中藥智能提取在線檢測技術的應用

冷胡峰　龍勇濤　萬小偉

摘要：在中藥材的提取生產過程中，通過對原料、中間產品和工藝過程的關鍵質量品質進行實時檢測、實時反饋，來設計、分析和控制生產加工過程，能夠更好地指導生產，減少不必要的浪費，保證產品質量的穩定性，也能為后續的產品質量回溯提供實時生產數據。鑒于此，對微波檢測儀、折光檢測儀、近紅外光譜分析技術的原理和應用進行分析，有利于有效實現過程監控，減少浪費，保障產品質量。

關鍵詞：中藥提取;過程監控;在線檢測

中圖分類號：TQ461 ? ?文獻標志碼：A ? ?文章編號：1671-0797（2022）02-0063-03

DOI：10.19514/j.cnki.cn32-1628/tm.2022.02.018

0 ? ?引言

在線檢測技術是指通過直接安裝在生產線上的過程分析儀器，對原料、中間產品和工藝過程的關鍵質量品質進行實時檢測、實時反饋，來設計、分析和控制生產加工過程，能夠更好地指導生產，減少不必要的浪費。該技術用于生產過程中的質量控制，可縮小中間體批次差異性，保證藥品質量穩定性，也為后續的產品質量回溯提供了實時生產數據。

1 ? ?微波檢測儀（藥材干燥水分）

1.1 ? ?檢測原理

在線微波水分檢測采用的微波是一種電磁波，利用水分子具有偶極性的特征，當微波穿透被檢物時，駐留在物質表面及內部的水分子會與電磁場產生吸收或共振，而被水分子吸收的這部分能量的強度與位置和水分子含量保持著線性關系，以此可量化被檢物所含水分。微波具有較強的穿透性，通過空間輻射方式便可穿透介質的內部，非常適合在線無損檢測。

1.2 ? ?設備安裝

以藥材前處理烘干物料水分檢測為例。如圖1所示，在線微波水分檢測裝置設于被檢物料（如根莖類藥材）在生產過程末端所加裝的過渡段斜面上，當物料滑過過渡段時進行實時檢測，同時裝配有溫度傳感器（Pt100）加以溫度補償，減少因溫度對檢測結果造成的干擾。

1.3 ? ?模型建立

為確保采集微波MW值（在微波儀上顯示的樣品濕度值）時的樣品與水分實驗室檢驗的樣品來源一致，采用離線建模的方式。

（1）在線取樣，實驗室水分檢測。在生產線上隨機抓取樣品，每組樣品的重量以能夠鋪滿傳感器感應盤為佳;每次取多組樣品;每組取出的樣品，在微波傳感器的感應盤記錄下所測的微波MW濕度值;然后將樣品按照《中國藥典》中的方法測出物料的水分值。樣品需涵蓋不同梯度的水分。

（2）模型建立。用物料的在線微波MW濕度值與實驗室水分建立模型曲線。在線分析所建模型，預測值與實際測定值相關系數為0.994，其預測相對偏差為6.47%，在預測的可接受范圍內，如圖2所示。

（3）在線使用。將建立的模型導入在線微波水分檢測儀軟件，對正在生產的物料進行在線檢測和反饋。

（4）模型維護。在運行過程中盡量擴充不同產地、不同季節、不同供應商和不同梯度性質參數的差異性物料的模型參數，這樣預測數值會更加準確可靠。

2 ? ?折光檢測儀（提取液固形物含量）

2.1 ? ?檢測原理

由于光在不同介質中的傳播速度不同，其從一種介質射向另一種介質時，傳播方向會發生改變，這種現象叫做光的折射。在一定條件下，每一種介質的濃度都與光的折射率相關，在實際應用中，可以利用測量光發生折射時的臨界角來確定介質的濃度，如圖3所示。

中藥提取階段的可溶性固形物含量是體現藥材提取過程狀態的一項關鍵性指標，提取液中的可溶性固形物含量測量為監控提取進度提供了直觀的數據，而提取的進度會影響生產效率和質量。可溶性固形物含量可以采用在線折光儀測量和監控，針對生產過程中的各種情況（外部循環等），研究選用在線折光檢測技術。

2.2 ? ?安裝及使用

將在線折光儀（廠家在儀器中已內嵌數學模型，可直接對液態物料進行可溶性固形物含量預測）裝于提取罐的外循環管道上，動態地檢測一、二煎煮提取過程中的實時可溶性固形物含量變化，從而達到監控煎煮提取進度的目標。

使用過程中，當外循環管道不進行動態循環時，留存在管道中的不溶性物質（一般指水不溶性）會逐漸沉降在棱鏡上，使濃度超出閾值，造成“誤判”。因此，每次液態物料排出罐體后需要用清水對棱鏡進行沖刷，同時需結合棱鏡的光學圖像定期拆機清洗，以確保預測數據的準確性，如圖4所示。

3 ? ?近紅外光譜分析技術（噴霧干燥浸膏粉的水分、含量）

3.1 ? ?檢測原理

現代近紅外光譜分析技術包括了近紅外光譜儀、化學計量學軟件和應用模型三部分，三者的有機結合才能滿足在線檢測分析的技術要求。物料的近紅外光譜包含了組成與結構的信息（主要是豐富的含氫基團信息，如C-H、O-H、N-H、S-H等），而性質參數（如物料的含量、水分等）與其組成、結構相關。因此，使用化學計量學這種數學方法將物料的近紅外光譜與其性質參數進行關聯，可確立二者間的定量或定性關系，即校正模型。建立模型后，只要測量未知樣品的近紅外光譜，再通過軟件自動對模型庫進行檢索，選擇正確模型，根據校正模型和樣品的近紅外光譜就可以預測樣品的性質參數。

