JSPECgydF4y2Ba 《光谱学gydF4y2Ba 2314 - 4939gydF4y2Ba 2314 - 4920gydF4y2Ba Hindawi出版公司gydF4y2Ba 10.1155 / 2016/9492030gydF4y2Ba 9492030gydF4y2Ba 研究文章gydF4y2Ba 农药残留快速检测的中国草药傅里叶变换红外光谱学加上偏最小二乘回归gydF4y2Ba 杨gydF4y2Ba 天明(gydF4y2Ba 1gydF4y2Ba http://orcid.org/0000 - 0003 - 3305 - 3849gydF4y2Ba 周gydF4y2Ba 荣gydF4y2Ba 1gydF4y2Ba 江gydF4y2Ba 杜gydF4y2Ba 1gydF4y2Ba http://orcid.org/0000 - 0002 - 0865 - 0652gydF4y2Ba 傅gydF4y2Ba 海盐gydF4y2Ba 1gydF4y2Ba http://orcid.org/0000 - 0002 - 0731 - 805 xgydF4y2Ba 苏gydF4y2Ba 鲁伊gydF4y2Ba 1gydF4y2Ba 刘gydF4y2Ba 羊gydF4y2Ba 1gydF4y2Ba http://orcid.org/0000 - 0003 - 0965 - 9664gydF4y2Ba 苏gydF4y2Ba HanbogydF4y2Ba 1gydF4y2Ba 艾哈迈德gydF4y2Ba KhaliquegydF4y2Ba 制药科学学院gydF4y2Ba 中南民族大学gydF4y2Ba 武汉430074gydF4y2Ba 中国gydF4y2Ba scuec.edu.cngydF4y2Ba 2016年gydF4y2Ba 27gydF4y2Ba 12gydF4y2Ba 2016年gydF4y2Ba 2016年gydF4y2Ba 02gydF4y2Ba 08年gydF4y2Ba 2016年gydF4y2Ba 05年gydF4y2Ba 10gydF4y2Ba 2016年gydF4y2Ba 14gydF4y2Ba 11gydF4y2Ba 2016年gydF4y2Ba 2016年gydF4y2Ba 版权©2016杨天明(et al。gydF4y2Ba 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。gydF4y2Ba

本文报告一个简单、快速、有效的方法,同时检测的巴丹(Ca),杀(Th), tebufenozide (Te)在中国草药包括gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba使用傅里叶变换红外光谱法(ir)加上偏最小二乘回归(PLSR)。该方法可以处理中药样品的内在干扰;令人满意的平均经济复苏获得近红外(NIR)和中红外(MIR) PLSR模型gydF4y2Ba 99.0gydF4y2Ba ±gydF4y2Ba 10.8gydF4y2Ba 和gydF4y2Ba 100.2gydF4y2Ba ±gydF4y2Ba 1。0gydF4y2Ba %对Ca,gydF4y2Ba 100.2gydF4y2Ba ±gydF4y2Ba 6.9gydF4y2Ba 和gydF4y2Ba 99.7gydF4y2Ba ±gydF4y2Ba 2。5gydF4y2Ba % Th,gydF4y2Ba 99.1gydF4y2Ba ±gydF4y2Ba 6.3gydF4y2Ba 和gydF4y2Ba 99.6gydF4y2Ba ±gydF4y2Ba 1。0gydF4y2Ba %对Te,分别。此外,一些统计参数和数据的优点是全面调查评估两种模型的性能。发现两个模型可以给出准确的结果,只有MIR-PLSR的性能略优于NIR-PLSR干扰的情况下遭受草药矩阵。总之,傅立叶变换红外光谱结合PLSR已经证明了在快速筛选和定量分析中的应用multipesticide残留在中国草药没有物理或化学分离预处理步骤,任何光谱处理,这也意味着其他潜在的应用,如食品和药品安全、草本植物质量和环境评估,由于其无毒和无损分析的优点。gydF4y2Ba

 中国国家自然科学基金gydF4y2Ba 21576297gydF4y2Ba 21205145gydF4y2Ba 开放基金的绿色化学合成技术国家重点实验室培育基地浙江理工大学gydF4y2Ba GCTKF2014003gydF4y2Ba 开放研究计划gydF4y2Ba 2015年zd001gydF4y2Ba 2015年zd002gydF4y2Ba 1。介绍gydF4y2Ba

中国草药(chm)被认为是温和,无毒,无害,甚至已经广泛使用的药物或膳食补充剂(gydF4y2Ba 1gydF4y2Ba,gydF4y2Ba 2gydF4y2Ba]。为了防止、排斥或减轻害虫的影响,多样化的商业种植chm接受频繁的应用杀虫剂高效、广谱,但长半衰期,复杂的退化,剧毒物质。因此,农药的广泛使用对环境造成了高风险和诱发沉重的负面影响人类健康gydF4y2Ba 3gydF4y2Ba- - - - - -gydF4y2Ba 6gydF4y2Ba]。面对这样一个严重的危机,安全与健康,因此,重要的是建立有效的常规方法量化multipesticide残留在中国草药。gydF4y2Ba

基于可用的文学,许多分析方法提出了农药残留的测定在不同的矩阵(gydF4y2Ba 7gydF4y2Ba- - - - - -gydF4y2Ba 12gydF4y2Ba),包括气相色谱法(GC),气相色谱分析-质谱法(GC - ms)、高效液相色谱法(HPLC),和超高液相色谱-光谱法(UPLC-MS)。不幸的是,这些技术是耗时和reagent-demanding需要高度熟练的操作符。因此,更快、更准确和敏感迫在眉睫的识别方法开发的实际应用。近年来,傅里叶变换近红外(NIR)和中红外光谱(MIR)等优势效率高、成本低、简单的测量,样品制备,快速的数据分析,和非破坏性分析技术已经广泛应用于许多科学领域,如医疗和生物医学、食品科学、制药、和石油行业(gydF4y2Ba 13gydF4y2Ba- - - - - -gydF4y2Ba 17gydF4y2Ba]。然而,应该注意到,只有少数论文所描述的分析方法监测multipesticide残留在中国草药使用傅立叶变换红外光谱。这是由于这一事实的multipesticide残留指纹信息提供的中药近红外光谱和米尔光谱可能很难直接解释由于低分辨率和重叠峰乐队,所以有效的和健壮的化学计量学方法已经广泛关注提取和相关丰富的红外光谱信息(gydF4y2Ba 18gydF4y2Ba- - - - - -gydF4y2Ba 20.gydF4y2Ba]。gydF4y2Ba

化学计量学的主要作用为近红外光谱的定量分析和米尔相关数据是建立一个定量模型测量的近红外光谱信号样本的某些属性,表示该组件的内容。定量模型被应用于预测样本的预测相同的属性集。因此,一个好的预测结果依赖于良好的多元校正方法。许多方法,如主成分回归(PCR) (gydF4y2Ba 21gydF4y2Ba看不到),多元线性回归(MLR) [gydF4y2Ba 22gydF4y2Ba),和部分最小二乘(PLS) (gydF4y2Ba 23gydF4y2Ba)通常用于最优化标定。特别是,偏最小二乘回归(PLSR),作为well-performed多元数据分析技术可以推广和结合特性从主成分分析和多元线性回归,是特别适合建模从全方位gydF4y2Ba 24gydF4y2Ba]。这是一个程序用于与大量的独立变量(预测)为数不多(PLSR1)或(PLSR2)响应变量(观测)数量减少的情况下可用,是有用的在预测一组相关变量从一个大的独立的共线的变量。因为它减少了大量的冗余信息,PLSR是理想的光谱数据的多元校正(gydF4y2Ba 25gydF4y2Ba,gydF4y2Ba 26gydF4y2Ba]。近年来,是注意PLSR在各学科的应用和大量的研究报道成功的结果(gydF4y2Ba 27gydF4y2Ba- - - - - -gydF4y2Ba 29日gydF4y2Ba]。gydF4y2Ba

摘要,一个快速和有效的策略的同时测定杀螟丹(Ca),杀(Th), tebufenozide (Te)在化学加工包括gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba提出了结合FI-IR与PLSR算法。结果显示,直接测定农药残留,可以实现复杂的化学加工,充分利用了简单、快速、和准确性的优势没有要求物理或化学分离和光谱处理,表明一个有前途的定量选择农药残留的化学加工质量控制和在线监测。此外,价值的准确性和数据NIR-PLSR和MIR-PLSR方法,包括平均复苏,均方根误差,并检测极限(LOD),进行调查和比较来评估性能的开发方法。gydF4y2Ba

 2。材料和方法gydF4y2Ba 2.1。装置gydF4y2Ba

那些时光6700台,一个NICOLET OMNIC 8.2光谱采集软件(热费希尔科学Inc .)、美国),Antaris II FT-NIR光谱仪,结果3.0光谱采集软件(热电子有限公司,美国)。gydF4y2Ba

 2.2。试剂和样品gydF4y2Ba

中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba从甘肃在中国获得的样本。杀螟丹,杀,tebufenozide收集从农业部的农业保护研究所(天津)。Chromatography-grade甲醇从TEDIA购买(美国TEDIA)。KBr(纯度99.8%)购买从阿拉丁工业公司(上海,中国)。gydF4y2Ba

