摘 要： 基于近红外光谱技术结合化学计量学，建立半夏配方颗粒生产厂家及炮制方法的快速判别模型。采集不同生产厂家或不同炮制方法的半夏配方颗粒近红外光谱，结合合格性测试方法，优化建模参数，建立半夏配方颗粒的生产厂家及不同炮制方法快速判别模型。通过筛选适宜的光谱预处理方法及最优建模参数，建立的模型能够对半夏配方颗粒的生产厂家及炮制方法进行快速有效地区分，判别正确率均为100%。所建立的判别模型简便、无损、绿色、有效，为半夏炮制品配方颗粒鉴别及生产厂家快速区分提供了新的方法参考，同时也为近红外光谱技术在中药配方颗粒定性定量研究领域应用的可行性进行了探索。

关键词： 近红外光谱法； 半夏配方颗粒； 炮制品； 合格性测试模型； 快速判别

 

半夏为天南星科植物半夏的干燥块茎，夏、秋二季采挖，洗净，除去外皮和须根，晒干。半夏具有燥湿化痰、降逆止呕、消痞散结等功效，应用于湿痰寒痰，咳喘痰多，痰饮眩悸等[1]。《中华人民共和国药典》（2020年版）收载了3种半夏炮制品，即法半夏、姜半夏、清半夏[2]。法半夏所用辅料为甘草和生石灰，姜半夏所用辅料为生姜，清半夏所用辅料为白矾。通过查阅文献发现，全国还有17个地方中药饮片炮制规范对半夏的炮制方法、辅料和用量进行了规定。皂角、薄荷、陈皮、竹沥液等也被作为炮制半夏的辅料[3]，半夏炮制品还有竹沥半夏和半夏曲等。

生半夏味辛辣，麻舌而刺喉，有毒，因此临床上一般使用其炮制品，主要含有生物碱、甾醇类、有机酸、多糖等化学成分，主要活性成分为生物碱，具有止咳平喘、抗炎、抗肿瘤、止呕等药理作用[3]。清半夏长于燥湿化痰，多用于湿痰咳嗽、胃脘痞满等，主要含有生物碱、核苷、淀粉、纤维素、氨基酸等化学成分，其中核苷类成分是抗感染的主要活性成分；姜半夏长于温中化痰和止呕降逆，多用于寒饮呕吐、脾胃虚寒呕吐和温热型肝胆病，主要包括挥发油、黄酮类、多糖类、生物碱、甾醇类、萜烯类化合物等化学成分（主要活性成分挥发油）；法半夏长于祛寒痰和调和脾胃，多用于痰多咳嗽、痰涎壅盛和治疗新型冠状病毒感染肺炎的方剂中[4]，主要包括生物碱、多糖、黄酮类、挥发油等化学成分[5]（主要活性成分为生物碱）。半夏及其炮制品生物碱含量依次为生半夏>法半夏>姜半夏>清半夏。综上所述，半夏的炮制品虽均有治疗寒痰咳嗽的功效，但在化学成分及应用中均有一定差异，因此在鉴别与使用过程中应注意区分，不宜相互混用。同时，为防止假冒样品，方便市场部门的监管，建立一厂一标的快速筛查模型，对不同厂家的样品进行区分，是保证公众用药安全的重要途径[6‒7]。综上，建立快速有效的半夏配方颗粒不同生产厂家或不同炮制方法的判别模型，能够对半夏配方颗粒的质量进行全面、快速、有效的筛查，为市场监管提供技术支撑。

中药配方颗粒作为我国中药传统汤剂剂型积极“转型”的适配产物[8] ，具有服用简单、携带方便、疗效可靠等优点，在我国防治疫病中起到了重要的作用。对于传统中药材及饮片来讲，其真伪及质量考察的方法主要有性状、鉴别、检查与含量测定，而对于同一中药不同炮制品的鉴别，主要通过性状、薄层色谱、特征图谱、指纹图谱等方式。以上方法虽然适用范围广、专属性强，但也相对耗时耗力，受到人员、仪器设备、环境的制约，还可能对环境造成污染。同时，部分方法对炮制品鉴别效果不佳，尤其对于失去“外貌”特征的中药配方颗粒，传统经验鉴别，完全不能适用。

