基于智能感官和近红外光谱技术结合化学计量学的酒当归炮制程度快速辨识研究

学术 2025-01-16 07:58 天津

当归是伞形科当归属植物当归Angelica sinensis (Oliv.) Diels的干燥根^[1]，属于药食同源的中药材，始载于《神农本草经》，为血家之圣药，素有“十方九归”的美誉。传统中医认为当归有补血活血、调经止痛、润燥滑肠之功效，常用于治疗血虚萎黄、眩晕心悸、月经不调、经闭痛经、虚寒腹痛、肠燥便难、风湿痹痛、跌扑损伤等病症，是临床最常用中药之一^[2]。当归用药历史悠久，其炮制方法主要有净制、切制、酒制、土炒、油炒或制炭等，其中酒制是目前最常用的方法，也是《中国药典》2020年版规定的炮制方法。炮制过程中饮片炮制程度判断不明，会导致饮片炮制不及或炮制过度，影响饮片质量。目前，当归饮片的研究主要集中在内在成分定量研究^[3-4]。传统的酒当归饮片评价标准主要依靠饮片的外观、气味、口感等经验性指标，多数以“切面深黄色或浅棕黄色，略有焦斑。香气浓郁、并略有酒香气”作为炮制适中的评判指标^[1]。现今酒当归饮片外观性状的评判主要依靠检测员的感官评价，该评判过程带有一定主观性，缺乏客观准确性。因此，为确保中药质量和临床安全，亟须建立一套快速、灵敏、无损的饮片质量评价方法，使得中药饮片的质量评价更为准确可靠，促使中药炮制过程向更高效、精准、可持续的方向发展，为中医药现代化提供理论和实践支撑。

在现代中药饮片炮制过程的质量控制研究中，运用智能感官分析技术及近红外光谱（near infrared spectroscopy，NIRS）等技术评判饮片的质量已成为一种趋势，它能够将中药饮片的外观性状指标进行客观量化，为这一领域的发展提供科学支撑^[5-6]。通过现代传感技术及光谱技术来评估饮片的质量特性，实现经验评价的客观量化，使得中药从业者对于中药饮片可以做到外观“认得清”，质量“辨得准”。基于L^*a^*b^*颜色模型的分光测色仪，通过将样品表面颜色转换为色彩参数，可实现饮片颜色的客观量化。L^*、a^*、b^*分别代表颜色的亮度、红绿色方向、黄蓝色方向，该技术可基于外观颜色上的差异对饮片进行快速定性鉴别^[7]。超快速气相电子鼻（ultra-fast gas phase electronic nose）通过结合气相色谱技术和先进的传感器阵列来检测和分析复杂的气味成分，具有快速、准确、客观、可重复的特点，其运用的捕集器自动顶空简化了样品处理流程，实现了气味物质的自动提取、富集和进样，操作方便快捷^[8]。NIRS技术是一种基于化学成分官能团在NIRS区域的吸收特性来提取样品的化学成分、物理性质等信息的技术，具有快速、准确、无损、成本小的特点，广泛应用于食品及药物的快速质量识别和控制，其在珍贵中药的质量控制方面也有一定的应用^[9]。

本研究通过测色仪、快速气相电子鼻及NIRS技术结合主成分分析（principal component analysis，PCA）、判别因子分析（discriminant factor analysis，DFA）、正交偏最小二乘-判别分析（orthogonal partial least squares-discriminant analysis，OPLS-DA）等方法，成功建立了不同炮制程度酒当归的快速识别模型，以期为其他中药饮片质量的快速辨识提供新思路，为中药饮片智能化生产奠定基础。

1 仪器与材料

1.1 仪器

CM-5型分光测色仪，日本柯尼卡美能达有限公司；Heracles NEO型快速气相电子鼻，PAL RSI全自动顶空进样器配备MXT-5（低极性，交联5%二苯基/95%二甲基聚硅氧烷）和MXT-1701（中极性，交联14%氰丙基苯/86%二甲基聚硅氧烷）金属毛细管柱（10 m×0.18 mm×0.4 µm），法国Alpha MOS公司；AR124CN型电子分析天平，奥豪斯仪器上海有限公司；Thermo Fisher Antaris II型傅里叶变换近红外光谱仪，美国Thermo公司；DHG-9140A型电热恒温鼓风干燥箱，上海精宏实验设备有限公司；FW100型高速粉碎机，天津市泰斯特仪器有限公司；DYQ型中药切药机，瑞安市永历制药机械有限公司；MSDC-5型自动炒货机，常州市金坛迈斯机械有限公司。

