一种中药饮片的近红外在线质量检测方法

本发明涉及光谱检测，具体为一种中药饮片的近红外在线质量检测方法。

背景技术：

1、近红外光谱分析技术因其快速、无损、无需复杂样品前处理等优势，已广泛应用于中药饮片生产过程中的质量监测与控制。中药饮片的核心成分含量是评价其质量均一性与临床有效性的关键指标，而生产过程中输送带上的实时检测对于保障批次内质量一致性至关重要。然而，在实际生产环境中，光谱采集过程易受环境温度波动、湿度变化、物料堆积厚度不均等因素的干扰，导致光谱基线漂移、吸光度值失真，进而影响定量分析结果的准确性；同时，中药饮片作为天然产物，其物理形态与化学成分在连续生产过程中存在一定的自然波动，如何从时序维度对批次内质量偏移趋势进行有效识别与分类，是实现在线质量智能监控的核心难题。

2、在现有技术中，公开号为cn115128034a的专利公开了一种温湿度协同修正近红外光谱数据的方法，该技术包括：使用近红外光谱仪采集不同温湿度样品下的光谱数据，并计算不同温湿度样品光谱数据的均值，然后结合样品温湿度数值及对应的光谱均值计算温湿度光谱修正系数，并结合该系数计算温湿度光谱修正公式，最后结合温湿度光谱修正公式对待修正样品光谱数据进行修正，完成光谱数据的修正。

3、但上述现有技术中，依赖单一近红外光谱数据进行含量预测，未能对环境温度、湿度及物料厚度等采集条件进行综合评估与动态判别，当生产环境发生波动时，无法识别不可靠的光谱数据，导致预测结果失真；同时，该技术缺乏对表观吸光度值中环境干扰成分与基线漂移的系统性校正机制，难以获取真实反映样本属性的化学信号，降低了定量模型的长期预测稳定性；此外，该方案未引入时序质量分析手段，无法对同一批次内连续输出的预测值进行趋势跟踪与偏移量化，难以识别质量偏移的演变趋势及不同异常状态类型，从而限制了在线质量检测系统在复杂生产环境下的鲁棒性与预警能力。

4、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的在于提供一种中药饮片的近红外在线质量检测方法，以解决上述背景技术中提出的问题。本发明通过构建融合环境温度、湿度及物料厚度数据的数据可信度指数，对光谱采集条件的有效性进行动态判别，剔除不可靠数据，并结合基线漂移校正与可信度指数对表观吸光度值进行联合修正，获取真实化学信号值，有效提升定量分析的准确性与环境适应性；同时构建时序分析序列，计算时序质量差异度及其变化量，对批次内质量均一性进行动态评估与异常状态识别，从而实现对中药饮片质量的全面、准确、实时的在线监控。

2、为实现上述目的，本发明提供如下技术方案：

3、一种中药饮片的近红外在线质量检测方法，包括以下步骤：

4、s1：以固定的时间间隔采集中药饮片在输送过程中的近红外漫反射光谱数据，将所述近红外漫反射光谱数据转换为表观吸光度值，并同步采集环境温度数据、环境湿度数据及物料厚度数据，并对所述环境温度数据、环境湿度数据及物料厚度数据进行预处理；

5、s2：基于预处理后的环境温度数据、环境湿度数据及物料厚度数据，计算当前数据可信度指数，并基于当前数据可信度指数，判定当前采集的近红外漫反射光谱数据是否可信，当判定当前采集的近红外漫反射光谱数据可信时，获取当前近红外漫反射光谱数据的基线漂移量，基于表观吸光度值、数据可信度指数以及基线漂移量，计算当前真实化学信号值；

6、s3：构建定量校正模型，将当前真实化学信号值输入至定量校正模型，输出当前中药饮片的核心成分含量，基于核心成分含量，构建时序分析序列，基于时序分析序列，计算时序质量差异度，并基于时序质量差异度，计算偏移变化量；

7、s4：基于时序质量差异度与偏移变化量，判定当前批次中药饮片的质量状态，所述质量状态包括质量均一稳定状态、质量波动过渡状态、质量静态不均状态和质量复合异常状态。

8、进一步的，所述对所述环境温度数据、环境湿度数据及物料厚度数据进行预处理的方法为：

9、对采集的环境温度数据、环境湿度数据及物料厚度数据进行数据清洗，所述数据清洗包括异常值与缺失值的处理，采用统计法识别环境温度数据、环境湿度数据及物料厚度数据中的异常值，删除环境温度数据、环境湿度数据及物料厚度数据中的异常值，并采用线性插值法对环境温度数据、环境湿度数据及物料厚度数据中的缺失值进行填补。