 2.3。样品制备gydF4y2Ba

购买的标准解决方案(100gydF4y2Ba μgydF4y2BaggydF4y2Ba ·gydF4y2Ba 毫升gydF4y2Ba−1gydF4y2Ba)个人农药储存在黑暗的玻璃小瓶−20°C。标准的解决方案与甲醇进一步稀释准备恢复研究工作校准和验证的解决方案。校准标准8gydF4y2Ba μgydF4y2Bag·毫升gydF4y2Ba−1gydF4y2Ba。所有的解决方案都存储在黑暗的玻璃小瓶在4°C。gydF4y2Ba

中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba样品用于近红外光谱和米尔被磨床和筛选成细粉通过200目筛,然后vacuum-dried 60°C 24小时。每一个gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba或gydF4y2Ba 甘草gydF4y2Ba粉末样品称重准确(约1.0克)。不同数量的农药的工作解决方案进一步添加到每个chm样本和完全混合准备样品。的gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba样品被分成七个组(R1-R7)和(L1-L7),分别。也就是说,在每个7组(R1-R7)和(L1-L7), 30样品不同gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba矩阵分别准备,,然后vacuum-dried 60°C 24小时。已筛粉被存储在一个干燥备用。详细信息的添加内容表中列出的工作农药解决方案gydF4y2Ba 1gydF4y2Ba。gydF4y2Ba

浓度的钙、Th, Te chm样本。gydF4y2Ba

化学加工gydF4y2Ba 样本组gydF4y2Ba 添加浓度(gydF4y2Ba μgydF4y2BaggydF4y2Ba ⋅gydF4y2Ba ggydF4y2Ba−1gydF4y2Ba)gydF4y2Ba
CagydF4y2Ba ThgydF4y2Ba TegydF4y2Ba
中药白芷香豆素类成分基数gydF4y2Ba R1gydF4y2Ba 40.00gydF4y2Ba 0.00gydF4y2Ba 0.00gydF4y2Ba
R2gydF4y2Ba 32.00gydF4y2Ba 8.00gydF4y2Ba 0.00gydF4y2Ba
R3gydF4y2Ba 24.00gydF4y2Ba 12.00gydF4y2Ba 4.00gydF4y2Ba
R4gydF4y2Ba 16.00gydF4y2Ba 16.00gydF4y2Ba 8.00gydF4y2Ba
R5gydF4y2Ba 8.00gydF4y2Ba 20.00gydF4y2Ba 12.00gydF4y2Ba
R6gydF4y2Ba 0.00gydF4y2Ba 24.00gydF4y2Ba 16.00gydF4y2Ba
R7gydF4y2Ba 8.00gydF4y2Ba 12.00gydF4y2Ba 20.00gydF4y2Ba
甘草gydF4y2Ba L1gydF4y2Ba 40.00gydF4y2Ba 0.00gydF4y2Ba 0.00gydF4y2Ba
L2gydF4y2Ba 32.00gydF4y2Ba 8.00gydF4y2Ba 0.00gydF4y2Ba
L3gydF4y2Ba 24.00gydF4y2Ba 12.00gydF4y2Ba 4.00gydF4y2Ba
L4gydF4y2Ba 16.00gydF4y2Ba 16.00gydF4y2Ba 8.00gydF4y2Ba
L5gydF4y2Ba 8.00gydF4y2Ba 20.00gydF4y2Ba 12.00gydF4y2Ba
16种gydF4y2Ba 0.00gydF4y2Ba 24.00gydF4y2Ba 16.00gydF4y2Ba
发明人或者设计人gydF4y2Ba 8.00gydF4y2Ba 12.00gydF4y2Ba 20.00gydF4y2Ba
2.4。光谱采集gydF4y2Ba

米尔光谱记录使用KBr丸和波数范围从4000到400厘米gydF4y2Ba−1gydF4y2Ba4厘米的一项决议gydF4y2Ba−1gydF4y2Ba每组和30个样本矩阵不同的草药收集,每天30光谱。近红外光谱是通过漫反射率模式;光谱范围从10000到4000厘米gydF4y2Ba−1gydF4y2Ba8厘米的一项决议gydF4y2Ba−1gydF4y2Ba每组和30个样本矩阵不同的草药收集,每天30光谱。三个平行的平均光谱测量光谱为每个样本在每组采用构造模型。相同的操作重复连续三天。gydF4y2Ba

 2.5。化学计量学方法gydF4y2Ba

使用Matlab PLSR程序编写和执行2010(美国数学著作,纳蒂克,MA)。gydF4y2Ba

偏最小二乘回归(PLSR)是用于开发定量近红外光谱和杀螟丹米尔模型(Ca),杀(Th), tebufenozide (Te)在化学加工包括gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba。在这个工作中,考虑gydF4y2Ba ngydF4y2Ba ×gydF4y2Ba pgydF4y2Ba 矩阵gydF4y2Ba XgydF4y2Ba 包括gydF4y2Ba pgydF4y2Ba 预测变量(NIR或米尔光谱变量)gydF4y2Ba ngydF4y2Ba chm样品和gydF4y2Ba ngydF4y2Ba ×gydF4y2Ba 1gydF4y2Ba 向量包括相应的因变量gydF4y2Ba ngydF4y2Ba 化学加工样品,为简单起见,不失一般性,两者兼而有之gydF4y2Ba XgydF4y2Ba 和gydF4y2Ba ygydF4y2Ba 列集中;请的目标是找到一组正交的潜变量,是最初的预测变量的线性组合。因变量是随后退化对潜在变量。因为校准模型和高复杂性往往给退化预测性能和过度拟合的风险更高,重要的是做一个适当的模型复杂性和准确性之间的权衡。因此,不同模型的最佳潜在变量(lv)进行调查gydF4y2Ba ngydF4y2Ba 倍交叉验证。gydF4y2Ba

 2.6。方法验证gydF4y2Ba

210年的近红外光谱数据gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba或gydF4y2Ba 甘草gydF4y2Ba样品被随机分为两组:135光谱用于校准和75光谱被用来验证。210年的米尔的光谱数据gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba或gydF4y2Ba 甘草gydF4y2Ba样本随机分为两组:127光谱用于校准和83光谱被用于验证构造PLSR模型;详细的样品信息表中列出gydF4y2Ba 2gydF4y2Ba。gydF4y2Ba

一个详细的校准和验证chm PLSR模型基于近红外光谱和米尔的样本。gydF4y2Ba

样本组gydF4y2Ba NIR-PLSRgydF4y2Ba MIR-PLSRgydF4y2Ba
培训人数gydF4y2Ba 预测数量gydF4y2Ba 培训人数gydF4y2Ba 预测数量gydF4y2Ba
R1gydF4y2Ba 22gydF4y2Ba 8gydF4y2Ba 18gydF4y2Ba 12gydF4y2Ba
R2gydF4y2Ba 19gydF4y2Ba 11gydF4y2Ba 14gydF4y2Ba 16gydF4y2Ba
R3gydF4y2Ba 19gydF4y2Ba 11gydF4y2Ba 19gydF4y2Ba 11gydF4y2Ba
R4gydF4y2Ba 19gydF4y2Ba 11gydF4y2Ba 16gydF4y2Ba 14gydF4y2Ba
R5gydF4y2Ba 21gydF4y2Ba 9gydF4y2Ba 22gydF4y2Ba 8gydF4y2Ba
R6gydF4y2Ba 17gydF4y2Ba 13gydF4y2Ba 17gydF4y2Ba 13gydF4y2Ba
R7gydF4y2Ba 18gydF4y2Ba 12gydF4y2Ba 21gydF4y2Ba 9gydF4y2Ba
L1gydF4y2Ba 23gydF4y2Ba 7gydF4y2Ba 18gydF4y2Ba 12gydF4y2Ba
L2gydF4y2Ba 22gydF4y2Ba 8gydF4y2Ba 14gydF4y2Ba 16gydF4y2Ba
L3gydF4y2Ba 20.gydF4y2Ba 10gydF4y2Ba 19gydF4y2Ba 11gydF4y2Ba
L4gydF4y2Ba 23gydF4y2Ba 7gydF4y2Ba 16gydF4y2Ba 14gydF4y2Ba
L5gydF4y2Ba 17gydF4y2Ba 13gydF4y2Ba 22gydF4y2Ba 8gydF4y2Ba
16种gydF4y2Ba 21gydF4y2Ba 9gydF4y2Ba 17gydF4y2Ba 13gydF4y2Ba
发明人或者设计人gydF4y2Ba 19gydF4y2Ba 11gydF4y2Ba 21gydF4y2Ba 9gydF4y2Ba

均方根误差的8倍交叉验证(RMSECV)被用作索引选择潜在变量的数量。相关系数(gydF4y2Ba rgydF4y2Ba 定量限),回归方程,LOD,平均复苏,盘中、interday精度被用来验证该方法。精度和重复性计算盘中和interday测定的相对标准偏差校准(主要)和预测(RSDP)评价仪器的性能。检测极限(LOD) (gydF4y2Ba 30.gydF4y2Ba,gydF4y2Ba 31日gydF4y2Ba)和量化的极限(定量限)计算如下:gydF4y2Ba (1)gydF4y2Ba lgydF4y2Ba OgydF4y2Ba DgydF4y2Ba =gydF4y2Ba 3.3gydF4y2Ba 年代gydF4y2Ba 0gydF4y2Ba lgydF4y2Ba OgydF4y2Ba 问gydF4y2Ba =gydF4y2Ba 10gydF4y2Ba 年代gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba 年代gydF4y2Ba (gydF4y2Ba 0gydF4y2Ba )gydF4y2Ba 是草药的标准差在预测浓度样本背景空白样品。gydF4y2Ba