通过对半夏炮制品配方颗粒的地方标准进行查阅与研究发现，可知半夏炮制品配方颗粒标准主要为：性状、薄层色谱、特征图谱、水麦冬酸检查、浸出物以及颗粒剂检查项等。其中，在薄层色谱鉴别中，法半夏配方颗粒对照为甘草次酸；清半夏配方颗粒对照为精氨酸、丙氨酸、缬氨酸、亮氨酸；姜半夏配方颗粒对照为半夏对照药材、干姜对照药材。在特征图谱中，法半夏配方颗粒对照品为鸟苷、尿苷、色氨酸、甘草素、甘草酸；清半夏配方颗粒对照品为鸟苷、尿苷、色氨酸；姜半夏配方颗粒对照品为鸟苷、尿苷、色氨酸、6-姜辣素。综上，在法半夏配方颗粒的薄层及特征图谱中，均对甘草中的部分指标进行了考察，而姜半夏配方颗粒中，均在对半夏进行鉴别的基础上，也对生姜的部分成分进行了测定。说明半夏炮制品配方颗粒地方质量标准中，均针对半夏炮制的辅料进行检查，以此对不同方法的炮制品配方颗粒进行区分，但上述方法具有一定的局限性，并且耗时耗力、成本高、周期长、对色谱柱及仪器要求较高。与此同时，以上方法也不能快速区分鉴别不同厂家的半夏配方颗粒。

近年来，近红外光谱技术以其分析速度快、分析成本低、操作简单、绿色环保等优势[9‒11] ，在石油、化工、药品等领域，被广泛应用。一些专家学者也尝试将此项技术应用于配方颗粒的定性[12‒14] 、定量[15‒17]分析中。综上，应用近红外光谱技术，以市场上流通较为广泛的清半夏配方颗粒和法半夏配方颗粒作为研究对象，建立半夏配方颗粒炮制方法与生产厂家的快速判别模型。通过模型的建立与验证，对未知样品进行比较，可快速准确地获取半夏配方颗粒的炮制及生产厂家信息，可视化表征半夏配方颗粒的基本情况，为半夏配方颗粒的临床用药，安全、稳定、可靠，提供保障，也为失去传统饮片外形的配方颗粒的快速鉴别提供了方法参考。

 

1. 实验仪器与样品

 

1.1 主要仪器与样品

近红外光谱仪：MPA型，带OPUS软件，德国布鲁克公司。

市场上，目前有清半夏、法半夏、姜半夏，以及竹沥半夏4种半夏炮制品生产的配方颗粒。实验应用布鲁克近红外光谱对收集到的5家企业的17批样品进行测定。其中，其中清半夏配方颗粒9批，法半夏配方颗粒8批，样品信息见表1。

表1   样品信息

Tab. 1   Sample information

 

1.2 仪器工作条件

扫描范围：3 600～12 500 cm-1；扫描次数：64次；分辨率：16 cm-1 。

1.3 实验方法

（1）采集样品。将1.1中样品分别置于石英样品杯中，每批样品重复取样2次，每次取样重复采集光谱5张，以增加建模样本量，提升模型稳定性。

（2）建立模型。分别以原始光谱及不同方法预处理后的近红外光谱结合合格性测试模型，建立相应的判别模型，并筛选最优建模参数。

（3）验证模型。最后通过预测集样品，对所建模型进行验证，评价优化后的建模参数，验证模型的判别性能。

 

2. 结果与讨论

 

2.1 清半夏、法半夏配方颗粒近红外原始光谱图

不同生产厂家或不同炮制方法的半夏配方颗粒近红外光谱之间差异微小，光谱重叠较为严重，难以通过肉眼对其生产厂家与炮制方法进行判断，故而需要通过建立的合格性测试模型，对各样品信息进行快速、有效地判别。

 

