您當前的位置：檢測資訊 > 科研開發
嘉峪檢測網 2025-03-21 08:44
摘 要： 基于近紅外光譜技術結合化學計量學，建立半夏配方顆粒生產廠家及炮制方法的快速判別模型。采集不同生產廠家或不同炮制方法的半夏配方顆粒近紅外光譜，結合合格性測試方法，優化建模參數，建立半夏配方顆粒的生產廠家及不同炮制方法快速判別模型。通過篩選適宜的光譜預處理方法及最優建模參數，建立的模型能夠對半夏配方顆粒的生產廠家及炮制方法進行快速有效地區分，判別正確率均為100%。所建立的判別模型簡便、無損、綠色、有效，為半夏炮制品配方顆粒鑒別及生產廠家快速區分提供了新的方法參考，同時也為近紅外光譜技術在中藥配方顆粒定性定量研究領域應用的可行性進行了探索。
關鍵詞： 近紅外光譜法； 半夏配方顆粒； 炮制品； 合格性測試模型； 快速判別
半夏為天南星科植物半夏的干燥塊莖，夏、秋二季采挖，洗凈，除去外皮和須根，曬干。半夏具有燥濕化痰、降逆止嘔、消痞散結等功效，應用于濕痰寒痰，咳喘痰多，痰飲眩悸等[1]。《中華人民共和國藥典》（2020年版）收載了3種半夏炮制品，即法半夏、姜半夏、清半夏[2]。法半夏所用輔料為甘草和生石灰，姜半夏所用輔料為生姜，清半夏所用輔料為白礬。通過查閱文獻發現，全國還有17個地方中藥飲片炮制規范對半夏的炮制方法、輔料和用量進行了規定。皂角、薄荷、陳皮、竹瀝液等也被作為炮制半夏的輔料[3]，半夏炮制品還有竹瀝半夏和半夏曲等。
生半夏味辛辣，麻舌而刺喉，有毒，因此臨床上一般使用其炮制品，主要含有生物堿、甾醇類、有機酸、多糖等化學成分，主要活性成分為生物堿，具有止咳平喘、抗炎、抗腫瘤、止嘔等藥理作用[3]。清半夏長于燥濕化痰，多用于濕痰咳嗽、胃脘痞滿等，主要含有生物堿、核苷、淀粉、纖維素、氨基酸等化學成分，其中核苷類成分是抗感染的主要活性成分；姜半夏長于溫中化痰和止嘔降逆，多用于寒飲嘔吐、脾胃虛寒嘔吐和溫熱型肝膽病，主要包括揮發油、黃酮類、多糖類、生物堿、甾醇類、萜烯類化合物等化學成分（主要活性成分揮發油）；法半夏長于祛寒痰和調和脾胃，多用于痰多咳嗽、痰涎壅盛和治療新型冠狀病毒感染肺炎的方劑中[4]，主要包括生物堿、多糖、黃酮類、揮發油等化學成分[5]（主要活性成分為生物堿）。半夏及其炮制品生物堿含量依次為生半夏>法半夏>姜半夏>清半夏。綜上所述，半夏的炮制品雖均有治療寒痰咳嗽的功效，但在化學成分及應用中均有一定差異，因此在鑒別與使用過程中應注意區分，不宜相互混用。同時，為防止假冒樣品，方便市場部門的監管，建立一廠一標的快速篩查模型，對不同廠家的樣品進行區分，是保證公眾用藥安全的重要途徑[6?7]。綜上，建立快速有效的半夏配方顆粒不同生產廠家或不同炮制方法的判別模型，能夠對半夏配方顆粒的質量進行全面、快速、有效的篩查，為市場監管提供技術支撐。
中藥配方顆粒作為我國中藥傳統湯劑劑型積極“轉型”的適配產物[8] ，具有服用簡單、攜帶方便、療效可靠等優點，在我國防治疫病中起到了重要的作用。對于傳統中藥材及飲片來講，其真偽及質量考察的方法主要有性狀、鑒別、檢查與含量測定，而對于同一中藥不同炮制品的鑒別，主要通過性狀、薄層色譜、特征圖譜、指紋圖譜等方式。以上方法雖然適用范圍廣、專屬性強，但也相對耗時耗力，受到人員、儀器設備、環境的制約，還可能對環境造成污染。同時，部分方法對炮制品鑒別效果不佳，尤其對于失去“外貌”特征的中藥配方顆粒，傳統經驗鑒別，完全不能適用。
通過對半夏炮制品配方顆粒的地方標準進行查閱與研究發現，可知半夏炮制品配方顆粒標準主要為：性狀、薄層色譜、特征圖譜、水麥冬酸檢查、浸出物以及顆粒劑檢查項等。其中，在薄層色譜鑒別中，法半夏配方顆粒對照為甘草次酸；清半夏配方顆粒對照為精氨酸、丙氨酸、纈氨酸、亮氨酸；姜半夏配方顆粒對照為半夏對照藥材、干姜對照藥材。在特征圖譜中，法半夏配方顆粒對照品為鳥苷、尿苷、色氨酸、甘草素、甘草酸；清半夏配方顆粒對照品為鳥苷、尿苷、色氨酸；姜半夏配方顆粒對照品為鳥苷、尿苷、色氨酸、6-姜辣素。綜上，在法半夏配方顆粒的薄層及特征圖譜中，均對甘草中的部分指標進行了考察，而姜半夏配方顆粒中，均在對半夏進行鑒別的基礎上，也對生姜的部分成分進行了測定。說明半夏炮制品配方顆粒地方質量標準中，均針對半夏炮制的輔料進行檢查，以此對不同方法的炮制品配方顆粒進行區分，但上述方法具有一定的局限性，并且耗時耗力、成本高、周期長、對色譜柱及儀器要求較高。與此同時，以上方法也不能快速區分鑒別不同廠家的半夏配方顆粒。