模型估计的性能的标定的均方根误差(RMSEC),预测的均方根误差(RMSEP)最佳的潜变量,和参考之间的相关系数预测值如下方程(gydF4y2Ba 32gydF4y2Ba]:gydF4y2Ba (2)gydF4y2Ba RgydF4y2Ba 米gydF4y2Ba 年代gydF4y2Ba EgydF4y2Ba CgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ygydF4y2Ba cgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba ygydF4y2Ba ^gydF4y2Ba cgydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba NgydF4y2Ba cgydF4y2Ba RgydF4y2Ba 米gydF4y2Ba 年代gydF4y2Ba EgydF4y2Ba PgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ygydF4y2Ba pgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba ygydF4y2Ba ^gydF4y2Ba pgydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba NgydF4y2Ba pgydF4y2Ba RgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba ygydF4y2Ba ^gydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba 年代gydF4y2Ba 2gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ×gydF4y2Ba 年代gydF4y2Ba 2gydF4y2Ba ygydF4y2Ba ^gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba NgydF4y2Ba cgydF4y2Ba 和gydF4y2Ba NgydF4y2Ba pgydF4y2Ba 对应的数量校准样品和确认样品,分别。gydF4y2Ba ygydF4y2Ba cgydF4y2Ba 我gydF4y2Ba 和gydF4y2Ba ygydF4y2Ba ^gydF4y2Ba cgydF4y2Ba 我gydF4y2Ba 属性的引用和预测值吗gydF4y2Ba ygydF4y2Ba 为gydF4y2Ba 我gydF4y2Ba 分别th校准样品。gydF4y2Ba ygydF4y2Ba pgydF4y2Ba 我gydF4y2Ba 和gydF4y2Ba ygydF4y2Ba ^gydF4y2Ba pgydF4y2Ba 我gydF4y2Ba 代表属性的引用和预测值gydF4y2Ba ygydF4y2Ba 为gydF4y2Ba 我gydF4y2Ba 验证样本。gydF4y2Ba 年代gydF4y2Ba 2gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba 和gydF4y2Ba 年代gydF4y2Ba 2gydF4y2Ba ygydF4y2Ba ^gydF4y2Ba 我gydF4y2Ba 表示引用和预测的方差值的组件gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ,分别。gydF4y2Ba

 3所示。结果和讨论gydF4y2Ba 3.1。分析近红外光谱和米尔光谱指纹Multipesticide残留的化学加工样品gydF4y2Ba

三种农药残留的分子结构,包括钙、Th, Te和近红外光谱和米尔multipesticide残留的光谱gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba样品绘制在图gydF4y2Ba 1gydF4y2Ba。gydF4y2Ba

杀螟丹的分子结构,虫酰肼·原杀,近红外光谱((a1)和(a2))或米尔((b1)和(b2))光谱multipesticide残留gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba样本。gydF4y2Ba

原始的近红外光谱或米尔光谱高度重叠,一个贫穷的最高分辨率,使特定峰的准确的作业非常困难。缓解高峰归因,化学键和atom-atom表示,在一个原子可以碳(C)、氢(H)、氧(O)、氮(N)的近红外光谱multipesticide残留gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba样品如图gydF4y2Ba 1gydF4y2Ba(a1),可以看出特征吸收峰可以解释如下gydF4y2Ba 33gydF4y2Ba,gydF4y2Ba 34gydF4y2Ba高峰:4251厘米gydF4y2Ba−1gydF4y2Ba碳氢键拉伸/碳氢键变形在苯或CHgydF4y2Ba2gydF4y2Ba第二次泛音弯曲,约4340厘米gydF4y2Ba−1gydF4y2Ba可以归因于碳氢键的组合吸光度反对称弯曲伸展和碳氢键。约4686厘米gydF4y2Ba−1gydF4y2Ba的伸缩振动峰品牌由于组合C = C =碳氢键的乐队和组合基础乐队- h拉伸和弯曲;峰值5180厘米gydF4y2Ba−1gydF4y2Ba可以解释为第二次泛音的C = O拉伸,拉伸第一泛音碳氢键的乐队在芳香环和组合地拉伸和弯曲的基带。其他福利作业5781厘米gydF4y2Ba−1gydF4y2Ba第二色彩的碳氢键在不同的组和6877厘米gydF4y2Ba−1gydF4y2Ba作为第一个泛音的地伸展。图gydF4y2Ba 1gydF4y2Ba(b1)显示米尔multipesticide残留的光谱gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba样本。从图gydF4y2Ba 1gydF4y2Ba(b1),变化峰值在1200 - 900厘米左右gydF4y2Ba−1gydF4y2Ba可以与碳氢键关联组和高峰在1500 - 1200厘米吗gydF4y2Ba−1gydF4y2Ba可以与切断。宽范围3500到1700厘米gydF4y2Ba−1gydF4y2Ba主要由重叠的-哦拉伸(3500 - 2933厘米gydF4y2Ba−1gydF4y2Ba)和各种nh弯曲和拉伸酰胺化合物的振动(3400 - 1636厘米gydF4y2Ba−1gydF4y2Ba)。其他峰值可能分配的不对称振动CHgydF4y2Ba2gydF4y2Ba在2933厘米gydF4y2Ba−1gydF4y2Ba和特点主要乐队715厘米左右gydF4y2Ba−1gydF4y2Ba和762.1厘米gydF4y2Ba−1gydF4y2Ba可以被视为优良特性的芳香取代反应。一般来说,不同的官能团multipesticide残留或化学成分gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba如isoimperatorin imperatorin、oxypeucedanin byakangelicol, byakangelicin可以分配给不同的振动模式。光谱分辨率较低可以归因于多组分的贡献所带来的变化和扭曲他们的交互。同样,近红外光谱和米尔multipesticide残留的光谱指纹gydF4y2Ba 甘草gydF4y2Ba也可以反映化学键的特征和光谱分辨率仍然遭受低和重叠。因此,最优化方法需要提取有用信息的同时定量分析钙、Th, chm Te。gydF4y2Ba

 3.2。同时测定钙、Th, Te chm样本gydF4y2Ba

同时定量分析Ca、Th和Te chm样品中,线性PLS模型开发与原始FT-NIR光谱或FT-MIR multipesticide残留gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba,分别。最优潜变量数量的所有PLSR模型被确定为6到8倍交叉验证。相应的预测浓度的分析物(每个农药残留)作为一个函数的实际浓度可以找到评价关系,通过线性回归方程的偏差。在此,变量gydF4y2Ba ygydF4y2Ba 与农药残留的预测价值,而变量gydF4y2Ba xgydF4y2Ba 是与农药残留的实际价值。Ca的相关系数、Th和Te通过使用NIR-PLSR和MIR-PLSR几乎接近于1,分别。预测结果为不同的chm使用近红外光谱和米尔基于PLSR方法总结表gydF4y2Ba 3gydF4y2Ba。gydF4y2Ba