2.2 模型的建立与验证

2.2.1 清半夏配方颗粒生产厂家合格性测试模型的建立与验证

将不同厂家的清半夏配方颗粒随机划分为参考集和预测集，分别以1#、2#、4#（广东一方制药有限公司）样品光谱作为参考集，建立清半夏配方颗粒生产厂家判别模型；以3#（广东一方制药有限公司）样品光谱对模型进行验证；5#、6#、7#（江阴天江药业有限公司）、8#（四川新绿色药业科技发展有限公司）、9#（甘肃佛慈红日药业有限公司）共5批样品作为未知样品，通过模型进行预测。首先以原始光谱进行建模，将所有样品光谱导入合格性测试模型。基于原始光谱建立的模型未能将广东一方制药有限公司的样品与其余厂家样品进行有效区分，这可能由于光谱差异较小、噪声干扰严重等原因导致。分别采用5种光谱预处理方法（矢量归一化、一阶导数、一阶导数加矢量归一化、二阶导数、二阶导数加矢量归一化）对原始光谱预处理后建模，筛选最佳光谱预处理方法，同时对建模参数进行优化，选用全波长扫描和两段差异比较大的光谱参数范围扫描，考察模型稳定性和可靠性，最终选择以一阶导数+矢量归一化法预处理后的光谱建立最佳合格性测试模型，建模光谱波数为3 996～10 005.5 cm-1，平滑点为17，CI值为8，此时模型判别正确率为100%。不同生产厂家的清半夏配方颗粒在合格性测试模型中的CI值存在明显差异。

在无光谱预处理及5种光谱预处理方法下，不同厂家清半夏配方颗粒的CI值范围见表2。由表2可知，选用一阶导数+矢量归一化光谱预处理技术后，广东一方制药有限公司清半夏配方颗粒的CI值在1.26～6.70范围内，江阴天江药业有限公司清半夏配方颗粒的CI值为在17.55～22.67范围内，甘肃佛慈红日药业有限公司清半夏配方颗粒的CI值在28.94～31.44范围内，四川新绿色药业科技发展有限公司清半夏配方颗粒的CI值在51.34～53.95范围内，该技术下CI值差距最大，即选用一阶导数+矢量归一化预处理技术结合合格性测试得到的最优模型，能够对清半夏不同厂家的配方颗粒进行有效地区分，这可能由于该光谱预处理放大了不同厂家清半夏配方颗粒之间的差异性信息，消除了由于光程变化等对光谱产生的影响，提高了所建模型的预测能力，模型判别正确率为100%。

表2   不同厂家清半夏配方颗粒的CI值范围

Tab. 2   CI value range of Pinellia formula granules from different manufacturers

 

2.2.2 法半夏配方颗粒生产厂家合格性测试模型的建立与验证

将10#、11#、12#（广东一方制药有限公司）样品光谱作为参考集，建立法半夏配方颗粒生产厂家判别模型。

以13#（广东一方制药有限公司）样品光谱对模型进行验证，17#（江阴天江药业有限公司）、16#（四川新绿色药业科技发展有限公司）、15#（甘肃佛慈红日药业有限公司）、14#（北京同仁堂药业有限公司）共5批样品作为未知样品，通过模型进行预测。最终选择以一阶导数预处理后的光谱建立最佳合格性测试模型。建模光谱波数范围为3 996～10 005.5 cm-1，平滑点为17，CI值为4.8。不同生产厂家法半夏配方颗粒合格性测试模型见图3。从图3中可直观地看出，不同厂家的法半夏配方颗粒的CI值存在明显差异。5家不同生产厂家法半夏配方颗粒CI值范围见表3。

Fig. 3   Test model of granule qualification of Pinellia formulae formulated by different manufacturers

1—广东一方制药有限公司；2—甘肃佛慈红日药业有限公司；3—江阴天江药业有限公司；4—北京同仁堂药业有限公司；5—四川新绿色药业科技发展有限公司；图 3　不同生产厂家法半夏配方颗粒合格性测试模型

 

表3   不同厂家法半夏配方颗粒的CI值范围

Tab. 3   CI value range of Pinellia formula granules from different manufacturers

 

由表3可知，选用一阶导数预处理技术结合合格性测试得到的最优模型，能够对法半夏不同厂家的配方颗粒进行有效地区分，这可能是由于该光谱预处理放大了不同厂家法半夏配方颗粒间的差异性信息，从而提高了所建模型的预测能力，模型判别正确率为100%。

2.2.3 半夏配方颗粒不同炮制方法合格性测试模型的建立与验证

将清半夏配方颗粒 3#、4#（广东一方制药有限公司）、5#、6#、7#（江阴天江药业有限公司）、8（四川新绿色药业科技发展有限公司）、（甘肃佛慈红日药业有限公司）样品光谱作为参考值，建立半夏配方颗粒不同炮制方法判别模型。以清半夏配方颗粒1#、2#（广东一方制药有限公司）样品光谱对模型进行验证，法半夏配方颗粒 10#、11#、12#、13#（广东一方制药有限公司）、14#（北京同仁堂药业有限公司）、15#（甘肃佛慈红日药业有限公司）、16#（四川新绿色药业科技发展有限公司）、17#（江阴天江药业有限公司）共8批样品作为未知样品，通过模型进行预测。最终选择以一阶导数+矢量归一化法预处理后的光谱建立最佳合格性测试模型。建模光谱波数范围为3 996～10 005.5 cm-1，平滑点为17，CI值为 4.7。

