能等到受试者进入快速眼动阶段的睡眠状态。我并不了解很多有关梦境的作用的理论，我比较了解梦境的内容，以及这些梦境内容是如何与大脑中的不同区域相互关联的，这种关联性将帮助我们更好地理解梦境。”(晨风)
保留指数是[url=https://insevent.instrument.com.cn/t/Mp]气相色谱[/url]重要定性参数。[url=https://insevent.instrument.com.cn/t/bp][color=#3333ff]气质联用[/color][/url]虽然可以利用标准谱图检索但是同系物标准图谱非常相似而保留时间往往不同，这时候保留指数就发挥作用了。保留指数分为恒温保留指数和程序升温保留指数。 对于沸点范围较宽的复杂组分混合物的分析，一般采用程序升温的方法。1963年Van Den Dool 等经过推算引入线性程序升温保留指数的概念。 计算公式：IT=100Z+100[RT[sub]R(x)[/sub]-RT[sub]R(z)[/sub]]/[RT[sub]R(z+1)[/sub]-RT[sub]R(z)[/sub]] (线性程序升温)。式中：TR(x)，TR(z)，TR(z+1)分别代表组分及碳数为Z，Z+1正构烷的保留温度。且TR(z) TR(x)TR(z+1)。一般讲，保留温度的测量比保留时间的测定要麻烦一点。由于保留温度和保留时间通常具有高度的相关性，所以用保留时间代替上式中的保留温度来进行计算保留指数。 AMDIS 自动解卷积软件不仅能分离重叠峰还有计算保留指数的功能，于是参照论坛上相关帖子利用AMDIS计算保留指数。在这个过程中遇到AMDIS不能识别正构烷烃的问题通过发帖再摸索终于找到解决方案。 实验仪器：赛默飞Trace1300-ISQ 色谱柱TG-5MS （带5m保护柱） 标液 C7-C30（1000ug/ml)于正己烷。仪器条件：进样口260℃，柱温35℃以5℃/min 线性升温至260℃保持15min 接口260℃ 离子源280℃ 扫描范围29-430 分流进样 分流比30 进样量1ul 正构烷烃出峰不错,在不到1小时出峰完全，可是AMDIS识别缺少C10，15，20，23-30（其中C10已经认出，校正文件里没认出）[img=,690,197]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011438_01_2103464_3.png[/img] 看到峰型有些前伸，考虑到用不分流衬管做分流 可能有些过载，于是稀释样品至100ug/ml，分流比设为20，程序升温速率改为4℃/min终温保持10min其余条件一样，再实验峰型是改善了，识别不全的问题仍然存在，通过修改灵敏度，分辨率，峰型要求，峰宽，最小相似度等参数，最好的结果还有6个峰没识别出来。 第一招：直接修改后缀为CAL的文件 直接用记事本打开CAL文件，把没识别出来的峰加进去，保存退出就可以了。比如加入C10 未改之前：[img=,590,408]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011448_01_2103464_3.png[/img]直接添加之后：[img=,611,416]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011450_01_2103464_3.png[/img] 文件五列的意义分别是 保留时间，保留指数，NET值，S/N值，名称。 第二招：考虑到识别不了，因为谱库里的图和我做的图有差异，那么直接用自己做的图做谱库那应该符合性非常好。于是自己建立正构烷烃保留指数库： 打开标液图谱，点击菜单栏Library --Build one library 新建库选择保存类型为.CSL,点击某正构烷烃（以C28为例）把它选为红色标志：[img=,690,333]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011500_01_2103464_3.png[/img]这里 带“c”的是标定保留时间用的，之前发现很多人做的没有C10是因为默认CSL 文件没有把C10标识为"c”，下面是默认的库文件[img=,575,323]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011506_01_2103464_3.png[/img] 然后添加 化合物名称 CAS号，分子式，保留指数，在RI Calibration 里 Use for RI Calibration打钩：[img=,564,502]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011508_01_2103464_3.png[/img] 就完成了C28的添加：[img=,556,565]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011511_01_2103464_3.png[/img]同法 添加所有正构烷烃标样，然后保存。