近年來，近紅外光譜技術以其分析速度快、分析成本低、操作簡單、綠色環保等優勢[9?11] ，在石油、化工、藥品等領域，被廣泛應用。一些專家學者也嘗試將此項技術應用于配方顆粒的定性[12?14] 、定量[15?17]分析中。綜上，應用近紅外光譜技術，以市場上流通較為廣泛的清半夏配方顆粒和法半夏配方顆粒作為研究對象，建立半夏配方顆粒炮制方法與生產廠家的快速判別模型。通過模型的建立與驗證，對未知樣品進行比較，可快速準確地獲取半夏配方顆粒的炮制及生產廠家信息，可視化表征半夏配方顆粒的基本情況，為半夏配方顆粒的臨床用藥，安全、穩定、可靠，提供保障，也為失去傳統飲片外形的配方顆粒的快速鑒別提供了方法參考。
1. 實驗儀器與樣品
1.1 主要儀器與樣品
近紅外光譜儀：MPA型，帶OPUS軟件，德國布魯克公司。
市場上，目前有清半夏、法半夏、姜半夏，以及竹瀝半夏4種半夏炮制品生產的配方顆粒。實驗應用布魯克近紅外光譜對收集到的5家企業的17批樣品進行測定。其中，其中清半夏配方顆粒9批，法半夏配方顆粒8批，樣品信息見表1。
表1 樣品信息
Tab. 1 Sample information
1.2 儀器工作條件
掃描范圍：3 600～12 500 cm-1；掃描次數：64次；分辨率：16 cm-1 。
1.3 實驗方法
（1）采集樣品。將1.1中樣品分別置于石英樣品杯中，每批樣品重復取樣2次，每次取樣重復采集光譜5張，以增加建模樣本量，提升模型穩定性。
（2）建立模型。分別以原始光譜及不同方法預處理后的近紅外光譜結合合格性測試模型，建立相應的判別模型，并篩選最優建模參數。
（3）驗證模型。最后通過預測集樣品，對所建模型進行驗證，評價優化后的建模參數，驗證模型的判別性能。
2. 結果與討論
2.1 清半夏、法半夏配方顆粒近紅外原始光譜圖
不同生產廠家或不同炮制方法的半夏配方顆粒近紅外光譜之間差異微小，光譜重疊較為嚴重，難以通過肉眼對其生產廠家與炮制方法進行判斷，故而需要通過建立的合格性測試模型，對各樣品信息進行快速、有效地判別。
2.2 模型的建立與驗證
2.2.1 清半夏配方顆粒生產廠家合格性測試模型的建立與驗證
將不同廠家的清半夏配方顆粒隨機劃分為參考集和預測集，分別以1#、2#、4#（廣東一方制藥有限公司）樣品光譜作為參考集，建立清半夏配方顆粒生產廠家判別模型；以3#（廣東一方制藥有限公司）樣品光譜對模型進行驗證；5#、6#、7#（江陰天江藥業有限公司）、8#（四川新綠色藥業科技發展有限公司）、9#（甘肅佛慈紅日藥業有限公司）共5批樣品作為未知樣品，通過模型進行預測。首先以原始光譜進行建模，將所有樣品光譜導入合格性測試模型。基于原始光譜建立的模型未能將廣東一方制藥有限公司的樣品與其余廠家樣品進行有效區分，這可能由于光譜差異較小、噪聲干擾嚴重等原因導致。分別采用5種光譜預處理方法（矢量歸一化、一階導數、一階導數加矢量歸一化、二階導數、二階導數加矢量歸一化）對原始光譜預處理后建模，篩選最佳光譜預處理方法，同時對建模參數進行優化，選用全波長掃描和兩段差異比較大的光譜參數范圍掃描，考察模型穩定性和可靠性，最終選擇以一階導數+矢量歸一化法預處理后的光譜建立最佳合格性測試模型，建模光譜波數為3 996～10 005.5 cm-1，平滑點為17，CI值為8，此時模型判別正確率為100%。不同生產廠家的清半夏配方顆粒在合格性測試模型中的CI值存在明顯差異。