结果multipesticide残留不同的chm使用近红外光谱和米尔基于PLSR方法。gydF4y2Ba

样本组gydF4y2Ba NIR-PLSR模型预测平均浓度gydF4y2Ba MIR-PLSR模型预测平均浓度gydF4y2Ba
Ca (gydF4y2Ba μgydF4y2Bag·ggydF4y2Ba−1gydF4y2Ba)gydF4y2Ba Th (gydF4y2Ba μgydF4y2Bag·ggydF4y2Ba−1gydF4y2Ba)gydF4y2Ba Te (gydF4y2Ba μgydF4y2Bag·ggydF4y2Ba−1gydF4y2Ba)gydF4y2Ba Ca (gydF4y2Ba μgydF4y2Bag·ggydF4y2Ba−1gydF4y2Ba)gydF4y2Ba Th (gydF4y2Ba μgydF4y2Bag·ggydF4y2Ba−1gydF4y2Ba)gydF4y2Ba Te (gydF4y2Ba μgydF4y2Bag·ggydF4y2Ba−1gydF4y2Ba)gydF4y2Ba
R1gydF4y2Ba 39.95gydF4y2Ba ±gydF4y2Ba 0.31gydF4y2Ba 0.12gydF4y2Ba ±gydF4y2Ba 0.36gydF4y2Ba 0.19gydF4y2Ba ±gydF4y2Ba 0.31gydF4y2Ba 40.00gydF4y2Ba ±gydF4y2Ba 0.05gydF4y2Ba 0.0091gydF4y2Ba ±gydF4y2Ba 0.08gydF4y2Ba - - - - - -gydF4y2Ba 0.0gydF4y2Ba 11gydF4y2Ba ±gydF4y2Ba 0.0gydF4y2Ba 5gydF4y2Ba
R2gydF4y2Ba 32.01gydF4y2Ba ±gydF4y2Ba 0.85gydF4y2Ba 7.69gydF4y2Ba ±gydF4y2Ba 0.64gydF4y2Ba 0.29gydF4y2Ba ±gydF4y2Ba 0.38gydF4y2Ba 32.02gydF4y2Ba ±gydF4y2Ba 0.13gydF4y2Ba 8.01gydF4y2Ba ±gydF4y2Ba 0.13gydF4y2Ba - - - - - -gydF4y2Ba 0.0gydF4y2Ba 1gydF4y2Ba 9gydF4y2Ba ±gydF4y2Ba 0.0gydF4y2Ba 4gydF4y2Ba
R3gydF4y2Ba 24.09gydF4y2Ba ±gydF4y2Ba 0.62gydF4y2Ba 11.93gydF4y2Ba ±gydF4y2Ba 0.62gydF4y2Ba 4.03gydF4y2Ba ±gydF4y2Ba 0.30gydF4y2Ba 24.00gydF4y2Ba ±gydF4y2Ba 0.05gydF4y2Ba 11.99gydF4y2Ba ±gydF4y2Ba 0.06gydF4y2Ba 4.0gydF4y2Ba 1gydF4y2Ba ±gydF4y2Ba 0.07gydF4y2Ba
R4gydF4y2Ba 16.18gydF4y2Ba ±gydF4y2Ba 0.40gydF4y2Ba 15.64gydF4y2Ba ±gydF4y2Ba 0.42gydF4y2Ba 8.19gydF4y2Ba ±gydF4y2Ba 0.30gydF4y2Ba 15.97gydF4y2Ba ±gydF4y2Ba 0.08gydF4y2Ba 16.04gydF4y2Ba ±gydF4y2Ba 0.12gydF4y2Ba 8.00gydF4y2Ba ±gydF4y2Ba 0.0gydF4y2Ba 7gydF4y2Ba
R5gydF4y2Ba 8.28gydF4y2Ba ±gydF4y2Ba 0.80gydF4y2Ba 20.03gydF4y2Ba ±gydF4y2Ba 0.95gydF4y2Ba 11.68gydF4y2Ba ±gydF4y2Ba 0.44gydF4y2Ba 8.04gydF4y2Ba ±gydF4y2Ba 0.14gydF4y2Ba 19.98gydF4y2Ba ±gydF4y2Ba 0.16gydF4y2Ba 11.9gydF4y2Ba 6gydF4y2Ba ±gydF4y2Ba 0.1gydF4y2Ba 7gydF4y2Ba
R6gydF4y2Ba 0.24gydF4y2Ba ±gydF4y2Ba 0.83gydF4y2Ba 23.45gydF4y2Ba ±gydF4y2Ba 0.89gydF4y2Ba 16.29gydF4y2Ba ±gydF4y2Ba 0.46gydF4y2Ba - - - - - -gydF4y2Ba 0.027gydF4y2Ba ±gydF4y2Ba 0.16gydF4y2Ba 24.03gydF4y2Ba ±gydF4y2Ba 0.16gydF4y2Ba 1gydF4y2Ba 5.99gydF4y2Ba ±gydF4y2Ba 0.08gydF4y2Ba
R7gydF4y2Ba 7.83gydF4y2Ba ±gydF4y2Ba 0.80gydF4y2Ba 12.41gydF4y2Ba ±gydF4y2Ba 0.95gydF4y2Ba 19.81gydF4y2Ba ±gydF4y2Ba 0.51gydF4y2Ba 7.99gydF4y2Ba ±gydF4y2Ba 0.20gydF4y2Ba 12.00gydF4y2Ba ±gydF4y2Ba 0.22gydF4y2Ba 20.0gydF4y2Ba 4gydF4y2Ba ±gydF4y2Ba 0.0gydF4y2Ba 5gydF4y2Ba
rgydF4y2Ba 0.9999gydF4y2Ba 0.9998gydF4y2Ba 0.9998gydF4y2Ba 1.000gydF4y2Ba 0.9999gydF4y2Ba 1.000gydF4y2Ba
回归方程gydF4y2Ba ygydF4y2Ba =gydF4y2Ba 0.9998gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.0035gydF4y2Ba ygydF4y2Ba =gydF4y2Ba 0.9995gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.0061gydF4y2Ba ygydF4y2Ba =gydF4y2Ba 0.9997gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.0028gydF4y2Ba ygydF4y2Ba =gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.00061gydF4y2Ba ygydF4y2Ba =gydF4y2Ba 0.9998gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.0026gydF4y2Ba ygydF4y2Ba =gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.000gydF4y2Ba 39gydF4y2Ba
平均回收率(%)gydF4y2Ba 100.4gydF4y2Ba ±gydF4y2Ba 6.1gydF4y2Ba 98.8gydF4y2Ba ±gydF4y2Ba 6.6gydF4y2Ba 100.4gydF4y2Ba ±gydF4y2Ba 4.6gydF4y2Ba 100.0gydF4y2Ba ±gydF4y2Ba 1。1gydF4y2Ba 99.7gydF4y2Ba ±gydF4y2Ba 2。8gydF4y2Ba 100.0gydF4y2Ba ±gydF4y2Ba 1gydF4y2Ba 。gydF4y2Ba 1gydF4y2Ba
LODgydF4y2Ba 2.45gydF4y2Ba 1.20gydF4y2Ba 1.15gydF4y2Ba 0.40gydF4y2Ba 0.27gydF4y2Ba 0.14gydF4y2Ba
定量限gydF4y2Ba 7.43gydF4y2Ba 3.64gydF4y2Ba 3.47gydF4y2Ba 1.21gydF4y2Ba 0.81gydF4y2Ba 0.43gydF4y2Ba
L1gydF4y2Ba 39.58gydF4y2Ba ±gydF4y2Ba 0.78gydF4y2Ba 0.39gydF4y2Ba ±gydF4y2Ba 0.53gydF4y2Ba 0.93gydF4y2Ba ±gydF4y2Ba 1.00gydF4y2Ba 40.08gydF4y2Ba ±gydF4y2Ba 0.18gydF4y2Ba 0.047gydF4y2Ba ±gydF4y2Ba 0.10gydF4y2Ba 0.040gydF4y2Ba ±gydF4y2Ba 0.11gydF4y2Ba
L2gydF4y2Ba 31.77gydF4y2Ba ±gydF4y2Ba 1.07gydF4y2Ba 8.02gydF4y2Ba ±gydF4y2Ba 0.82gydF4y2Ba 0.29gydF4y2Ba ±gydF4y2Ba 0.27gydF4y2Ba 31.98gydF4y2Ba ±gydF4y2Ba 0.12gydF4y2Ba 8.01gydF4y2Ba ±gydF4y2Ba 0.07gydF4y2Ba 0.010gydF4y2Ba ±gydF4y2Ba 0.07gydF4y2Ba
L3gydF4y2Ba 23.83gydF4y2Ba ±gydF4y2Ba 0.63gydF4y2Ba 12.12gydF4y2Ba ±gydF4y2Ba 0.46gydF4y2Ba 3.91gydF4y2Ba ±gydF4y2Ba 0.44gydF4y2Ba 24.06gydF4y2Ba ±gydF4y2Ba 0.15gydF4y2Ba 11.95gydF4y2Ba ±gydF4y2Ba 0.01gydF4y2Ba 3.98gydF4y2Ba ±gydF4y2Ba 0.08gydF4y2Ba
L4gydF4y2Ba 16.60gydF4y2Ba ±gydF4y2Ba 0.89gydF4y2Ba 15.73gydF4y2Ba ±gydF4y2Ba 0.50gydF4y2Ba 7.58gydF4y2Ba ±gydF4y2Ba 0.49gydF4y2Ba 16.04gydF4y2Ba ±gydF4y2Ba 0.10gydF4y2Ba 16.03gydF4y2Ba ±gydF4y2Ba 0.00gydF4y2Ba 7.94gydF4y2Ba ±gydF4y2Ba 0.07gydF4y2Ba
L5gydF4y2Ba 7.40gydF4y2Ba ±gydF4y2Ba 1.08gydF4y2Ba 20.23gydF4y2Ba ±gydF4y2Ba 0.61gydF4y2Ba 12.28gydF4y2Ba ±gydF4y2Ba 0.49gydF4y2Ba 8.09gydF4y2Ba ±gydF4y2Ba 0.16gydF4y2Ba 19.97gydF4y2Ba ±gydF4y2Ba 0.12gydF4y2Ba 11.95gydF4y2Ba ±gydF4y2Ba 0.06gydF4y2Ba
16种gydF4y2Ba 0.087gydF4y2Ba ±gydF4y2Ba 0.66gydF4y2Ba 24.05gydF4y2Ba ±gydF4y2Ba 0.52gydF4y2Ba 16.03gydF4y2Ba ±gydF4y2Ba 0.38gydF4y2Ba 0.046gydF4y2Ba ±gydF4y2Ba 0.12gydF4y2Ba 23.99gydF4y2Ba ±gydF4y2Ba 0.08gydF4y2Ba 15.96gydF4y2Ba ±gydF4y2Ba 0.06gydF4y2Ba
发明人或者设计人gydF4y2Ba 8.28gydF4y2Ba ±gydF4y2Ba 1.37gydF4y2Ba 12.11gydF4y2Ba ±gydF4y2Ba 1.14gydF4y2Ba 19.70gydF4y2Ba ±gydF4y2Ba 0.42gydF4y2Ba 7.95gydF4y2Ba ±gydF4y2Ba 0.12gydF4y2Ba 12.02gydF4y2Ba ±gydF4y2Ba 0.08gydF4y2Ba 20.02gydF4y2Ba ±gydF4y2Ba 0.07gydF4y2Ba
rgydF4y2Ba 0.9994gydF4y2Ba 0.9988gydF4y2Ba 0.9993gydF4y2Ba 1.000gydF4y2Ba 1.000gydF4y2Ba 1.000gydF4y2Ba
回归方程gydF4y2Ba ygydF4y2Ba =gydF4y2Ba 0.9989gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.021gydF4y2Ba 1gydF4y2Ba ygydF4y2Ba =gydF4y2Ba 0.9976gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.03gydF4y2Ba 02gydF4y2Ba ygydF4y2Ba =gydF4y2Ba 0.9987gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.011gydF4y2Ba ygydF4y2Ba =gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.0004gydF4y2Ba 6gydF4y2Ba ygydF4y2Ba =gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.0004gydF4y2Ba 5gydF4y2Ba ygydF4y2Ba =gydF4y2Ba xgydF4y2Ba +gydF4y2Ba 0.0002gydF4y2Ba 6gydF4y2Ba
平均回收率(%)gydF4y2Ba 99.0gydF4y2Ba ±gydF4y2Ba 10.8gydF4y2Ba 100.2gydF4y2Ba ±gydF4y2Ba 6.9gydF4y2Ba 99.1gydF4y2Ba ±gydF4y2Ba 6.3gydF4y2Ba 100.2gydF4y2Ba ±gydF4y2Ba 1。0gydF4y2Ba 99.7gydF4y2Ba ±gydF4y2Ba 2。5gydF4y2Ba 99.6gydF4y2Ba ±gydF4y2Ba 1。0gydF4y2Ba
LODgydF4y2Ba 2.03gydF4y2Ba 1.75gydF4y2Ba 2.36gydF4y2Ba 0.38gydF4y2Ba 0.32gydF4y2Ba 0.30gydF4y2Ba
定量限gydF4y2Ba 6.14gydF4y2Ba 5.29gydF4y2Ba 7.14gydF4y2Ba 1.16gydF4y2Ba 0.97gydF4y2Ba 0.91gydF4y2Ba