10、进一步的，所述计算数据可信度指数，所依据的公式为：

11、

12、其中，为当前数据可信度指数；

13、为环境温度数据；

14、为预设的标准环境温度；

15、为预设的温度容忍偏差；

16、为环境湿度数据；

17、为预设的标准环境湿度；

18、为预设的湿度容忍偏差；

19、为物料厚度数据；

20、为预设的标准物料厚度；

21、为预设的厚度容忍偏差；

22、、、分别为预设的温度权重系数、湿度权重系数与厚度权重系数，且满足＞0、＞0、＞0。

23、进一步的，所述判定当前采集的近红外漫反射光谱数据是否可信，判定逻辑为：

24、当≥时，判定当前采集的近红外漫反射光谱数据可信；

25、当＜时，判定当前采集的近红外漫反射光谱数据不可信，输出环境异常信号；

26、其中，为预设的可信度阈值，且满足0＜＜1。

27、进一步的，所述计算当前真实化学信号值，所依据的公式为：

28、

29、其中，为当前真实化学信号值；

30、为表观吸光度值；

31、为基线漂移量。

32、进一步的，所述构建定量校正模型的方法为：

33、采集不同批次、不同质量等级的中药饮片样本，采集各样品的近红外漫反射光谱数据，经转换为表观吸光度值并获得对应的真实化学信号值，并通过标准实验室方法测定各样本的核心成分含量参考值；

34、以所述真实化学信号值作为模型输入，以所述核心成分含量参考值作为模型输出，采用偏最小二乘法建立定量校正模型；

35、通过交叉验证法确定所述定量校正模型的最优主成分数，以所述最优主成分数作为模型参数，构建定量校正模型，所述定量校正模型以真实化学信号值为输入，以核心成分含量为输出。

36、进一步的，所述构建时序分析序列的方法为：

37、以定量校正模型最新输出的核心成分含量为终点，按照定量校正模型输出顺序的逆方向回溯，截取连续m次输出的核心成分含量，按照时间先后顺序排列，构建时序分析序列；

38、当新增输出的核心成分含量时，将新增输出的核心成分含量加入所述时序分析序列的末端，并移除所述时序分析序列首端的核心成分含量，保持所述时序分析序列中核心成分含量的总个数恒定为m，其中，m为预设的正整数，且m≥5。

39、进一步的，所述计算时序质量差异度，所依据的公式为：

40、

41、其中，为第次计算轮次得到的时序质量差异度；

42、为所述时序分析序列中第个核心成分含量；

43、为所述时序分析序列中第个核心成分含量。

44、进一步的，所述计算偏移变化量，所依据的公式为：

45、

46、其中，为第次计算轮次得到的偏移变化量；

47、为第次计算轮次得到的时序质量差异度；

48、为第次计算轮次得到的时序质量差异度。

49、进一步的，所述判定当前批次中药饮片的质量状态，判定逻辑为：

50、当＜且＜时，判定为质量均一稳定状态，生成正常运行信号；

51、当＜且≥时，判定为质量波动过渡状态，生成关注提示信号；

52、当≥且＜时，判定为质量静态不均状态，生成质量均一性预警信号；

53、当≥且≥时，判定为质量复合异常状态，生成复合异常紧急信号；

54、其中，为预设的时序质量差异度阈值，为预设的偏移变化量阈值。

55、与现有技术相比，本发明的有益效果是：

56、本发明通过融合环境温度、环境湿度及物料厚度等多维传感数据并构建数据可信度指数，实现了对近红外光谱采集条件的动态质量评估，排除了因环境波动或物料状态变化导致的无效或干扰光谱数据，从而提高了在线检测的可靠性和抗干扰能力；同时，基于可信度指数和基线漂移量对表观吸光度值进行自适应校正，获得真实化学信号值，结合偏最小二乘定量校正模型，能够精确预测中药饮片的核心成分含量，消除了环境漂移和基线变化对定量分析的影响，保证了检测结果的准确性和长期稳定性；此外，通过构建时序分析序列并计算时序质量差异度及偏移变化量，不仅能够实时追踪同一批次中药饮片在连续生产过程中的质量一致性动态变化，还能有效区分质量均一稳定、质量波动过渡、质量静态不均和质量复合异常四种质量状态，实现对质量趋势的早期识别和异常预警，为中药饮片的在线生产过程提供了一种全面、智能、高灵敏度的质量监控手段，提升了中药饮片批次内质量均一性的控制水平和在线检测的自动化、信息化能力。