检索结果-南通市图书馆

中国中药杂志 2024年第24期 6565-6573页

作者：万鑫浩钟志坚陶青王子千廖佳丽杨东印杨明罗小荣伍振峰江西中医药大学现代中药制剂教育部重点实验室江中药业股份有限公司江西中医药大学计算机学院江西省药品检查员中心

关键物料属性（CMAs）辨识是中药大品种健胃消食片质量控制的关键问题。该文以健胃消食片颗粒为研究对象，以片剂抗张强度为主要质量属性，建立了颗粒CMAs的辨识方法与设计空间，并基于傅里叶近红外光谱技术（FT-NIR）建立颗粒CMAs的预... 详细信息

关键物料属性（CMAs）辨识是中药大品种健胃消食片质量控制的关键问题。该文以健胃消食片颗粒为研究对象，以片剂抗张强度为主要质量属性，建立了颗粒CMAs的辨识方法与设计空间，并基于傅里叶近红外光谱技术（FT-NIR）建立颗粒CMAs的预测模型。首先采用试验设计（design of experiments, DOE）中的部分因子试验设计方法制备不同性质的健胃消食片颗粒，测定颗粒的粉体学性质。采用正交偏最小二乘法（OPLS）建立颗粒粉体学性质与抗张强度间的关系模型。根据OPLS提取综合变量的特性，找出对抗张强度解释作用最强的自变量，再利用FT-NIR技术建立颗粒CMAs的预测模型。最终确定关键物料属性为吸湿率、含水率、D50、崩溃角、质量流速、振实密度；流动性、D50、含水率预测模型的预测集决定系数（R■）与相对百分偏差（RPD）分别为0.891、0.994、0.998;2.97、12.4、20.7。建立的OPLS可明确各因素对抗张强度的影响程度大小，拟合效果良好。所建模型的预测准确度较高，可用于健胃消食片颗粒CMAs的快速、准确测定。

关键词：关键物料属性设计空间正交偏最小二乘法傅里叶近红外光谱预测模型

来源：

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

傅里叶近红外透射光谱法快速检测鼻炎喷剂中盐酸麻黄碱的含量

引用

中国药师 2015年第1期18卷 156-158页

作者：吕冠欣何积芬佛山市顺德区药品检验所广东顺德528300

目的：建立快速测定鼻炎啧剂中盐酸麻黄碱含量的分析方法。方法：采用傅里叶近红外（FF—NIR）液体透射光谱法采集样品的近红外光谱。以高效液相色谱法测得值为参考，运用偏最小二乘法，以一阶微分（ld）＋Norris平滑为预处理方法，谱... 详细信息

目的：建立快速测定鼻炎啧剂中盐酸麻黄碱含量的分析方法。方法：采用傅里叶近红外（FF—NIR）液体透射光谱法采集样品的近红外光谱。以高效液相色谱法测得值为参考，运用偏最小二乘法，以一阶微分（ld）＋Norris平滑为预处理方法，谱段选择6136．38～5364．99cm-1和7038．90—6969．48cm-1建立定量校正模型。结果：定量模型校正集的R2为0．9926，校正集验证均方差（RMSEC）为1．20；验证集的R2为0．9935，外部验证均方差（RMSEP）为1．28，内部交叉验证彤为0．9869，内部交叉验证均方差（RMSECV）为1．60。结论：所建立的定量模型具有满意的拟合效果和预测能力，能快速检测鼻炎喷剂中盐酸麻黄碱的含量，可推广应用于生产过程中的在线分析。

关键词：傅里叶近红外光谱透射光谱鼻炎喷剂盐酸麻黄碱

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

1～21日龄黄羽肉鸡豆粕净能预测模型

引用

动物营养学报 2011年第2期23卷 250-257页

作者：张正帆王康宁贾刚吴秀群四川农业大学动物营养研究所雅安625014

本试验旨在建立合理的1-21日龄黄羽肉鸡豆粕净能（NE）预测模型。对豆粕净能进行测定，为维持净能（NEm）与沉积净能（NEp）之和，NEm测定采用回归法，NEp测定采用套算法；测定21个豆粕样品的概略养分含量，并进行NE与表观代谢能（AME... 详细信息