在Analyze菜单选Analyze [url=https://insevent.instrument.com.cn/t/Mp]gc[/url]/MS Data 在Type of Analyze 选RI Calibration/Performance在RI Cali Lib选择自建库点击run 结果还有几个未识别，再通过修改参数最终都自动识别出来了:[img=,424,358]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011548_01_2103464_3.png[/img][img=,457,380]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011549_01_2103464_3.png[/img][img=,690,363]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011523_01_2103464_3.png[/img]CAL 文件：[img=,672,727]http://ng1.17img.cn/bbsfiles/images/2017/07/201707011525_01_2103464_3.png[/img] 总结：AMDIS识别正构烷烃确实不够精确，这可能跟正构烷烃质谱图类似有关，尤其是C20之后的经常不认，或张冠李戴。解决识别问题第一招直接改CAL可谓简单高效，第二招自建谱库虽然多花了些时间但对于以后换条件再标定也有用。
伦敦帝国理工学院的科学家对电子的形状进行了迄今最为精确的测量，即便在10的负27次方厘米的精度上，电子仍然是完美的球形。如果将电子放大到太阳系的尺度，其圆度的偏差甚至小于人类发丝的宽度。 这项发表于《自然》杂志的研究与现有理论预测结果并不相同，对于探索宇宙奥秘的科学家来说有着深远影响。根据粒子物理标准模型的预测，电子是非常接近球形的椭圆形状，这种变形轻微到不可测量，因而可忽略不计；而在超对称性理论的框架内，每个粒子都有一个比自己重的“同胞兄弟”，这就要求电子的形状必须为椭圆形。 科学家一直试图对电子的圆度进行更加准确的测量，因为电子出现任何拉伸变形的迹象，都可能预示着重大发现，揭示出自然界中可能存在的未知粒子，甚至解释宇宙为什么由物质而非反物质构成。 伦敦帝国理工学院的物理学家乔尼·哈德森带领的研究小组通过测量电子在电场中的晃动情况来倒推其圆度，晃动越小，电子就越圆。实验中，他们将电子与氟化镱分子“绑定”，然后施加电场，并用激光束进行测量，每次测量耗时仅千分之一秒。 在整整3个月时间内，研究小组对电子共进行了2500万次测量，然后取其平均值加以分析，结果发现，电子在电场中没有任何晃动迹象，这证明电子比此前研究认为的要圆。 哈德森表示，这一结论对超对称性理论提出了挑战，欧洲大型强子对撞机实验中所“发现”的某些超对称粒子可能并不存在。他们将对设备加以改进，希望能在未来数年内对电子进行更精确的测量。“如果我们的精度能进一步提高，就可以很确凿地验证或淘汰超对称性理论了。” 美国密歇根大学的亚伦·莱昂纳特评价说，这项研究工作提供了一个了解“宇宙高能精髓”的窗口，并最终可能有助于解释宇宙的结构。 一直以来，电子的形状都被认为是非常接近于球形的椭圆形，这样才能解释有关物质和反物质的一些问题，而此次研究极其精确地测量了电子的形状其实是几近完美的球形。从外观上看，椭圆形和球形相差无几，但在物理学研究中却有着天壤之别。一旦这一结论被进一步证实，现有的许多理论或将推倒重来，这无异于物理学研究领域一场天翻地覆的大地震。但是也没必要过于紧张，这或许也打开了人类了解宇宙的一个新窗口。（科技日报）
可以做细胞个数的精确定量和分选。可以把精确个数的细胞（比如50个细胞）加到特定容器中。实验中遇到一个困难：摇瓶培养发酵时，发酵产物和添加黑曲霉的孢子的个数直接相关，但黑曲霉孢子数很难准确定量。已尝试用紫外分光光度计OD600做孢子定量，非常不准确。不同生长时期的孢子，测得OD600吸收值相同，但孢子数差别很大。有没有一款仪器，可以精确地快速地量出一定体积孢子悬浮液中的孢子数，将含有特定孢子数的孢子悬浮液，加到一个容器中。最后实现，50个摇瓶中（或96孔板的96个孔中），每个摇瓶（每个孔）都可以添加50个孢子。我知道流式细胞仪可以实现这种功能，但太贵了，几十万美元。我们想要一个只做定量的小仪器。
仪器型号：万通787水分滴定仪故障现象：无法识别交换单元。故障排查：开机自检无故障提示，馈液时提示没有连接交换单元。取下交换单元，滴定管下方有漏出的卡B，滴定管活塞处有漏液现象，抽出活塞，清洁后加少许凡士林。用于识别滴定管体积的芯片上也有部分卡B，造成短路，不能不能正确识别。小心取下芯片，用脱酯棉擦拭干净重新安装好。将交换单元安装到仪器上，开机自检，系统能够正常识别。选手动馈液，将活塞顶杆升起，将活塞安装到定位销上，重新安装滴定管，重复馈液几次，将系统气泡赶出即可。
各位大侠好！我是新手。我们现在要测phthalates，测8P,在做定性的时候，能识别前面6P,能积分的，但是DIDP和DINP是一系列的峰，请问怎么样操作才能将这一系列的峰积分并识别出是DIDP和DINP？我用的是岛津GCMS-QP2010Plus。在这里麻烦各位大侠了 ！
不知论坛里的好友能不能像QQ里一样进行分组标识，以对好友进行快速的识别。
我要推广仪器
下载APP
助力高校用户选型，东西分析让分析更快速、更准确、更智能
土壤有机污染物检测技术
快速溶剂萃取仪导购专刊
MALDI-TOF在临床微生物领域的技术应用进展
“小”核磁“大”前途——崛起的低场核磁
仪器信息网“推荐仪器”
兽药残留检测专题
中国化学会第27届学术年会
守护“舌尖安全”的利器——快速检测设备大全
快速溶剂萃取导购专刊