Ca, Th, TegydF4y2Ba 甘草gydF4y2Ba,平均预测经济复苏获得的近红外光谱gydF4y2Ba 99.0gydF4y2Ba ±gydF4y2Ba 10.8gydF4y2Ba ,gydF4y2Ba 100.2gydF4y2Ba ±gydF4y2Ba 6.9gydF4y2Ba ,gydF4y2Ba 99.1gydF4y2Ba ±gydF4y2Ba 6.3gydF4y2Ba %gydF4y2Ba 和从米尔gydF4y2Ba 100.2gydF4y2Ba ±gydF4y2Ba 1。0gydF4y2Ba ,gydF4y2Ba 99.7gydF4y2Ba ±gydF4y2Ba 2。5gydF4y2Ba ,gydF4y2Ba 99.6gydF4y2Ba ±gydF4y2Ba 1。0gydF4y2Ba %gydF4y2Ba ,分别。Ca, Th, TegydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba,平均预测经济复苏获得的近红外光谱gydF4y2Ba 100.4gydF4y2Ba ±gydF4y2Ba 6.1gydF4y2Ba ,gydF4y2Ba 98.8gydF4y2Ba ±gydF4y2Ba 6.6gydF4y2Ba ,gydF4y2Ba 100.4gydF4y2Ba ±gydF4y2Ba 4.6gydF4y2Ba %gydF4y2Ba 和从米尔gydF4y2Ba 100.0gydF4y2Ba ±gydF4y2Ba 0.1gydF4y2Ba ,gydF4y2Ba 99.7gydF4y2Ba ±gydF4y2Ba 2。8gydF4y2Ba ,gydF4y2Ba 100.0gydF4y2Ba ±gydF4y2Ba 1。1gydF4y2Ba %gydF4y2Ba ,分别。这些结果表明,这两种方法都可以提供一个令人满意的预测能力可能决定Ca, Th, Te复杂chm矩阵。此外,数据的价值(FOM) LOD和定量限等是非常重要的在发展中,比较,评估分析方法和分析结果的可靠性。对于NIR-PLSR方法,检测的局限性(钟表)钙、Th, TegydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba是2.45,1.20,和1.15吗gydF4y2Ba μgydF4y2BaggydF4y2Ba ·gydF4y2Ba ggydF4y2Ba−1gydF4y2Ba分别;在gydF4y2Ba 甘草gydF4y2Ba是2.03,1.75,和2.36吗gydF4y2Ba μgydF4y2BaggydF4y2Ba ·gydF4y2Ba ggydF4y2Ba−1gydF4y2Ba,分别。对于MIR-PLSR方法,对Ca的钟表,Th, TegydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba是0.40,0.27,和0.14 ng吗gydF4y2Ba ·gydF4y2Ba 毫升gydF4y2Ba−1gydF4y2Ba分别;在gydF4y2Ba 甘草gydF4y2Ba是0.38,0.32,和0.30吗gydF4y2Ba μgydF4y2BaggydF4y2Ba ·gydF4y2Ba ggydF4y2Ba−1gydF4y2Ba。可以发现提出的近红外光谱和基于PLSR米尔方法可以产生令人满意的预测能力测定ATR, AME,亲gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba样本,分别。预测浓度与实际的Ca (a)、(b),和Te (c)gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba使用NIR-PLSR没有光谱预处理也显示在图gydF4y2Ba 2gydF4y2Ba。可以看出预测值非常接近实际值。同样,三种农药残留的预测价值gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2BaNIR-PLSR或MIR-PLSR略微偏离实际价值(类似数据未显示)。这些结果证实了基于PLSR近红外光谱方法相当有效。gydF4y2Ba

相关情节的浓度预测与实际的Ca (a), (b),和Te (c)gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba使用NIR-PLSR。gydF4y2Ba

此外,为了进一步调查的准确性和提出方法,30岁gydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba每组样本来自七个不同组织(R1-R7)和30gydF4y2Ba 甘草gydF4y2Ba每组样本来自七个不同组织(L1-L7)准备和分析一天一式三份;这个实验是重复了3天。统计参数包括RMSEC RMSEP、RSDC RSDP中演示了在盘中和interday测试表gydF4y2Ba 4gydF4y2Ba。gydF4y2Ba

获得的结果进行验证分析的准确度和精密度chm样本。gydF4y2Ba

方法gydF4y2Ba 化学加工gydF4y2Ba 农药gydF4y2Ba 盘中gydF4y2Ba InterdaygydF4y2Ba
精度gydF4y2Ba 精度gydF4y2Ba 精度gydF4y2Ba 精度gydF4y2Ba
RMSECgydF4y2Ba RMSEPgydF4y2Ba RSDC %gydF4y2Ba RSDP %gydF4y2Ba RMSECgydF4y2Ba RMSEPgydF4y2Ba RSDC %gydF4y2Ba RSDP %gydF4y2Ba
NIR-PLSRgydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba CagydF4y2Ba 0.48gydF4y2Ba 0.59gydF4y2Ba 2.09gydF4y2Ba 2.55gydF4y2Ba 1.12gydF4y2Ba 1.54gydF4y2Ba 4.66gydF4y2Ba 7.30gydF4y2Ba
ThgydF4y2Ba 0.47gydF4y2Ba 0.79gydF4y2Ba 2.83gydF4y2Ba 4.69gydF4y2Ba 0.76gydF4y2Ba 1.14gydF4y2Ba 4.49gydF4y2Ba 6.74gydF4y2Ba
TegydF4y2Ba 0.33gydF4y2Ba 0.43gydF4y2Ba 3.18gydF4y2Ba 3.94gydF4y2Ba 0.47gydF4y2Ba 0.67gydF4y2Ba 4.30gydF4y2Ba 6.37gydF4y2Ba
MIR-PLSRgydF4y2Ba CagydF4y2Ba 0.08gydF4y2Ba 0.11gydF4y2Ba 0.36gydF4y2Ba 0.42gydF4y2Ba 0.48gydF4y2Ba 0.57gydF4y2Ba 2.26gydF4y2Ba 2.41gydF4y2Ba
ThgydF4y2Ba 0.10gydF4y2Ba 0.39gydF4y2Ba 0.61gydF4y2Ba 1.06gydF4y2Ba 0.33gydF4y2Ba 0.53gydF4y2Ba 1.92gydF4y2Ba 3.09gydF4y2Ba
TegydF4y2Ba 0.05gydF4y2Ba 0.08gydF4y2Ba 0.43gydF4y2Ba 0.77gydF4y2Ba 0.50gydF4y2Ba 0.69gydF4y2Ba 4.71gydF4y2Ba 6.80gydF4y2Ba
NIR-PLSRgydF4y2Ba 甘草gydF4y2Ba CagydF4y2Ba 0.45gydF4y2Ba 1.01gydF4y2Ba 1.90gydF4y2Ba 5.00gydF4y2Ba 1.50gydF4y2Ba 1.96gydF4y2Ba 6.40gydF4y2Ba 9.20gydF4y2Ba
ThgydF4y2Ba 0.36gydF4y2Ba 0.85gydF4y2Ba 2.30gydF4y2Ba 4.20gydF4y2Ba 0.86gydF4y2Ba 1.24gydF4y2Ba 5.30gydF4y2Ba 7.00gydF4y2Ba
TegydF4y2Ba 0.26gydF4y2Ba 0.55gydF4y2Ba 2.60gydF4y2Ba 4.60gydF4y2Ba 0.67gydF4y2Ba 0.85gydF4y2Ba 6.40gydF4y2Ba 6.60gydF4y2Ba
MIR-PLSRgydF4y2Ba CagydF4y2Ba 0.067gydF4y2Ba 0.14gydF4y2Ba 0.30gydF4y2Ba 0.60gydF4y2Ba 0.38gydF4y2Ba 0.46gydF4y2Ba 1.60gydF4y2Ba 1.80gydF4y2Ba
ThgydF4y2Ba 0.042gydF4y2Ba 0.34gydF4y2Ba 0.20gydF4y2Ba 0.80gydF4y2Ba 0.34gydF4y2Ba 0.43gydF4y2Ba 1.90gydF4y2Ba 2.80gydF4y2Ba
TegydF4y2Ba 0.038gydF4y2Ba 0.082gydF4y2Ba 0.30gydF4y2Ba 0.80gydF4y2Ba 0.22gydF4y2Ba 0.31gydF4y2Ba 1.90gydF4y2Ba 3.30gydF4y2Ba