炮制方法不同的半夏配方颗粒合格性测试模型见图4。从图4中可直观地看出，不同炮制方法半夏配方颗粒的CI值存在明显差异。

图4   炮制方法不同的半夏配方颗粒合格性测试模型

Fig. 4   Qualification test models of pinellia formula granules with different processing methods

不同炮制方法下半夏配方颗粒的CI值范围见表4。

表4   不同炮制方法半夏配方颗粒的CI值范围

Tab. 4   CI value range of Pinellia formula granules with different processing methods

 

从表4可以看出，选用一阶导数+矢量归一化法预处理技术结合合格性测试得到的最优模型，CI值差最大，能够对半夏不同炮制方法的配方颗粒进行有效区分，这可能是由于该光谱预处理放大了不同炮制方法半夏配方颗粒之间的差异性信息，消除了由于光程变化等对光谱产生的影响，从而提高了所建模型的预测能力，模型判别正确率为100%。

2.3 建模结果与分析

针对半夏不同厂家及不同炮制品的配方颗粒总共建立了3个模型，分别是清半夏配方颗粒生产厂家合格性测试模型、法半夏配方颗粒生产厂家合格性测试模型、半夏配方颗粒不同炮制方法合格性测试模型，具体建模参数结果与分析见表5。

表 5   建模结果与分析

Tab. 5   Modeling results and analysis

由表5可知，3种模型均采用选用一阶导数+矢量归一化法预处理技术，光谱波数均为3 996～10 005.5 cm-1，平滑点均为17，CI值为4.7~8，模型判别正确率均为100%。通过建立模型，可以快速、有效、无损、绿色地对半夏不同厂家及不同炮制品的配方颗粒进行鉴别与判断。

 

3. 结论

 

对于不同生产厂家或炮制方法不同的半夏配方颗粒而言，所使用的主药和辅料的质量、种类及制备工艺均具有一定的差异。近红外光谱结合合格性测试方法所建立的半夏配方颗粒生产厂家及炮制方法快速判别模型，可以对生产厂家及炮制方法不同的配方颗粒样品进行快速有效的区分，也可对同一厂家生产样品的一致性及批间差异进行考察。实验结果表明，基于近红外光谱技术结合合格性测试模型，能够对半夏不同厂家和不同炮制品（清半夏或法半夏）生产的配方颗粒，进行快、准、精的判别，判别正确率为100%。近红外光谱技术应用于半夏不同厂家及炮制方法生产的配方颗粒快速鉴别，不仅操作简单、分析速度快捷，鉴别周期比其他常见检测方法短，而且环保无损成本低，实现了对半夏不同厂家及炮制方法的配方颗粒有效鉴别，减少传统检测方法所带来的人力、物力等资源的消耗。研究所用的近红外光谱快速鉴别方法为其他中药配方颗粒的快速鉴别提供了参考，也可将此方法用于其他中药制剂新领域的快速鉴别。

近红外光谱结合合格性测试模型能够对配方颗粒的质量、炮制与否等信息，进行初步的筛查，也为近红外光谱技术应用于其他配方颗粒炮制品的质量、真伪、稳定性等研究奠定了基础。基于近红外光谱快速、便携、无损的特性，该技术适用于配方颗粒生产中，各环节的质量在线监控与实时控制，为配方颗粒的质量稳定可靠、均一可控，提供技术保障。近红外光谱结合化学计量学建立相关的定性定量分析模型，能够为提升配方颗粒生产效率，降低生产成本，减少不合格产品的出现，提供助力。

 

参考文献：

 

1 国家药典委员会.中华人民共和国药典 2015年版（四部）［M］.北京：中国医药科技出版社，2015.140.

    National Pharmacopoeia Commission. Pharmacopoeia of the people's republic of China 2015 edition （4）［M］. Beijing：China Medical Science and Technology Press， 2015.140.

 

2 朱晓春，夏振江，沈庆红，等.半夏炮制方法及其现代研究进展［J］.上海中医药杂志，2023，57（7）：81.

