CN120102266B 一种适用于植物提取物的成分检测方法 (汉中天然谷生物科技股份有限公司)_第1页
CN120102266B 一种适用于植物提取物的成分检测方法 (汉中天然谷生物科技股份有限公司)_第2页
CN120102266B 一种适用于植物提取物的成分检测方法 (汉中天然谷生物科技股份有限公司)_第3页
CN120102266B 一种适用于植物提取物的成分检测方法 (汉中天然谷生物科技股份有限公司)_第4页
CN120102266B 一种适用于植物提取物的成分检测方法 (汉中天然谷生物科技股份有限公司)_第5页
已阅读5页,还剩26页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

(19)国家知识产权局(12)发明专利(10)授权公告号CN120102266B(65)同一申请的已公布的文献号(73)专利权人汉中天然谷生物科技股份有限公司G01N21/25(2006.01)镇(72)发明人俱雪妮陈亮李雪松姚志坤(74)专利代理机构武汉世跃专利代理事务所(普通合伙)42273专利代理师万仲达一种适用于植物提取物的成分检测方法本发明公开了一种适用于植物提取物的成分检测方法,涉及植物提取物检测技术领域,包括以下步骤:S1、使用双相液液萃取进行目标成分的富集处理;S2、使用初始富集液进行多维属性映射与组分因子构建;S3、使用目标组分响应张量进行关联特征约束计算;S4、使用待比对光谱特征集进行理想光谱构建与响应差异解析;S5、使用理想与实际光谱残差信号进行映射分过设置双相溶剂-液液萃取提高目标成分富集的选择性,实现对植物提取物复杂体系中目标成分的高效提取,相比现有单一溶剂萃取或固相萃取,本方法通过调控溶剂间的相互作用,使目标目标成分的富集处理多维属性映射与组分因子构建联特征约束计算理想光谱构建映射分析光谱校正2取中,目标成分的分配取决于其在两相溶剂中的分配系数Kp;引入溶剂极性动态调控模维张量TDID∈RM×N×KS4、使用待比对光谱特征集进行理想光谱构建与响应差异解析,得到目标成分理想光3在达到平衡状,可得平衡状态下有机相中的目标成分浓度骤S4中引入时-频域联合光谱解析方法,目标成分在不同波长下的光谱信号为时间序列T(λ,t),采用短时傅里叶变换进行时-频联合解析:4w(t)为窗口函数,选用高斯窗以平滑信号;W为傅里叶变换中的频率分量。9.根据权利要求8所述的一种适用于植物提取物的成分检测方法,其特征在于,所述步骤S4中时-频联合解析过程包括:光谱成分鉴别:不同成分的光谱在时域可能相似,但在频域上具有明显区分性,利用F(λ,w)进行高维特征提取,有助于分离同类化合物;稳定性分析:通过分析不同时间点的F(λ,w)变化情况,评估目标成分的光谱稳定性,判断其受外界因素影响程度;关键吸收峰筛选:利用频域特征计算目标成分的特征峰位置,避免峰重叠导致的误判,提高分析准确性。5方法。较大。想光谱函数;6[0016]C表示目标成分在水相中的浓度。因子E:[0032]其中,V和V分别表示有机相和水相的体积;[0033]C表示平衡状态下有机相中的目标成分浓度;7[0037]进一步优化本技术方案,所述步骤S4中采用非线性光谱信号去卷积方法,消除谱峰重叠、提高目标成分的光谱分辨率,目标成分的光谱信号为T(λ),基于微量杂质和溶0043]其中,卷积核函数K(λ,x)采用基于傅里叶变换的非线性函数:[0045]其中,Q控制谱峰的分离程度,范围10-³~10-²;[0046]控制傅里叶频率域的分布,提高高频噪声抑制能力。[0047]进一步优化本技术方案,所述步骤S4中,非线性光谱信号去卷积方法的使用过程[0049]背景信号扣除:利用B(入)进行基质干扰扣除,提高目标成分信号的纯度;[0050]光谱分辨率提升:用于分离峰重叠情况,提高目标成分的特异性识别[0051]进一步优化本技术方案,所述步骤S4中引入时-频域联合光谱解析方法,目标成分在不同波长下的光谱信号为时间序列T(λ,t),,采用短时傅里叶变换(STFT)进行时-频联合解析:[0056]进一步优化本技术方案,所述步骤S4中时-频联合解析过程包括:[0057]光谱成分鉴别:不同成分的光谱在时域可能相似,但在频域上具有明显区分性,利8[0058]稳定性分析:通过分析不同时间点的F(),W变化情况,评估目标成分的光谱[0059]关键吸收峰筛选:利用频域特征计算目标成分的特征峰位置,避免峰重叠导致的[0060]进一步优化本技术方案,所述步骤S4中利用时-频域特征向量。F(λ,w)进行目标成分的定量计算,目标成分的浓度为C,其光谱吸收强度A(λ)与浓度的关系为:[0064]第二方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述计算机程序指令被处理器执行时实现如本发明第一方面所述的一种适用于植物提取物的成分检测方法的步骤。[0065]第三方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序指令被处理器执行时实现如本发明第一方面所述的一种适用于植物提取物的成分检测方法的步骤。