近紅外光譜法定量分析白花蛇舌草種子中水分含量

李丹清 余馳 黃必勝 肖艷慧 查夢麗 曹艷

摘要：應用近紅外光譜技術建立白花蛇舌草種子水分含量快速測定的檢測方法，用于種植種苗培育和藥材儲存管理及質量控制。采用干燥加速和加濕加速試驗方法處理樣品，擴充樣品水分分布區間，用烘干法測量水分，然后采用近紅外光譜技術結合偏最小二乘法（PLS）建立水分定量分析模型。結果表明，模型的相關系數達到0.991，均方根偏差RMSECV為0.086，內部交叉驗證和外部驗證中，預測偏差均小于1.0%。建立的白花蛇舌草種子水分定量模型能準確地預測種子中水分的含量，可用于種植種苗培育、藥材儲存管理及質量控制。

關鍵詞：近紅外光譜;白花蛇舌草;水分含量

中圖分類號：O65? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2018）22-0128-04

DOI：10.14088/j.cnki.issn0439-8114.2018.22.035? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）：

Abstract： To establish a method for quick determination of moisture content in Oldenlandia diffusa seeds by near infrared spectroscopy，which can be used for planting seedling cultivation and medicine storage management and quality control. The methods of drying and humidifying are used to process samples，which is used to expand the water distribution range of samples and the moisture was measured by the drying method. Near infrared spectroscopy combining partial leastsquares method（PLS） was used to develop the moisture quantitative analysis mode. Results showed that the correlation coefficient of model was 0.991，RMSECV was 0.086，the internal cross validation and the external verification were less than 1.0%. The NIRS model can accurately predict the moisture content in Oldenlandia diffusa seeds，which can be used for planting seedling cultivation、medicine storage management and quality control.

Key words： near infrared spectroscopy; Oldenlandia diffusa; moisture content

白花蛇舌草種子為茜草科植物白花蛇舌草[Oldenlandia diffusa（Willd.） Roxb.]的干燥全草，具有清熱解毒、消腫散結、利濕通淋的功效，性微苦、甘、寒，歸胃、大腸、小腸經。主治咽喉腫痛，癰腫瘡毒，熱淋澀痛，毒蛇咬傷[1]。近年來的研究表明白花蛇舌草還具有一定的抗腫瘤活性。李超[2]對治療惡性腫瘤方劑中解毒類藥物的配伍規律進行了研究，表明高頻清熱解毒類藥物中，白花蛇舌草位居第一。白花蛇舌草臨床用量的增加，也相應地促進了白花蛇舌草的市場需求，同時也帶動了種子栽培技術的發展。而種子的質量是影響白花蛇舌草藥材品質的重要指標，在種子的存儲和培育過程中，水分含量是決定種子成活率和發芽率的關鍵因素[3]。

水分測定的方法較多，常規的檢測方法有如烘干法、甲苯法、減壓干燥法等[4，5]。由于白花蛇舌草種子極為細小，常規的水分檢測方法耗時較長，也具有破壞性，不但造成很大的浪費，也不能達到實時監測的效果。本研究通過近紅外光譜技術建立水分測定模型，直接預測白花蛇舌草種子的水分含量。該方法快速準確，且不損耗樣品，用于白花蛇舌草種子水分含量的快速監測，同時也為其他藥材種子中水分含量的測定提供了參考[6-10]。

1? 材料與方法

1.1? 試驗儀器

AB204-N型電子分析天平（德國梅特勒公司）、電熱恒溫鼓風干燥箱（DHG-9070A，上海齊欣科學儀器有限公司）、通用環境實驗箱（MLR-352H-PC，Panasonic公司）、MPA近紅外光譜儀（德國布魯克公司，OPUS工作站）。

1.2? 樣品的來源及分類

共收集大悟、確山、江西、周口、亳州5個產地共10批次的白花蛇舌草種子樣品，并將所有種子依次過60目、80目標準篩，除去未過篩的樣品中的植物殘體、土石等，再過100目篩，篩掉灰塵及干癟的種子，得到80目到100目之間的種子，樣品信息見表1。

2? 結果與分析

2.1? 近紅外光譜采集參數及光譜掃描

取白花蛇舌草種子，裝填在近紅外標準測樣瓶中，樣品堆積高度約0.5 cm，然后將測樣瓶放置于近紅外光譜儀漫反射測量窗口。掃描波長間隔8 cm-1，掃描累積次數32次，掃描區間12 500～4 000 cm-1，每批次樣品測量前扣減背景光譜。每個樣品掃描3次，取平均光譜（圖1）。

2.2? 白花蛇舌草種子水分含量的測定

為了有效擴展建模樣品的水分分布區間，更準確地模擬種子樣品的實際水分值，試驗中對已有樣品進行干燥和加濕兩種加速試驗[11]。

1）干燥加速試驗。精密稱取1～5號樣品，分別置已干燥恒重的稱量瓶中，均勻鋪開，裝填厚度大約0.5 cm，連同稱量瓶一起置近紅外儀器樣品檢測窗口，分別測定每批次種子樣品的近紅外光譜。然后將5組樣品同時置烘箱中干燥，60 ℃下，每間隔一段時間，取出后置干燥器中冷卻30 min，然后稱重，同時測定近紅外光譜。共干燥加速8次，加上原始重量，共得到9組數據，最后將烘箱溫度調整到105 ℃，干燥至減失重量小于0.5 mg為止（表中標識為“恒重”），得到干燥完全的樣品重量。根據減失重量，計算每批次樣品含水量，結果見表2。