    ZHU Xiaochun， XIA Zhenjiang， SHEN Qinghong， et al. Processing methods and modern research progress of Pinelliae Rhizoma ［J］. Shanghai Journal of Traditional Chinese Medicine， 2023，57 （7）：81.

 

3 左军，牟景光，胡晓阳.半夏化学成分及现代药理作用研究进展［J］.辽宁中医药大学学报，2019，21（9）：26.

    ZUO Jun， MOU Jingguang， HU Xiaoyang. Research progress on chemical constituents and modern pharmacological effects of pinellia sinensis ［J］. Journal of Liaoning University of Traditional Chinese Medicine， 2019， 21（9）：26.

 

4 杨丽，周易，王晓明，等.炮制对半夏化学成分及药理作用研究进展［J］.辽宁中医药大学学报，2022，24（2）：49.

    YANG Li， ZHOU Yi， WANG Xiaoming， et al.Research progress on chemical constituents and pharmacological effects of processing pinellia sinensis ［J］. Journal of Liaoning University of Traditional Chinese Medicine， 2022， 24（2）：49.

 

5 崔美娜，钟凌云，张大永，等.中药半夏复制法炮制的研究进展［J］.中国中药杂志，2020，45（6）：1 304.

    CUI Meina， ZHONG Lingyun， ZHANG Dayong， et al. Research progress of pinellia replication processing ［J］. Chinese Journal of Traditional Chinese Medicine， 2019， 45（6）：1 304.

 

6 路露，施钧瀚，侯富国，等.中药配方颗粒：历史、现状及“后试点时代 ”的发展展望［J］.中国中药杂志，2022，47（8）：2 008.

    LU Lu， SHI Junhan， HOU Fuguo， et al. Chinese medicine formula granules：History， present situation and development prospect in the "post-pilot era" ［J］. Chinese Journal of Traditional Chinese Medicine， 2022， 47（8） ：2008.

 

7 郑飞，戴雨霖，王一博，等.醒酒益肝颗粒处方工艺及质量标准［J］.中成药，2015 ，37（8）：1 708.

    ZHENG Fei， DAI Yulin， WANG Yibo， et al. Preparation and quality standard of Xingjiu Yigan granules［J］. Chinese Patent Medicine， 2015， 37（8）：1 708.

 

8 左军，牟景光，胡晓阳.半夏化学成分及现代药理作用研究进展［J］.辽宁中医药大学学报，2019，21（9）：26.

    ZUO Jun， MOU Jingguang， HU Xiaoyang. Research progress on chemical constituents and modern pharmacological effects of pinellia sinensis ［J］. Journal of Liaoning University of Traditional Chinese Medicine， 2019， 21（9）：26.

 

9 杨晓莉，李辉，马英英，等. 《中国药典》2015年版非无菌产品微生物限度检查：微生物计数 法解读［J］.药物分析杂志，2016，36（6）：1 101.

    YANG Xiaoli， LI Hui， MA Yingying， et al. Microbiological limit test of Non-sterile products in 2015 edition of chinese pharmacopoeia：a microbiological counting method interpretation ［J］. Journal of Pharmaceutical Analysis， 2016， 36（6）：1 101.

 

10 张清娜，臧恒昌.近红外光谱技术在中药领域的研究进展［J］.食品与药品，2017，19（4）：302.

    ZHANG Qingna， ZANG Hengchang. Research progress of near infrared spectroscopy in traditional Chinese medicine ［J］. Food and Drug， 2017， 19（4） ：302.

 

11 ZHANG C，SU J. Application of near infrared spectroscopy to the analysis and fast quality assessment of traditional chinese medicinal products［J］. Acta pharmaceutica Sinica. B，2014，4（3）：182.

 

12 WU L，GAO Y，REN WC， et al. Rapid determination and origin identification of total polysaccharides contents in Schisandra chinensis by near-infrared spectroscopy［J］. Spectrochim Acta A Mol Biomol Spectrosc，2022，2（64）：120 327.

 

13 JINTAO X，YONGlI S， LIMING Y， et al. Near-infrared spectroscopy for rapid and simultaneous determination of five main active components in rhubarb of different geographical origins and processing［J］. Spectrochim Acta A Mol Biomol Spectrosc，2018，205：419.

 

14 刘远俊，刘丽萍，陈巧华，等.干姜、炮姜和姜炭配方颗粒的近红外快速鉴别研究［J］.今日药学，2021，31（7）：530.