可以看出NIR-PLSR盘中RMSEP为0.59,0.79,和0.43 interday RMSEP为1.54,1.14,0.67,Ca, Th, TegydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba,分别。MIR-PLSR给盘中RMSEP为0.11、0.39和0.08和interday RMSEP为0.57,0.53,0.69,Ca, Th, TegydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba,分别。它还可以看到所有的相对标准偏差(RSDPs)是由MIR-PLSR NIR-PLSR和7%不到10%。这些结果进一步验证该两种方法可以给出准确的结果相互替代;只有MIR-PLSR的性能略优于NIR-PLSR在这种情况下遭受chm矩阵的影响。这可能是由于这样的事实,米尔显示红外活性最强的吸收振动。gydF4y2Ba

 4所示。结论gydF4y2Ba

在目前的研究中,一个简单,快速和有效的方法已经成功开发了Ca的定量分析,Th, TegydF4y2Ba 中药白芷香豆素类成分基数gydF4y2Ba和gydF4y2Ba 甘草gydF4y2Ba基于使用FT-NIR和FT-MIR PLSR方法。拟议中的量化方法被证明是能够执行的同时测定multipesticide残留在复杂的中国草药没有物理或化学分离和光谱处理预处理步骤。此外,绩效和统计参数的数据表明,这两种方法都可以给准确和稳定的结果;只有MIR-PLSR的性能略优于NIR-PLSR例患有基体效应。预计这个跟踪测定农药的潜在优势在中国草药,如精度、速度,和低成本,可以更加突出了考虑自动化的可能性,提出了在线检测方法。gydF4y2Ba

 相互竞争的利益gydF4y2Ba

作者宣称没有利益冲突。gydF4y2Ba

 确认gydF4y2Ba

这项工作是由中国国家自然科学基金资助(号。21576297和21205145];开放基金的绿色化学合成技术国家重点实验室培育基地浙江理工大学(没有。GCTKF2014003];开放研究计划(号。2015 zd001和2015 zd002]从少数民族的现代化工程技术研究中心医学湖北省(中南民族大学)。gydF4y2Ba