在無光譜預處理及5種光譜預處理方法下，不同廠家清半夏配方顆粒的CI值范圍見表2。由表2可知，選用一階導數+矢量歸一化光譜預處理技術后，廣東一方制藥有限公司清半夏配方顆粒的CI值在1.26～6.70范圍內，江陰天江藥業有限公司清半夏配方顆粒的CI值為在17.55～22.67范圍內，甘肅佛慈紅日藥業有限公司清半夏配方顆粒的CI值在28.94～31.44范圍內，四川新綠色藥業科技發展有限公司清半夏配方顆粒的CI值在51.34～53.95范圍內，該技術下CI值差距最大，即選用一階導數+矢量歸一化預處理技術結合合格性測試得到的最優模型，能夠對清半夏不同廠家的配方顆粒進行有效地區分，這可能由于該光譜預處理放大了不同廠家清半夏配方顆粒之間的差異性信息，消除了由于光程變化等對光譜產生的影響，提高了所建模型的預測能力，模型判別正確率為100%。
表2 不同廠家清半夏配方顆粒的CI值范圍
Tab. 2 CI value range of Pinellia formula granules from different manufacturers
2.2.2 法半夏配方顆粒生產廠家合格性測試模型的建立與驗證
將10#、11#、12#（廣東一方制藥有限公司）樣品光譜作為參考集，建立法半夏配方顆粒生產廠家判別模型。
以13#（廣東一方制藥有限公司）樣品光譜對模型進行驗證，17#（江陰天江藥業有限公司）、16#（四川新綠色藥業科技發展有限公司）、15#（甘肅佛慈紅日藥業有限公司）、14#（北京同仁堂藥業有限公司）共5批樣品作為未知樣品，通過模型進行預測。最終選擇以一階導數預處理后的光譜建立最佳合格性測試模型。建模光譜波數范圍為3 996～10 005.5 cm-1，平滑點為17，CI值為4.8。不同生產廠家法半夏配方顆粒合格性測試模型見圖3。從圖3中可直觀地看出，不同廠家的法半夏配方顆粒的CI值存在明顯差異。5家不同生產廠家法半夏配方顆粒CI值范圍見表3。
Fig. 3 Test model of granule qualification of Pinellia formulae formulated by different manufacturers
1—廣東一方制藥有限公司；2—甘肅佛慈紅日藥業有限公司；3—江陰天江藥業有限公司；4—北京同仁堂藥業有限公司；5—四川新綠色藥業科技發展有限公司；圖 3 不同生產廠家法半夏配方顆粒合格性測試模型
表3 不同廠家法半夏配方顆粒的CI值范圍
Tab. 3 CI value range of Pinellia formula granules from different manufacturers
由表3可知，選用一階導數預處理技術結合合格性測試得到的最優模型，能夠對法半夏不同廠家的配方顆粒進行有效地區分，這可能是由于該光譜預處理放大了不同廠家法半夏配方顆粒間的差異性信息，從而提高了所建模型的預測能力，模型判別正確率為100%。
2.2.3 半夏配方顆粒不同炮制方法合格性測試模型的建立與驗證
將清半夏配方顆粒 3#、4#（廣東一方制藥有限公司）、5#、6#、7#（江陰天江藥業有限公司）、8（四川新綠色藥業科技發展有限公司）、（甘肅佛慈紅日藥業有限公司）樣品光譜作為參考值，建立半夏配方顆粒不同炮制方法判別模型。以清半夏配方顆粒1#、2#（廣東一方制藥有限公司）樣品光譜對模型進行驗證，法半夏配方顆粒 10#、11#、12#、13#（廣東一方制藥有限公司）、14#（北京同仁堂藥業有限公司）、15#（甘肅佛慈紅日藥業有限公司）、16#（四川新綠色藥業科技發展有限公司）、17#（江陰天江藥業有限公司）共8批樣品作為未知樣品，通過模型進行預測。最終選擇以一階導數+矢量歸一化法預處理后的光譜建立最佳合格性測試模型。建模光譜波數范圍為3 996～10 005.5 cm-1，平滑點為17，CI值為 4.7。
炮制方法不同的半夏配方顆粒合格性測試模型見圖4。從圖4中可直觀地看出，不同炮制方法半夏配方顆粒的CI值存在明顯差異。
圖4 炮制方法不同的半夏配方顆粒合格性測試模型