[0066]与现有技术相比,本发明提供了一种适用于植物提取物的成分检测方法,具备以下有益效果:[0067]该适用于植物提取物的成分检测方法,通过设置基于张量映射的目标组分响应模型与光谱一致性判别机制,避免了传统方法中由于单一溶剂萃取导致的目标成分选择性差与共提取干扰问题,通过构建三维响应张量,有效将多平台、多条件下的植物提取物光谱数据进行结构统一与语义重构,使得目标组分的特征响应得以从复杂背景中准确抽取,同时,通过引入基于理想光谱匹配与误差函数修正的光谱分析模型,显著提升了信号识别的特异性与组分富集后的可分辨性,增强了方法对多组分体系的适应能力。相比现有以极性差异为主导的单一溶剂体系,本方法不依赖化学萃取手段进行初级选择,而是以算法方式完成组分差异的谱学分离,在保持检测通量的同时,提升了目标成分的富集效率与最终检测灵敏度。附图说明[0068]为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的[0069]图1为本发明提出的一种适用于植物提取物的成分检测方法的结构示意图;[0070]图2为本发明提出的一种适用于植物提取物的成分检测方法的非线性光谱信号去9卷积法流程示意图;[0071]图3为本发明提出的一种适用于植物提取物的成分检测方法的时-频联合解析流程示意图。具体实施方式[0072]为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。[0073]在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于此描述的其他方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性地与其他实施例互相排斥的实施例。[0075]实施例一:[0076]参照图1~图3,为本发明第一个实施例,该实施例提供了一种适用于植物提取物的成分检测方法,包括以下步骤:[0077]S1、使用双相液液萃取进行目标成分的富集处理,得到初始富集液;[0078]首先,对植物提取物进行样品前处理,以确保后续检测的准确性。取适量植物提取物(通常为粉末、油状或粘稠液体),根据样品特性选择适当的溶剂进行溶解。对于水溶性提采用甲醇、乙醇或乙酸乙酯进行溶解,并使用离心方法(转速≥10,000rpm,时间≥10min)去除沉淀。对于粘稠液体样品,采用超声波辅助溶解(40kHz将处理后的溶液转移至玻璃色谱小瓶,密封并置于4℃冰箱短期储存,防止成分降解。[0079]S2、使用初始富集液进行多维属性映射与组分因子构建,得到目标组分响应张量;[0080]采用双相溶剂-液液萃取方法,将样品目标成分从复杂基质中富集,在双相溶剂-液液萃取中,目标成分的分配取决于其在两相溶剂中的分配系数Kp:[0083]Cu表示目标成分在水相中的浓度;[0084]引入溶剂极性动态调控模型,溶剂极性匹配因子的计算过程如下:[0088]P表示水相的极性参数;[0093]其中,ka表示溶剂界面扩散速率;[0097]该动力学模型可用于优化萃取时间七和萃取次数n,例如:出达到95%平衡浓度的最短时间topt,以提高实验效率;[0099]优化萃取次数n:若单次萃取无法达到足够高的目标成分浓度,则根据动力学方[0100]为量化目标成分的富集效果,富集因子E的计算公式如下:[0109]预设目标成分极性Pt,选择典型有机/水相体系并给出P₀,Pw;[0110]通过实验或数据库获取Cw的原始浓度;[0113]遍历X(或溶剂组分),搜索使7最小的配置;浓度[0123]与现有成熟的液-液萃取技术相比,该方法能够在萃取过程中有效降低非目标成[0125]为满足步骤S4中的光谱差异识别需求,需对张量内的响应数据进行特征约束处征映射函数φ:从响应张量中提取具有最大极性贡献赖性;目标成分光谱信号T(λ与实际测得信号S(入)的差异计算时,能S()可表示为:[0142]当ε(λ)<0时,表示该波段响应不足,可能存在光谱弱响应、干扰吸收、或仪[0147]其中,Q控制谱峰的分离程度,范围10-³~10-²;[0153]所述步骤S4中引入时-频域联合光谱解析方法,目标成分在不同波长下的光谱信[0165]7为光谱仪系统误差;和S(λ)的基础上建立映射量化体系,通过将各样本的B(λ)分量在频域中投影至F(λ,w)所表征的谱空间,构造各样本在同一参考框架下的标准化比对光1间在目标组分相关特征上的比较具备统一标准,输出的组成标准化比对光谱的信号S(λ)更加接近T(λ),校正后信号是通过将原始信号S(λ)与标准化比对光谱集S;(入)进行校正,去除背景噪声和目标成分的影响,从而得到清晰的信号,即Sc(X)=S(A)-Si(A),校正后的信号Se(λ)与动态误差校正函数[0180]通过步骤S5归一化后的基准数据,计算特定实验环境下的f(λ,θ)及测量噪声终测定信号更加接近理想的目标成分光谱信号T(λ),提高目标成分测量的精度软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装[0193]计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论