用 AOTF-NIR 光譜技術對薄膜包裝的膠囊進行分類
摘要 采用聲光可調濾光器（AOTF）-近紅外（NIR）自由空間光譜儀和 Unscrambler 化學計 量學光譜分析軟件，把膠囊樣品分別分成兩組和三組進行研究，結果表明，安慰劑和活性膠 囊的鑒別實現了百分之百的鑒別，使用 Brimrose AOTF-NIR 自由空間光譜儀收集光譜來對膠 囊定性是可行的，當在校正集中使用更多的樣品時，校正模型的功能更強大、更精確。
近紅外光譜主要是有機分子的倍頻與合頻的吸收光譜。有機物近紅外光譜主要包括 C-H、N-H、O-H等含氫基團的倍頻與合頻吸收帶。這些是在近紅外譜區做復雜天然物品質 分析的前提。近紅外(NIR)光譜法是近年來發展迅速的一種綠色分析技術，并以其獨特的優 點開始應用于中藥分析,傳統的紅外分光光度技術采用棱鏡或光柵做色散元件，以這些色散 元件為核心的紅外光譜測量系統，結構復雜，設計和生產成本高，使得分析檢測僅適于實驗 室 條 件 下 應用 。 自 20 世紀 80 年代 后期 ，一 種 新型 的 色 散 元 件 —— 聲 光可 調濾 光 器（Acousto-optic tunable filter，簡稱AOTF）逐漸受到人們的重視。AOTF是基于各向異性 的雙折射晶體的聲光衍射原理，利用超聲波與特定的晶體作用而產生分光的光電器件。與傳 統的基于機械調諧分光元件的光譜儀器相比，以AOTF作為分光元件的光譜儀具有明顯的優越 性：它結構簡單，光學系統無移動性部件，體積小，集光能力強，最吸引人之處在于它的波 長切換快、重現性好，程序化的波長控制使得這種儀器的應用具有更大的靈活性，尤其是外 部防塵和內置的溫度、濕度集成控制裝置，大大提高了儀器的環境適應性，加之全固態集成 設計產生優異的避震性能，使其近年來在工業在線和現場（室外）分析中得到越來越廣泛的 應用,最近幾年，AOTF-近紅外光譜分析儀引進國內，已經開始應用于煙草及化工行業中，本 文擬用AOTF－NIR技術測定含有不同成分的薄膜膠囊進行分類，為膠囊的快速分類提供依 據。
1．實驗部分
1.1 儀器條件和樣品
儀器：美國 BRIMROSE 公司產的 AOTF-NIR 自由空間近紅外光譜儀，主要部件包括： 光學部分、控制部分、電源適配器。軟件包括 SNAP!光譜處理軟件和 CAMO 化學計量學軟 件。
掃描參數設置：光譜范圍 1100～2200nm，波長增量 2.0nm，平均次數 300，測樣方式為漫反射。
1.2 實驗方法
光譜采集：儀器使用 BRIMROSE 公司專用的 SNAP!掃描軟件進行光譜采集。對光譜數 據的處理：光譜經過一階微分（9 點光滑），然后轉換為 UNS 數據格式，最后導入 CAMO 化學計量學軟件 The Unscrambler，利用 AOTF-NIR 自由空間光譜儀對薄膜包裝中的 2 組膠 囊掃描光譜數據。第一組（安慰劑）中膠囊中只含有賦形劑粉末，第二組(活性)中的膠囊包 含賦形劑粉末和 Aleve 粉末，每組掃描 50 個樣本，用來進行分類分析。
1.3 數據處理
一階微分光譜顯示這兩組之間的區別清晰可辨，光譜數據被導入化學計量學軟件包 The Unscrambler 來進行化學計量學分析，使用主成分分析法來看一下是否在 2 組之間是相隔離 的。結果表明兩者之間有隔離，模型的數據也顯示著光譜差異的同一波長范圍為分類提供了 相關信息。偏最小二乘法回歸模型是通過賦予安慰劑藥片任意數值 1 并賦予活性藥片任意數 值 2 創建的，模型顯示了精確的結果，也說明通過掃描膠囊和對藥片賦值也可以進行分類分 析。如果這個值小于 1.5，那么膠囊就被劃分為安慰劑，如果大于 1.5 就被劃分為活性的藥 物。為了增加模型的可靠性，可使用 Brimrose Luminar 預測軟件建立一個預測文件。每組出 10 個膠囊，不用于校準而用于預測，對兩組膠囊都進行掃描。
2..結果與分析
對 3 組膠囊樣品進行研究。第一組樣品的膠囊中不含有藥末，第二組樣品膠囊中有賦形 劑粉末，但沒有活性成分粉末，第三組樣品膠囊中既有賦形劑粉末又有活性 Aleve 粉末。第 二組記為 P 組，第三組記為 A 組。波長范圍從1100nm 到 2200nm，波長增量為 2nm。250 次掃描平均一張光譜。膠囊被分成 5 個條形組進行，從 P 組和 A 組中取 50 個膠囊樣品，使 用與測空膠囊相同的參數來對其進行掃描。原始光譜數據以透過率的形式收集起來，后處理 為吸收光譜和一階微分光譜。為了使光譜差異更加明顯，先把 A 組和 P 組各自的 5 個小組 中的每個條形組的光譜做平均化處理，得到 A 組的 5 個平均光譜和 P 組的 5 個平均光譜。 引入主成分分析法來檢驗一下使用光譜數據是否能對其進行分類，偏最小二乘法回歸模型是 通過賦予 P 組任意數值 1 并賦予 A 組任意數值 2 創建的。使用 Brimrose luminar 預測軟件建 立一個預測文件，每組提取 10 個膠囊，不包括模型中用于分類預測的種類。