3.2 ? ?結構特點

傳統的紅外分光光度計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，使得分析檢測僅適合在實驗室條件下實現。而法布里-珀羅干涉儀（Fabry-Pérot interferometer）是一種由兩塊平行的玻璃板（或其他材料的薄膜）組成的多光束干涉儀，其中兩塊玻璃板相對的內表面都具有高反射率（反射率90%以上），兩板間距可以調整改變。這一干涉儀的特性為：入射光在平行的兩塊板（膜）上反復反射和折射，波長滿足與兩塊板（膜）間距發生干涉的條件時，其透射光會出現很高的強度峰值，如圖5所示。

3.3 ? ?儀器安裝

以噴霧干燥浸膏粉在線檢測為例，將在線檢測裝置（在線近紅外光譜儀）設于噴霧干燥塔的收粉倉處，具體位置為斜壁靠中上端，如圖6所示，目的在于使被檢浸膏粉較為完整地覆蓋住隔絕內外部的視窗以及外側在線近紅外光譜儀的探頭，并且又不會使得下部分積累的浸膏粉沒過探頭造成“誤判”。同時在暫存倉內部的藍寶石視窗表面加裝以固定頻率擺動的刮板，用于及時清理上一次檢過的浸膏粉，最大化地減少上一次浸膏粉對于下一次檢測造成的干擾。

3.4 ? ?模型建立

需采用離線建模的方式，其關鍵在于要確保近紅外光譜檢測時的樣品與理化指標檢驗的樣品來源一致。建模流程如下：

（1）離線組裝近紅外光譜儀。將安裝在暫存倉的近紅外光譜儀取下，并將光譜儀、藍寶石視窗和空心杯按照圖7所示組裝好，放置在模擬暫存倉環境的恒溫恒濕箱內進行檢測。

（2）根據樣品在噴霧干燥塔的收粉倉的更新頻率，確定適宜的光譜采集參數，如起止波長、波長增量、采樣掃描次數、掃描時間等。

（3）依據性質參數（定性或定量）選取樣品數量。如果做定性分析模型，收集的樣品一般需要20個左右;如果做定量分析模型，收集的樣品一般需要50～80個;如果樣品為天然產物（比如藥材、農作物或煙草），則所需要的樣品數量會更多，大約是非天然產物的3～5倍。在收集樣品的時候一定注意要保證樣品具有代表性，不能是只包括部分性質參數的一簇樣本。

（4）樣品的光譜采集與理化檢驗。采集樣品近紅外光譜后，將樣品從近紅外光譜儀刮下后即刻進行理化指標檢驗。此步驟是建模的關鍵點，目的是確保近紅外光譜采集時的樣品與理化指標檢驗的樣品來源一致。

（5）利用化學計量學軟件建立模型。首先對樣品的近紅外光譜進行預分析，利用合適的方法對樣品進行劃分，選出10%～20%的樣品用于模型驗證，其余樣品用于建立校正（數學）模型;運用歸一化、一階微分以及19點MAF平滑（先微分后平滑）對樣品光譜進行數據預處理;運用偏最小二乘回歸法（PLSR），結合實驗室樣品理化指標（含量、水分）與光譜數據關聯，分別建立浸膏粉的含量、水分的校正（數學）模型。再用校正（數學）模型對之前劃分的驗證集樣品的光譜進行預測，得到驗證集樣品的預測值，與相應驗證集樣品的實驗室理化指標對比，進行模型驗證，其預測相對偏差控制得越小，表明數學模型的在線檢測數據準確性越高。最后，生成校正（數學）模型文件。

（6）在線使用。將生成的數學模型文件導入已安裝在暫存倉的近紅外光譜儀，對正在生產的浸膏粉進行在線檢測和反饋。

（7）模型維護。模型所適用的范圍越寬越好，但是模型的范圍大小與建立模型所使用的校正方法、檢體的性質參數以及測量所要求達到的分析精度范圍有關。這也就意味著要想使一個模型更加穩定、適用范圍更加寬泛，就需要不斷地對模型的數據庫進行擴充，尤其是要盡量擴充不同產地、不同季節、不同供應商和不同梯度性質參數的差異性物料的模型參數，這樣近紅外光譜的預測數值會更加準確可靠。

（8）定期對模型的準確性進行確認。即用生產現場的浸膏粉預測值與其實驗室理化值對比，以相對偏差數值來判斷是否在可接受范圍內，如果超出需要則擴充模型。模型建立不是一時一刻的功夫，而是需要長期大量的具有差異性數據的補充。

4 ? ?結語

綜上所述，利用微波檢測儀、折光檢測儀、近紅外光譜分析技術對中藥材提取的原料、中間產品和工藝過程的關鍵質量品質進行實時檢測、實時反饋，來設計、分析和控制生產加工過程，能夠更好地指導生產，減少不必要的浪費，保證產品質量穩定性，也能為后續的產品質量回溯提供實時生產數據。

收稿日期：2021-10-14

作者簡介：冷胡峰（1986—），男，江西九江人，工程師，研究方向：生物制藥設備技術。