 陈gydF4y2Ba K。gydF4y2Ba 中药有毒污染物的某些方面gydF4y2Ba 光化层gydF4y2Ba 2003年gydF4y2Ba 52gydF4y2Ba 9gydF4y2Ba 1361年gydF4y2Ba 1371年gydF4y2Ba 12867165gydF4y2Ba 10.1016 / s0045 - 6535 (03) 00471 - 5gydF4y2Ba 2 - s2.0 - 0642283441gydF4y2Ba 12867165gydF4y2Ba HuiegydF4y2Ba c·W。gydF4y2Ba 回顾现代样品制备药用植物的提取和分析的技术gydF4y2Ba 分析和分析化学gydF4y2Ba 2002年gydF4y2Ba 373年gydF4y2Ba 1 - 2gydF4y2Ba 23gydF4y2Ba 30.gydF4y2Ba 12012169gydF4y2Ba 10.1007 / s00216 - 002 - 1265 - 3gydF4y2Ba 2 - s2.0 - 0036012764gydF4y2Ba 12012169gydF4y2Ba 巴纳吉gydF4y2Ba K。gydF4y2Ba UtturegydF4y2Ba 年代。gydF4y2Ba 达斯古普塔gydF4y2Ba 年代。gydF4y2Ba KandaswamygydF4y2Ba C。gydF4y2Ba 普拉丹gydF4y2Ba 年代。gydF4y2Ba KulkarnigydF4y2Ba 年代。gydF4y2Ba AdsulegydF4y2Ba P。gydF4y2Ba Multiresidue测定375有机污染物包括农药、多氯联苯和聚芳在水果和蔬菜碳氢化合物气体chromatography-triple四极质谱与semi-quantification方法的介绍gydF4y2Ba 杂志的色谱gydF4y2Ba 2012年gydF4y2Ba 1270年gydF4y2Ba 283年gydF4y2Ba 295年gydF4y2Ba 23182279gydF4y2Ba 10.1016 / j.chroma.2012.10.066gydF4y2Ba 2 - s2.0 - 84872271689gydF4y2Ba 23182279gydF4y2Ba 里维拉gydF4y2Ba z H。gydF4y2Ba OosterinkgydF4y2Ba E。gydF4y2Ba 里特维德gydF4y2Ba lgydF4y2Ba SchoutsengydF4y2Ba F。gydF4y2Ba StolkergydF4y2Ba lgydF4y2Ba 天然有机物对药物筛选的水通过使用液相色谱与全扫描质谱分析gydF4y2Ba 分析Chimica学报gydF4y2Ba 2011年gydF4y2Ba 700年gydF4y2Ba 1 - 2gydF4y2Ba 114年gydF4y2Ba 125年gydF4y2Ba 10.1016 / j.aca.2010.12.040gydF4y2Ba 2 - s2.0 - 79960088377gydF4y2Ba Garcia-AcgydF4y2Ba 一个。gydF4y2Ba 塞古拉gydF4y2Ba p。gydF4y2Ba ViglinogydF4y2Ba lgydF4y2Ba FurtosgydF4y2Ba 一个。gydF4y2Ba 盖格农gydF4y2Ba C。gydF4y2Ba 普雷沃斯特gydF4y2Ba M。gydF4y2Ba 索维gydF4y2Ba 年代。gydF4y2Ba 在线固相萃取的大容量注射液体耦合chromatography-tandem质谱定量和确认的14个选定的微量有机污染物在饮用水和地表水gydF4y2Ba 杂志的色谱gydF4y2Ba 2009年gydF4y2Ba 1216年gydF4y2Ba 48gydF4y2Ba 8518年gydF4y2Ba 8527年gydF4y2Ba 19875124gydF4y2Ba 10.1016 / j.chroma.2009.10.015gydF4y2Ba 2 - s2.0 - 70350521632gydF4y2Ba 19875124gydF4y2Ba 埃尔南德斯gydF4y2Ba F。gydF4y2Ba PortolesgydF4y2Ba T。gydF4y2Ba PitarchgydF4y2Ba E。gydF4y2Ba 洛佩兹gydF4y2Ba f·J。gydF4y2Ba 目标和不属预定目标的筛选有机微污染物在水中的固相微萃取与气相色谱/高分辨飞行时间质谱相结合gydF4y2Ba 分析化学gydF4y2Ba 2007年gydF4y2Ba 79年gydF4y2Ba 24gydF4y2Ba 9494年gydF4y2Ba 9504年gydF4y2Ba 10.1021 / ac071551bgydF4y2Ba 2 - s2.0 - 37249059822gydF4y2Ba 郭台铭gydF4y2Ba Q。gydF4y2Ba LvgydF4y2Ba X。gydF4y2Ba 唐ydF4y2Ba lgydF4y2Ba 余gydF4y2Ba B.-Y。gydF4y2Ba 同时测定26在5中药材农药残留用固相萃取和GC-ECD方法gydF4y2Ba 中国天然药物杂志》上gydF4y2Ba 2009年gydF4y2Ba 7gydF4y2Ba 3gydF4y2Ba 210年gydF4y2Ba 216年gydF4y2Ba 10.3724 / SP.J.1009.2009.00210gydF4y2Ba 2 - s2.0 - 77749312971gydF4y2Ba 徐gydF4y2Ba R。gydF4y2Ba 吴gydF4y2Ba J。gydF4y2Ba 刘gydF4y2Ba Y。gydF4y2Ba 赵gydF4y2Ba R。gydF4y2Ba 程ydF4y2Ba B。gydF4y2Ba 杨gydF4y2Ba M。gydF4y2Ba 程ydF4y2Ba J。gydF4y2Ba 农药残留分析使用快速简单廉价有效的坚固和安全(QuEChERS)农药multiresidue方法在中医通过气相色谱电子捕获检测gydF4y2Ba 光化层gydF4y2Ba 2011年gydF4y2Ba 84年gydF4y2Ba 7gydF4y2Ba 908年gydF4y2Ba 912年gydF4y2Ba 21741067gydF4y2Ba 10.1016 / j.chemosphere.2011.06.013gydF4y2Ba 2 - s2.0 - 79960295287gydF4y2Ba 21741067gydF4y2Ba 通gydF4y2Ba H。gydF4y2Ba 通gydF4y2Ba Y。gydF4y2Ba 雪gydF4y2Ba J。gydF4y2Ba 刘gydF4y2Ba D。gydF4y2Ba 吴gydF4y2Ba X。gydF4y2Ba 商业中国草药Multi-residual农药监测气体chromatography-triple四极串联质谱分析gydF4y2Ba 食品分析方法gydF4y2Ba 2014年gydF4y2Ba 7gydF4y2Ba 1gydF4y2Ba 135年gydF4y2Ba 145年gydF4y2Ba 10.1007 / s12161 - 013 - 9609 - 5gydF4y2Ba 2 - s2.0 - 84891632730gydF4y2Ba 毛gydF4y2Ba X。gydF4y2Ba 湾gydF4y2Ba Y。gydF4y2Ba 杨ydF4y2Ba 一个。gydF4y2Ba 沈gydF4y2Ba M。gydF4y2Ba 魏gydF4y2Ba Y。gydF4y2Ba 同时测定有机磷、有机氯、pyrethriod和氨基甲酸酯农药gydF4y2Ba 黄芪gydF4y2Ba通过微波萃取/ dispersive-solid阶段提取结合gc - msgydF4y2Ba TalantagydF4y2Ba 2012年gydF4y2Ba 97年gydF4y2Ba 131年gydF4y2Ba 141年gydF4y2Ba 10.1016 / j.talanta.2012.04.007gydF4y2Ba 2 - s2.0 - 84864336302gydF4y2Ba 郭gydF4y2Ba B。gydF4y2Ba 霁gydF4y2Ba 年代。gydF4y2Ba 张gydF4y2Ba F。gydF4y2Ba 杨gydF4y2Ba B。gydF4y2Ba 顾gydF4y2Ba J。gydF4y2Ba 梁gydF4y2Ba X。gydF4y2Ba C的准备gydF4y2Ba18gydF4y2Ba功能化菲gydF4y2Ba3gydF4y2BaOgydF4y2Ba4gydF4y2Ba@SiOgydF4y2Ba2gydF4y2Ba核壳磁性纳米粒子的邻苯二甲酸酯的提取和检测中药制剂gydF4y2Ba 制药和生物医学分析杂志》上gydF4y2Ba 2014年gydF4y2Ba One hundred.gydF4y2Ba 365年gydF4y2Ba 368年gydF4y2Ba 10.1016 / j.jpba.2014.08.027gydF4y2Ba 2 - s2.0 - 84908618357gydF4y2Ba 程ydF4y2Ba lgydF4y2Ba 首歌gydF4y2Ba F。gydF4y2Ba 刘gydF4y2Ba Z。gydF4y2Ba 郑gydF4y2Ba Z。gydF4y2Ba 兴gydF4y2Ba J。gydF4y2Ba 刘gydF4y2Ba 年代。gydF4y2Ba Multi-residue方法快速测定农药残留在植物用于中药的终极高性能液相色谱法耦合串联质谱分析gydF4y2Ba 杂志的色谱gydF4y2Ba 2012年gydF4y2Ba 1225年gydF4y2Ba 132年gydF4y2Ba 140年gydF4y2Ba 22257925gydF4y2Ba 10.1016 / j.chroma.2011.12.071gydF4y2Ba 2 - s2.0 - 84862789922gydF4y2Ba 22257925gydF4y2Ba BalabingydF4y2Ba r·M。gydF4y2Ba SafievagydF4y2Ba r . Z。gydF4y2Ba 近红外(NIR)光谱生物柴油分析:部分组成、碘值、过滤器堵塞点从一个振动光谱gydF4y2Ba 能源和燃料gydF4y2Ba 2011年gydF4y2Ba 25gydF4y2Ba 5gydF4y2Ba 2373年gydF4y2Ba 2382年gydF4y2Ba 10.1021 / ef200356hgydF4y2Ba 2 - s2.0 - 80051700231gydF4y2Ba 克雷格gydF4y2Ba 答:P。gydF4y2Ba 语言gydF4y2Ba 答:S。gydF4y2Ba 奥利维拉gydF4y2Ba l S。gydF4y2Ba IrudayarajgydF4y2Ba J。gydF4y2Ba IlelejigydF4y2Ba K。gydF4y2Ba 弹性网络应用和红外光谱学缺陷和缺陷之间的歧视烤咖啡gydF4y2Ba TalantagydF4y2Ba 2014年gydF4y2Ba 128年gydF4y2Ba 393年gydF4y2Ba 400年gydF4y2Ba 25059177gydF4y2Ba 10.1016 / j.talanta.2014.05.001gydF4y2Ba 2 - s2.0 - 84902014179gydF4y2Ba 25059177gydF4y2Ba 冯gydF4y2Ba Y。gydF4y2Ba LeigydF4y2Ba D。gydF4y2Ba 胡gydF4y2Ba C。gydF4y2Ba 快速识别非法合成添加剂的草药使用近红外光谱抗糖尿病药物gydF4y2Ba Spectrochimica Acta-Part答:分子和生物分子光谱学gydF4y2Ba 2014年gydF4y2Ba 125年gydF4y2Ba 363年gydF4y2Ba 374年gydF4y2Ba 10.1016 / j.saa.2014.01.117gydF4y2Ba 2 - s2.0 - 84894591029gydF4y2Ba PeerapattanagydF4y2Ba J。gydF4y2Ba 大冢gydF4y2Ba K。gydF4y2Ba 大冢gydF4y2Ba M。gydF4y2Ba 应用近红外光谱分析的质量控制山竹果果皮粉:定量分析的alpha-mangostin山竹果果皮粉和胶囊gydF4y2Ba 《天然药物gydF4y2Ba 2013年gydF4y2Ba 67年gydF4y2Ba 3gydF4y2Ba 452年gydF4y2Ba 459年gydF4y2Ba 10.1007 / s11418 - 012 - 0698 - zgydF4y2Ba 2 - s2.0 - 84879234527gydF4y2Ba 张gydF4y2Ba C。gydF4y2Ba 苏gydF4y2Ba J。