2）加濕加速部分。精密稱取6～10號樣品，分別置于已干燥恒重的稱量瓶中，均勻鋪開，裝填厚度大約0.5 cm，連同稱量瓶一起放置于近紅外光譜儀樣品檢測窗口，分別測定每批次種子樣品的近紅外光譜。然后將5組樣品放置于溫度為25 ℃、相對濕度為90%的通用環境試驗箱內，放置不同時間（1.5、4、9、15 h）后，分別稱重，記錄加濕后種子的質量，同時測定每次加濕后樣品的近紅外光譜。最后將樣品在105 ℃，干燥至減失重量小于0.5 mg為止（表中標識為“恒重”），得到干燥完全的樣品重量，計算每批次加濕樣品的含水量，結果見表3。

通過加速試驗，有效地擴展近紅外建模樣品的水分分布區間，增加樣品的代表性，也能更廣泛地涵蓋實際樣品中的水分值，從而保證模型預測結果的準確性和穩定性。從表2和表3中可以看出，加速試驗后白花蛇舌草種子的水分含量分布在0.00%～11.96%范圍內。

2.3? 白花蛇舌草種子近紅外光譜特征分析

采用OPUS軟件中“一致性檢驗”的方法分析水分和近紅外光譜之間的關系，以水分中OH基團的特征吸收為主要依據，綜合考慮相關性的波數區域，在4 200～7 500 cm-1波長區域范圍內進行作圖分析，結果見圖2。

從圖2可以看出，根據加速時間的不同，干燥加速試驗和加濕加速試驗，均呈現良好的線性變化趨勢，表明水分的含量和此特征譜段有明顯的相關性，此特征譜段可作為建立定量模型建立的參考。

2.4? 白花蛇舌草種子水分定量模型的建立

采用OPUS軟件中定量建模的算法，建立白花蛇舌草種子中水分含量的定量模型，以相關系數和交叉驗證均方根為指標，對建模譜段進一步優化，選擇4 200～5 200 cm-1、6 800～7 500 cm-1波長區域，綜合評判模型的預測能力和穩定性，結果見表4。

單獨的矢量歸一化、多元散射校正或求導等預處理方法分析并不能顯著改善模型的線性和預測偏差，一階導數+多元散射校正的預處理方法最佳，相關系數和交叉驗證均方根誤差均較小，預測結果的偏差更小。

綜合以上分析，特征譜段選擇4 200～5 200 cm-1、6 800～7 500 cm-1波長區域，預處理方法選擇一階導數+多元散射校正，平滑點選擇17，采用偏最小二乘法，建立了白花蛇舌草種子定量分析模型。在內部交叉驗證情況下，模型的相關系數0.991，結果見圖3;偏差值與測量值之間的關系見圖4。

2.5? 模型精密度考察

選擇同一份白花蛇舌草樣品（樣品編號為5），重復測量近紅外光譜6次，代入建立的模型預測水分值，結果分別為7.96%、7.88%、7.92%、7.94%、8.04%、7.90%，預測結果的RSD為0.7%，精密度良好。

2.6? 模型準確性考察

為了驗證模型的有效性，采用外部驗證的方法，對建立的模型進行準確性驗證，試驗中從市場上收集10批次白花蛇舌草樣品，篩去其中的植物殘體、土石和灰塵等，測定其近紅外光譜，然后按照2015版《中國藥典》烘干法測定每批次白花蛇舌草樣品水分，結果見表5。從表5中可以看出，模型預測結果基本和儀器測定結果一致，偏差主要分布在0.5%以內，最大偏差為0.9%。建立的近紅外光譜水分模型，能較準確地反映實際樣品中水分的含量。

3? 討論

白花蛇舌草水分測定結果與樣品的凈度有一定的關聯，市場上購買的白花蛇舌草藥材，需要進行篩選得到種子，以去除殘留的莖葉、灰塵和泥土等，試驗中按照統一的篩分方法進行處理，得到凈度大于80%的樣品。模型的預測也主要是針對凈度在80%的樣品。

試驗中收集的白花蛇舌草種子，水分含量涵蓋的范圍有限，為了更準確地預測樣品中的水分值，模擬實際情況，進行了干燥加速試驗和加濕加速試驗，有效地擴展了樣品中水分的分布范圍，也很好地證明了建立的模型有很好的適用性[11]。

參考文獻：

[1] 吳孔松，張? 坤，譚桂山，等.白花蛇舌草化學成分的研究[J].中國中藥雜志，2005，39（11）：817-818.

[2] 李? 超.治療惡性腫瘤方劑中解毒類藥物的配伍規律研究[D].南京：南京中醫藥大學，2013.

[3] 郭巧生，吳傳萬，劉? 俊，等.白花蛇舌草種子萌發特性[J].中藥材，2001，24（8）：548-550.

[4] 國家食品藥品監督管理總局.中國藥典[Z].四部.2015.

[5] 李淑嫻，高瑩瑩，李運紅，等.種子含水量的測定方法及展望[J].種子，2010，29（10）：57-59，61.

[6] 李隆云，彭? 銳，李紅莉，等.中藥材種子種苗的發展策略[J].重慶中草藥研究，2011，35（1）：247-252.

[7] 郭利建，王惠娟，楊? 寧.近紅外光譜分析技術及其應用[J].河北化工，2008，31（8）：31-32，45.

[8] 陸婉珍.現代近紅外光譜技術[M].第二版.北京：中國石化出版社，2007.

[9] 康月瓊，郝? 風.傅里葉變換近紅外光譜法檢測種子水分和生活力的研究[J].種子，2004，23（7）：10-12，16.

[10] 余? 馳，姜? 紅，劉愛萍.近紅外漫反射光譜法建立厚樸藥材的定性模型[J].藥物分析雜志，2009，29（4）：656-658.

[11] 戴常軍，李? 輝，李? 宛，等.人工提高大豆水分近紅外活度研究[J].大豆科學，2009，28（4）：702-705.