2.1 光譜圖
原始透過光譜圖是不容易解釋的。為了使兩組之間的差異更加清晰，光譜被處理為吸 收光譜和一階微分。
一階微分光譜圖消除了基線漂移的影響，并經常用于檢測微小光譜差異。在這兩組的一 階微分光譜中有些差異，不過因為有太多的數據點，看到差異是很難的，為了使差異更清楚， 10 個光譜平均到一個光譜中去，這樣每組獲得 5 個平均光譜，圖 4 中顯示了這一平均光譜。
在安慰劑和活性藥物組一階微分平均光譜圖中，他們之間的差異是清晰可見的。圖 5~圖 9 顯示了在差異清晰的波長區的一階微分的放大部分。
這 5 組的光譜差異非常明顯，主成分分析模型將顯示兩組光譜分離的波長區是分類分析的主要區域。
在這個波長范圍內，它們的差異很小但很清楚。化學計量分析經常使用這種很小的差異進行定性和定量分析，甚至在沒有很明顯的差異的情況下也能夠建立精確、功能強大的模型。
在 1900nm 附近光譜差異大而明顯，主成分分析模型將顯示，這一波長區會提供兩組樣 品的分類分析的很多信息。
2.2 回歸與建模
主成分分析模型的分析圖顯示了數據點之間的分離，也說明不管是否是同一組的都能用 光譜數據分類。這種分離是很明顯的，活性樣品組的數據點之間的距離比安慰劑組的數據點 之間的距離更近，因它的光譜相對獨立性小一些，重要的是這兩組是相互獨立的，情況如圖 10，只使用一種主成分，X-加載圖將說明這種分離是基于能看到清晰的光譜差異的波長區域。
在主成分分析模型的 X-載入分量圖中的波峰顯示了分類分析的相關的波長區，并在同 一個波長區域內可以看到光譜差異，這也說明模型正在使用相關信息進行分類，事實上只使 用了一種主成分就簡單明了的給出了分離的數據，對這 2 組樣品進行分類分析的另一種方法 就是建立一個偏最小二乘回歸模型，然后把任意數值 1 賦于一組，2 賦予另一組，這種分析 通過給活性組數值 2 和安慰劑組數值 1 后進行，圖 12 顯示這種模型的結果。
這種分類分析的方法把任意值 1 和 2 分派給兩組。當掃描一個膠囊時，模型會選擇一個 基于光譜數據的數值。任何數值小于 1.5，就劃為安慰劑類，比 1.5 大的就劃為活性類，這 是平均光譜的模型，使用 100 個光譜進行預測，之所以能這樣做是因為更多的數據點需要考 慮在膠囊中的變化，如在水皰中的微小差別和活性膠囊中的藥片的定位，兩個模型的預測誤 差標準都是 0.2，使用較多數據點的模型能夠進行更精確的預測，往模型里添加更多的數據 點能使模型更精確。
2.3 預測結果
通過分別分派給安慰劑組和活性樣品組任意數值 1 和 2 的偏最小二乘法回歸模型和校正 光譜建立一個預測文件，這個界面可以進行結果的預測。每組中取 10 個沒有用于建立校正 模型的膠囊，對其進行結果預測。每個膠囊都被掃描過，“成分值”欄顯示著預測值。10 個 安慰劑膠囊的值都小于 1.5，最大值是 1.08，10 個活性膠囊的值都大于 1.5，最小值是 1.68。 結果很清楚地說明可以使用 Brimrose 近紅外光譜儀獲得的光譜數據對安慰劑和活性膠囊進 行分類。如果校正集中增加更多的檢測樣品，效果會更好。
3.結論
這次研究的結果證明了使用 Brimrose 自由空間近紅外光譜儀獲得的光譜數據對安慰劑 和活性膠囊進行分類是切實可行的，預測結果證明了對這兩種膠囊的分類分析的可行性，過 去的結果已經證明當 100 個或更多的樣品在校正集中使用時，校正模型的功能更強大、更精 確，在這種情況下，當添加更多的樣品來顯示在水皰、膠囊和活性膠囊里藥片的定位中的任 何一個小的差異，模型會更加準確，Brimrose 近紅外光譜儀理想的掃描速度和無移動部件使 其成為用于實時、在線測量的理想工具。AOTF 技術可以快速、精確地掃描，不需要重新校 正系統，一個宏程序使得儀器允許在光束的照射下在傳送帶上移動，優化系統可以使掃描速 度達到 10 秒/個，當然也得考慮傳送帶上的膠囊間距離，得出結論，這次研究結果證明了使 用光譜數據對安慰劑和活性膠囊進行分類的可行性。