本试验旨在建立合理的1-21日龄黄羽肉鸡豆粕净能（NE）预测模型。对豆粕净能进行测定，为维持净能（NEm）与沉积净能（NEp）之和，NEm测定采用回归法，NEp测定采用套算法；测定21个豆粕样品的概略养分含量，并进行NE与表观代谢能（AME）、化学成分的一元或多元线性回归分析，建立模型；将21个豆粕样品水分分别调整为11%、12%和13%，并分别建立3种水分及全局傅里叶近红外光谱（FNIRS）模型。结果表明：1）1~21日龄黄羽肉鸡21种豆粕NE为6.045~7.829 MJ/kg，AME转化为NE的效率为55.24%-62.78%；2）用化学成分建立的最佳豆粕NE预测方程的R2为0.96，RSD为0.114 MJ/kg；用AME结合化学成分建立的最佳预测方程的R2为0.98，RSD为0.079 MJ/kg；3）3个水分以及全局FNIRS模型校正相关系数（R2cal）分别为0.96、0.98、0.97、0.94，校正标准差（RMSEE）分别为0.100、0.072、0.069、0.105 MJ/kg;交叉验证相关系数（R2cv）分别为0.92、0.95、0.95、0.93；交叉验证标准差（RMSECV）分别为0.131、0.096、0.089和0.116 MJ/kg。结果提示，通过调节水分扩大样本可建立可靠、方便的豆粕NE的全局FNIRS模型，FNIRS模型与只用化学成分建立的预测模型准确度相当，较用AME结合化学成分建立预测模型的准确度稍差。

关键词：黄羽肉鸡净能傅里叶近红外光谱全局校正模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

西北地区梨主栽品种果实品质定量及定性无损检测模型的建立

西北地区梨主栽品种果实品质定量及定性无损检测模型的建立

引用

作者：卢朝晖西北农林科技大学

学位级别：硕士

梨是人类栽培的最古老的植物之一,其品种及鲜果品质一直是消费者选购的主要关注点。在梨的品质指标中,可溶性固形物含量(SSC)和可滴定酸含量(TA)是影响梨品质的两个重要因素;表面色泽则在果实分级、消费者选购的过程中占据重要作用。本... 详细信息

梨是人类栽培的最古老的植物之一,其品种及鲜果品质一直是消费者选购的主要关注点。在梨的品质指标中,可溶性固形物含量(SSC)和可滴定酸含量(TA)是影响梨品质的两个重要因素;表面色泽则在果实分级、消费者选购的过程中占据重要作用。本研究针对梨果实产量上存在较大差异,果品采收后品质不同,果品外观品质较好但食用口感不佳等问题,开展了基于傅里叶变换近红外光谱技术(FT-NIR)对梨果实进行快速定量和定性分析的可行性,建立梨果实品质无损检测模型及品种鉴别模型,为生产实践提供参考价值。主要研究内容和结论如下:(1)‘早酥’和‘砀山酥’梨初步建立模型过程中,以340个梨鲜果的光谱数据为基础,通过偏最小二乘法(PLS)结合交叉验证建立定量校正模型。结果表明,利用FT-NIR建立的模型对‘砀山酥’梨的SSC和TA的校正模型的结果最好(RPD:3.272和2.239),优于‘早酥’的SSC和TA建立的模型(RPD:1.407和1.471)。(2)在初步建立校正模型基础上,次年对模型的参数进行补充,并进行验证。进行建模时,‘早酥’和‘砀山酥’梨通过选择不同波长范围和光谱预处理方法选出适合于SSC、TA、色值L*、色值a*、色值b*的建模最佳参数。在最优条件下,建立了SSC、TA、色值L*、色值a*、色值b*的近红外PLS定量模型。结果表明,利用FT-NIR建立的模型对‘早酥’和‘砀山酥’梨的SSC模型最好(RPD:2.56和2.28),‘早酥’色值a*和‘砀山酥’梨TA、色值L*、色值a*模型较好(RPD:1.67、1.87、1.75、1.66和1.81)。模型良好的预测能力也进一步证明了利用近红外光谱技术对‘早酥’和‘砀山酥’梨果实品质的操作可行性。(3)为了证明模型具有更好地普适性,在模型最优条件下,对‘玉露香’和‘库尔勒香梨’进行PLS模型建立。‘玉露香’的SSC、TA、色值b*和‘库尔勒香梨’的SSC、色值L*、色值a*、色值b*校正模型的RPD在1.4-2.27之间,与之对应的预测集RPD在1.67-2.44之间,说明建立的近红外模型具有良好的预测能力,总的来说,傅里叶变换近红外光谱技术是一种能对梨鲜果品质进行快速无损检测分析的有效手段。(4)在基于近红外光谱技术的梨品种鉴别中,光谱数据的预处理方法及特征波段的选择方法非常重要。在7500-5000 cm波长范围内,对光谱进行二阶导数(SD)预处理,使用第一范围标定法和重现水平归一化法能对‘早酥’和‘砀山酥’梨进行精准分类。这表明傅里叶变换近红外光谱技术可以对‘早酥’和‘砀山酥’梨进行品种鉴定。

关键词：梨傅里叶近红外光谱定量分析定性分析

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：