Fig. 4 Qualification test models of pinellia formula granules with different processing methods
不同炮制方法下半夏配方顆粒的CI值范圍見表4。
表4 不同炮制方法半夏配方顆粒的CI值范圍
Tab. 4 CI value range of Pinellia formula granules with different processing methods
從表4可以看出，選用一階導數+矢量歸一化法預處理技術結合合格性測試得到的最優模型，CI值差最大，能夠對半夏不同炮制方法的配方顆粒進行有效區分，這可能是由于該光譜預處理放大了不同炮制方法半夏配方顆粒之間的差異性信息，消除了由于光程變化等對光譜產生的影響，從而提高了所建模型的預測能力，模型判別正確率為100%。
2.3 建模結果與分析
針對半夏不同廠家及不同炮制品的配方顆粒總共建立了3個模型，分別是清半夏配方顆粒生產廠家合格性測試模型、法半夏配方顆粒生產廠家合格性測試模型、半夏配方顆粒不同炮制方法合格性測試模型，具體建模參數結果與分析見表5。
表 5 建模結果與分析
Tab. 5 Modeling results and analysis
由表5可知，3種模型均采用選用一階導數+矢量歸一化法預處理技術，光譜波數均為3 996～10 005.5 cm-1，平滑點均為17，CI值為4.7~8，模型判別正確率均為100%。通過建立模型，可以快速、有效、無損、綠色地對半夏不同廠家及不同炮制品的配方顆粒進行鑒別與判斷。
3. 結論
對于不同生產廠家或炮制方法不同的半夏配方顆粒而言，所使用的主藥和輔料的質量、種類及制備工藝均具有一定的差異。近紅外光譜結合合格性測試方法所建立的半夏配方顆粒生產廠家及炮制方法快速判別模型，可以對生產廠家及炮制方法不同的配方顆粒樣品進行快速有效的區分，也可對同一廠家生產樣品的一致性及批間差異進行考察。實驗結果表明，基于近紅外光譜技術結合合格性測試模型，能夠對半夏不同廠家和不同炮制品（清半夏或法半夏）生產的配方顆粒，進行快、準、精的判別，判別正確率為100%。近紅外光譜技術應用于半夏不同廠家及炮制方法生產的配方顆粒快速鑒別，不僅操作簡單、分析速度快捷，鑒別周期比其他常見檢測方法短，而且環保無損成本低，實現了對半夏不同廠家及炮制方法的配方顆粒有效鑒別，減少傳統檢測方法所帶來的人力、物力等資源的消耗。研究所用的近紅外光譜快速鑒別方法為其他中藥配方顆粒的快速鑒別提供了參考，也可將此方法用于其他中藥制劑新領域的快速鑒別。
近紅外光譜結合合格性測試模型能夠對配方顆粒的質量、炮制與否等信息，進行初步的篩查，也為近紅外光譜技術應用于其他配方顆粒炮制品的質量、真偽、穩定性等研究奠定了基礎。基于近紅外光譜快速、便攜、無損的特性，該技術適用于配方顆粒生產中，各環節的質量在線監控與實時控制，為配方顆粒的質量穩定可靠、均一可控，提供技術保障。近紅外光譜結合化學計量學建立相關的定性定量分析模型，能夠為提升配方顆粒生產效率，降低生產成本，減少不合格產品的出現，提供助力。
參考文獻：
1 國家藥典委員會.中華人民共和國藥典 2015年版（四部）［M］.北京：中國醫藥科技出版社，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 朱曉春，夏振江，沈慶紅，等.半夏炮制方法及其現代研究進展［J］.上海中醫藥雜志，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 左軍，牟景光，胡曉陽.半夏化學成分及現代藥理作用研究進展［J］.遼寧中醫藥大學學報，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 楊麗，周易，王曉明，等.炮制對半夏化學成分及藥理作用研究進展［J］.遼寧中醫藥大學學報，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，鐘凌云，張大永，等.