gydF4y2Ba 应用近红外光谱快速分析和质量评估的传统的中国医药产品gydF4y2Ba Pharmaceutica学报BgydF4y2Ba 2014年gydF4y2Ba 4gydF4y2Ba 3gydF4y2Ba 182年gydF4y2Ba 192年gydF4y2Ba 10.1016 / j.apsb.2014.04.001gydF4y2Ba 刘gydF4y2Ba J·J。gydF4y2Ba 徐gydF4y2Ba H。gydF4y2Ba 蔡gydF4y2Ba w·S。gydF4y2Ba 邵gydF4y2Ba x G。gydF4y2Ba 歧视的工业产品在线近红外光谱和一种改进的系统树图gydF4y2Ba 中国化学快报gydF4y2Ba 2011年gydF4y2Ba 22gydF4y2Ba 10gydF4y2Ba 1241年gydF4y2Ba 1244年gydF4y2Ba 10.1016 / j.cclet.2011.04.019gydF4y2Ba 2 - s2.0 - 84860402482gydF4y2Ba GaltiergydF4y2Ba O。gydF4y2Ba 阿巴斯gydF4y2Ba O。gydF4y2Ba Le DreaugydF4y2Ba Y。gydF4y2Ba RebufagydF4y2Ba C。gydF4y2Ba kistgydF4y2Ba J。gydF4y2Ba 玆哲gydF4y2Ba J。gydF4y2Ba Dupuy称:"现在gydF4y2Ba N。gydF4y2Ba 比较PLS1-DA PLS2-DA和SIMCA分类的原油油起源和米尔的初榨橄榄油近红外光谱对不同光谱区域gydF4y2Ba 振动光谱gydF4y2Ba 2011年gydF4y2Ba 55gydF4y2Ba 1gydF4y2Ba 132年gydF4y2Ba 140年gydF4y2Ba 10.1016 / j.vibspec.2010.09.012gydF4y2Ba 2 - s2.0 - 78650252846gydF4y2Ba 罗gydF4y2Ba w . Q。gydF4y2Ba 欢gydF4y2Ba s Y。gydF4y2Ba 傅gydF4y2Ba h . Y。gydF4y2Ba 温gydF4y2Ba G。gydF4y2Ba 程gydF4y2Ba H。gydF4y2Ba 周gydF4y2Ba J。gydF4y2Ba 吴gydF4y2Ba H。gydF4y2Ba 沈gydF4y2Ba G。gydF4y2Ba 余gydF4y2Ba R。gydF4y2Ba 初步研究的应用近红外光谱和模式识别的方法对不同类型的苹果样本进行分类gydF4y2Ba 食品化学gydF4y2Ba 2011年gydF4y2Ba 128年gydF4y2Ba 2gydF4y2Ba 555年gydF4y2Ba 561年gydF4y2Ba 10.1016 / j.foodchem.2011.03.065gydF4y2Ba 2 - s2.0 - 79955597264gydF4y2Ba GeladigydF4y2Ba P。gydF4y2Ba 科瓦尔斯基gydF4y2Ba b R。gydF4y2Ba 偏最小二乘回归:一个教程gydF4y2Ba 分析Chimica学报gydF4y2Ba 1986年gydF4y2Ba 185年gydF4y2Ba 1gydF4y2Ba 17gydF4y2Ba 10.1016 / 0003 - 2670 (86)80028 - 9gydF4y2Ba 2 - s2.0 - 11144325691gydF4y2Ba 沈gydF4y2Ba Q。gydF4y2Ba 江gydF4y2Ba 黄永发。gydF4y2Ba 焦gydF4y2Ba C.-X。gydF4y2Ba 沈gydF4y2Ba G.-L。gydF4y2Ba 余gydF4y2Ba R.-Q。gydF4y2Ba 改进粒子群优化算法中的变量选择高钙和PLS建模:拮抗血管紧张素ⅱ拮抗剂构象的研究gydF4y2Ba 欧洲制药科学杂志》上gydF4y2Ba 2004年gydF4y2Ba 22gydF4y2Ba 2 - 3gydF4y2Ba 145年gydF4y2Ba 152年gydF4y2Ba 15158899gydF4y2Ba 10.1016 / j.ejps.2004.03.002gydF4y2Ba 2 - s2.0 - 2542498108gydF4y2Ba 15158899gydF4y2Ba KubinyigydF4y2Ba H。gydF4y2Ba 变量选择进化回归和请分析gydF4y2Ba 化学计量学杂志》gydF4y2Ba 1996年gydF4y2Ba 10gydF4y2Ba 2gydF4y2Ba 119年gydF4y2Ba 133年gydF4y2Ba 10.1002 / (sici) 1099 - 128 x (199603) 2 < 119:: aid-cem409 > 3.0.co; 2 - 4gydF4y2Ba 2 - s2.0 - 0000626789gydF4y2Ba MirzaiegydF4y2Ba M。gydF4y2Ba DarvishzadehgydF4y2Ba R。gydF4y2Ba ShakibagydF4y2Ba 一个。gydF4y2Ba MatkangydF4y2Ba 答:一个。gydF4y2Ba AtzbergergydF4y2Ba C。gydF4y2Ba 斯基德莫尔gydF4y2Ba 一个。gydF4y2Ba 比较分析不同的大学和多变量方法估算植被含水量使用hyper-spectral测量gydF4y2Ba 国际期刊《应用地球观测和地质信息gydF4y2Ba 2014年gydF4y2Ba 26gydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba 11gydF4y2Ba 10.1016 / j.jag.2013.04.004gydF4y2Ba 2 - s2.0 - 84897585295gydF4y2Ba 林gydF4y2Ba P。gydF4y2Ba 程ydF4y2Ba Y。gydF4y2Ba 他gydF4y2Ba Y。gydF4y2Ba 识别地理起源橄榄油使用可见光和近红外光谱技术结合化学计量学gydF4y2Ba 食品和生物处理技术gydF4y2Ba 2012年gydF4y2Ba 5gydF4y2Ba 1gydF4y2Ba 235年gydF4y2Ba 242年gydF4y2Ba 10.1007 / s11947 - 009 - 0302 - zgydF4y2Ba 2 - s2.0 - 84856226020gydF4y2Ba PojićgydF4y2Ba M . M。gydF4y2Ba MastilovićgydF4y2Ba j·S。gydF4y2Ba 近红外spectroscopy-advanced分析工具在小麦育种、贸易、加工gydF4y2Ba 食品和生物处理技术gydF4y2Ba 2013年gydF4y2Ba 6gydF4y2Ba 2gydF4y2Ba 330年gydF4y2Ba 352年gydF4y2Ba 10.1007 / s11947 - 012 - 0917 - 3gydF4y2Ba 2 - s2.0 - 84872602857gydF4y2Ba 情景不禁啜泣gydF4y2Ba lgydF4y2Ba BerardinelligydF4y2Ba 一个。gydF4y2Ba CevoligydF4y2Ba C。gydF4y2Ba 瓦利gydF4y2Ba E。gydF4y2Ba 评估含水量特级初榨橄榄油的时域反射计(TDR)和偏最小二乘(PLS)回归方法gydF4y2Ba 《食品工程gydF4y2Ba 2012年gydF4y2Ba 111年gydF4y2Ba 1gydF4y2Ba 66年gydF4y2Ba 72年gydF4y2Ba 10.1016 / j.jfoodeng.2012.01.028gydF4y2Ba 2 - s2.0 - 84858154476gydF4y2Ba GouvinhasgydF4y2Ba 我。gydF4y2Ba de AlmeidagydF4y2Ba j·M·M·M。gydF4y2Ba 卡瓦略gydF4y2Ba T。gydF4y2Ba 马查多gydF4y2Ba N。gydF4y2Ba 巴罗斯gydF4y2Ba A . i r . n。gydF4y2Ba 歧视和性格化的特级初榨橄榄油从三个品种在不同成熟阶段使用傅里叶变换红外光谱学与化学计量学gydF4y2Ba 食品化学gydF4y2Ba 2015年gydF4y2Ba 174年gydF4y2Ba 4gydF4y2Ba 226年gydF4y2Ba 232年gydF4y2Ba 10.1016 / j.foodchem.2014.11.037gydF4y2Ba 2 - s2.0 - 84911497297gydF4y2Ba MoreiragydF4y2Ba 美国一个。gydF4y2Ba SarragucagydF4y2Ba J。gydF4y2Ba SaraivagydF4y2Ba d F。gydF4y2Ba 卡瓦略gydF4y2Ba R。gydF4y2Ba 洛佩斯gydF4y2Ba j . A。gydF4y2Ba 优化基于近红外光谱的PLSR模型植物油用于生物柴油生产的关键属性gydF4y2Ba 燃料gydF4y2Ba 2015年gydF4y2Ba 150年gydF4y2Ba 697年gydF4y2Ba 704年gydF4y2Ba 10.1016 / j.fuel.2015.02.082gydF4y2Ba 2 - s2.0 - 84924290054gydF4y2Ba LorbergydF4y2Ba 一个。gydF4y2Ba FabertgydF4y2Ba K。gydF4y2Ba 科瓦尔斯基gydF4y2Ba b R。gydF4y2Ba 净的分析物信号计算多元校正gydF4y2Ba 分析化学gydF4y2Ba 1997年gydF4y2Ba 69年gydF4y2Ba 8gydF4y2Ba 1620年gydF4y2Ba 1626年gydF4y2Ba 10.1021 / ac960862bgydF4y2Ba 2 - s2.0 - 0000479247gydF4y2Ba Rodriguez-CuestagydF4y2Ba m·J。gydF4y2Ba BoquegydF4y2Ba R。gydF4y2Ba RiusgydF4y2Ba f . X。gydF4y2Ba 比达尔gydF4y2Ba j·l·M。gydF4y2Ba FrenichgydF4y2Ba a·G。gydF4y2Ba 开发和验证方法确定农药的地下水从复杂重叠高效液相色谱信号和多元曲线分辨率gydF4y2Ba 化学计量学和智能实验室系统gydF4y2Ba 2005年gydF4y2Ba 77年gydF4y2Ba 1 - 2gydF4y2Ba 251年gydF4y2Ba 260年gydF4y2Ba 10.1016 / j.chemolab.2004.09.010gydF4y2Ba 2 - s2.0 - 19344373426gydF4y2Ba 佩德罗gydF4y2Ba a . m . K。gydF4y2Ba 费雷拉gydF4y2Ba m . m . C。gydF4y2Ba 无损测定固体和类胡萝卜素在近红外光谱和多变量校正番茄制品gydF4y2Ba 分析化学gydF4y2Ba 2005年gydF4y2Ba 77年gydF4y2Ba 8gydF4y2Ba 2505年gydF4y2Ba 2511年gydF4y2Ba 10.1021 / ac048651rgydF4y2Ba 2 - s2.0 - 17644386596gydF4y2Ba 尼科莱gydF4y2Ba b . M。gydF4y2Ba BeullensgydF4y2Ba K。gydF4y2Ba BobelyngydF4y2Ba E。gydF4y2Ba PeirsgydF4y2Ba 一个。gydF4y2Ba SaeysgydF4y2Ba W。gydF4y2Ba 塞隆gydF4y2Ba k . I。gydF4y2Ba LammertyngydF4y2Ba J。gydF4y2Ba 无损测量水果和蔬菜质量通过近红外光谱学:复习一下gydF4y2Ba 采后生物学和技术gydF4y2Ba 2007年gydF4y2Ba 46gydF4y2Ba 2gydF4y2Ba 99年gydF4y2Ba 118年gydF4y2Ba 10.1016 / j.postharvbio.2007.06.024gydF4y2Ba 2 - s2.0 - 34748842663gydF4y2Ba 唐gydF4y2Ba b . C。gydF4y2Ba 傅gydF4y2Ba h . Y。gydF4y2Ba 阴gydF4y2Ba 问:B。gydF4y2Ba 周gydF4y2Ba z Y。gydF4y2Ba 史gydF4y2Ba W。gydF4y2Ba 徐gydF4y2Ba lgydF4y2Ba 她gydF4y2Ba y . B。gydF4y2Ba 结合近红外光谱和化学计量学Hg-contaminated植物的快速识别gydF4y2Ba 《光谱学gydF4y2Ba 2016年gydF4y2Ba 2016年gydF4y2Ba 7gydF4y2Ba 3597451gydF4y2Ba 10.1155 / 2016/3597451gydF4y2Ba