    LIU Yuanjun， LIU Liping， CHEN Qiaohua， et al. Rapid identification of dried ginger、baked ginger and carbonized ginger formula granules by near infrared spectroscopy［J］. Pharmacy Today， 2021， 31（7） ：530.

 

15 WANG F， JIA B， SONG X W， et al. Rapid identification of Peucedanum praeruptorum dunn and its adulterants by hand-held near-infrared spectroscopy［J］. Journal of AOAC international，2022， 105（3）：928.

 

16 蔡盛康，彭致铖，何广铭.基于NIRS技术的丹参配方颗粒水分与指标成分的快速测定方法［J］.海峡药学，2021，33（10）：40.

    CAI Shengkang， PENG Zhicheng， HE Guangming. A rapid determination method of water content and salvianolic acid b in salviae miltiorrhizae formulated granules by near-infrared spectroscopy［J］. Strait Pharmaceutical Journal， 2021， 33（10） ：40.

 

17 王闽予，刘丽萍，朱德全，等.甘草配方颗粒多指标成分的近红外快速检测方法［J］. 今日药学，2020 ，30（6）：385.

    WANG Minyu， LIU Liping， ZHU Dequan， et al. Rapid determination of multi index components in glycyrrhiza uralensis formula granule by near-infrared spectroscopy［J］. Pharmacy Today， 2020， 30（6）：385. 上接第106页）

 

18 窦国金，郑莹，麦欣欣，等.二甲酚橙分光光度法测定化学镀镍液中的铅浓度［J］.材料保护，2012，45（5）：72.

    DOU Guojin，ZHENG Ying，MAI Xinxin，et al. Determination of lead in electroless nickel plating solution by xylenol orange spectrophotometry［J］. Materials Protection， 2012，5（5）：72.

 

19 闵国华，管嵩，马李，等.氯化铵-氨水分离碘量法检测铜矿石中铜含量的测量不确定度评定［J］.云南化工，2023，50（10）：68.

    MIN Guohua，GUAN Song，MA Li，et al. Evaluation of measurement uncertainty of copper content in copper ore by ammonium chloride and ammonia water separation lodine method［J］. Yunnan Chemical Technology， 2023，50（10）：68.

 

20 宋飞，马李，陈哲，等. 铁矿石中酸溶亚铁含量测量不确定度评定［J］. 现代矿业， 2023， 39（1）：187.

    SONG Fei，MA Li，CHEN Zhe，et al. Uncertainty evaluation for acid soluble Fe（Ⅱ） of natural & agglomerate iron ore［J］. Modern Mining， 2023， 39（1）：187.

 

21 何亚，吴力鹏.EDTA溶液络合滴定法测定石灰石中氧化钙含量的不确定度评定［J］.特钢技术，2023，29（4）：50.

    HE Ya，WU Lipeng. Evaluation of uncertainty in the determination of calcium oxide in limestone by EDTA solution complexometric titration［J］. Special Steel Technology， 2023，29（4）：50.

 

22 董静刚，郑一文.硫代硫酸钠直接滴定法测定食盐中碘离子的不确定度评定［J］.化学分析计量，2022，31（8）：68.

    DONG Jinggang，ZHENG Yiwen. Evaluation of measurement uncertainty of iodine ions in salt determined by sodiumthiosulfalt direct titration［J］. Chemical Analysis and Meterage， 2022，31（8）：68.

 

23 黄建新，刘钟康，庞江云. EDTA滴定法测定硅钙合金中钙含量的不确定度评定［J］.铁合金，2023，54（5）：39.

    HUANG Jianxin，LIU Zhongkang，PANG Jiangyun. The uncertainty evaluation of calcium content in silicocalcium by EDTA titration［J］. Ferro Alloys， 2023，54（5）：39.

 

24 杜晓曼.电子天平检定过程中的注意事项及不确定度评定探讨［J］.品牌与标准化，2024（3）：232.

    DU Xiaoman. Discussion on precautions and uncertainty evaluation in the calibration process of electronic［J］. Brand & Standardization， 2024（3）：232.

 

引用本文： 何怀情，苏蕊，朱旭江，等 . 基于近红外光谱的半夏配方颗粒快速判别模型的建立［J］. 化学分析计量，2024，33（12）：107. (HE Huaiqing, SU Rui, ZHU Xujiang, et al. Establishment of rapid identification model of Pinellia formula granules based on near infrared spectroscopy[J]. Chemical Analysis and Meterage, 2024, 33(12): 107.)