中藥半夏復制法炮制的研究進展［J］.中國中藥雜志，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，施鈞瀚，侯富國，等.中藥配方顆粒：歷史、現狀及“后試點時代 ”的發展展望［J］.中國中藥雜志，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 鄭飛，戴雨霖，王一博，等.醒酒益肝顆粒處方工藝及質量標準［J］.中成藥，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 左軍，牟景光，胡曉陽.半夏化學成分及現代藥理作用研究進展［J］.遼寧中醫藥大學學報，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 楊曉莉，李輝，馬英英，等. 《中國藥典》2015年版非無菌產品微生物限度檢查：微生物計數 法解讀［J］.藥物分析雜志，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 張清娜，臧恒昌.近紅外光譜技術在中藥領域的研究進展［J］.食品與藥品，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 劉遠俊，劉麗萍，陳巧華，等.干姜、炮姜和姜炭配方顆粒的近紅外快速鑒別研究［J］.今日藥學，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，彭致鋮，何廣銘.基于NIRS技術的丹參配方顆粒水分與指標成分的快速測定方法［J］.海峽藥學，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 王閩予，劉麗萍，朱德全，等.甘草配方顆粒多指標成分的近紅外快速檢測方法［J］. 今日藥學，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頁）
18 竇國金，鄭瑩，麥欣欣，等.二甲酚橙分光光度法測定化學鍍鎳液中的鉛濃度［J］.材料保護，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 閔國華，管嵩，馬李，等.氯化銨-氨水分離碘量法檢測銅礦石中銅含量的測量不確定度評定［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 宋飛，馬李，陳哲，等. 鐵礦石中酸溶亞鐵含量測量不確定度評定［J］. 現代礦業， 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 何亞，吳力鵬.EDTA溶液絡合滴定法測定石灰石中氧化鈣含量的不確定度評定［J］.特鋼技術，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 董靜剛，鄭一文.硫代硫酸鈉直接滴定法測定食鹽中碘離子的不確定度評定［J］.化學分析計量，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 黃建新，劉鐘康，龐江云. EDTA滴定法測定硅鈣合金中鈣含量的不確定度評定［J］.鐵合金，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 杜曉曼.電子天平檢定過程中的注意事項及不確定度評定探討［J］.品牌與標準化，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： 何懷情，蘇蕊，朱旭江，等 . 基于近紅外光譜的半夏配方顆粒快速判別模型的建立［J］. 化學分析計量，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.)
來源：化學分析計量