1.2 材料

收集来自产地甘肃岷县的6个不同批次的当归药材（分别编号YC2309001～YC2309006），其质量均符合《中国药典》2020年版标准，经南京中医药大学刘圣金教授鉴定，为伞形科当归属植物当归A. sinensis (Oliv.) Diels的干燥根；绍兴黄酒购自绍兴市绍一缸酒业有限公司，酒精度为14.0%（体积分数），执行标准为GB/T13662，批号20220601；正构烷烃nC6～nC16混合对照品，批号A10142930，购自美国Restek有限公司。

2 方法与结果

2.1 酒当归炮制过程样品的制备

2.1.1 生当归饮片参照《中国药典》2020年版一部“当归”项下收载当归饮片炮制方法，除去杂质，洗净，润透，切薄片，低温干燥，备用^[1]。

2.1.2 酒当归饮片参照《中国药典》2020年版一部“当归”项下收载的酒当归炮制方法，将6批生当归饮片分别制备成不同炮制程度酒当归饮片。炮制过程如下：炒药机温度设定为120 ℃，加入已润透的生当归饮片，炒制28 min，从6 min开始每隔2 min取样，摊开晾凉，即得78批酒当归炮制过程饮片样品。其中100 kg当归饮片，用黄酒10 kg，闷润1 h。样品信息见表1，当归炮制过程饮片性状变化见图1。经老药工刘产明的鉴别，将78批不同炮制程度的当归饮片样品分为4大类，分别为生品、炮制不及（炒制6～14 min）、炮制适中（炒制16～20 min）、炮制太过（炒制22～28 min）。所有饮片样品均粉碎，过3号筛，备用。

2.2 基于测色仪的颜色分析

2.2.1 测量条件使用CM-5测色仪，光源D65，测量口径3 mm，测量角度10°，测光方式SCE。在测定样品之前，利用标准比色板对仪器进行校正，校正后将样品粉末装入容器中，厚度为2～3 mm，重复测量3次，得到L^*、a^*、b^* 3个色度值，总色度E_ab^*＝(L^*2＋a^*2＋b^*2)^1/2，以平均值为最终测定结果^[10]。

2.2.2 方法学验证颜色的测定会受到外部光线的影响，因此，先对颜色测定方法的可靠性进行验证。按“2.2.1”项下方法，通过对SP1样品连续测定6次，各颜色值的RSD均小于0.95%，表明仪器精密度良好；将SP1样品平行制备6份供试品粉末测定，各颜色值的RSD均小于1.69%，表明该方法重复性良好；将SP1样品分别于放置0、2、4、8、12、24 h测定，各颜色值的RSD均小于0.15%，表明样品颜色值在24 h内稳定性良好。结果表明该方法是稳定可行的，满足分析条件。

2.2.3 酒当归炮制过程饮片颜色变化分析酒当归炮制过程饮片样品色度值变化趋势结果见表2，颜色参数L^*值从0～100，L^*值越大说明样品颜色越明亮，L^*值越小说明样品颜色越黑暗，a^*由正到负表示颜色由红到绿色；b^*由正到负表示颜色由黄到蓝。由表2可以看出，随着炮制程度的加深，L^*、E_ab^*总体呈下降趋势，a^*、b^*总体呈上升趋势。当炮制至16 min时，样品a^*、b^*开始呈上升趋势且变化幅度较大，表明样品粉末颜色开始偏红偏黄，样品L^*、E_ab^*值开始下降，样品粉末颜色开始变暗，与肉眼所见样品表面出现焦斑主观感受相符合；炮制20 min后，样品粉末L^*、E_ab^*值开始急剧下降，此时样品炮制明暗程度发生显著的改变。结果表明，炮制前16 min样品颜色变化不明显，炮制16 min至20 min，样品总体颜色偏红偏黄程度更大，样品符合切面深黄色或浅棕黄色的性状描述，与传统老药工经验鉴别结果一致，为炮制最适程度，炮制20 min后，颜色整体偏暗黑，与性状描述不符。

2.2.4 基于颜色PCA区分不同炮制程度酒当归饮片 PCA是一种降维统计方法，能将多个指标转换为几个主成分，并保留了数据集中对方差贡献最大的特征^[11]。前期，老药工根据经验将当归样品分为生品、炮制不及、炮制适中、炮制太过4大类，把78个样品信息导入SIMCA 14.0软件中，以L^*、a^*、b^*作为因变量，不同炮制程度（生品、炮制不及、炮制适中、炮制太过）作为自变量进行PCA，结果如图2所示。PCA模型中的Q²为0.999（大于0.5），Q²反映PCA模型的预测能力，Q²越大，表明所建立的模型越稳定可靠^[12]。根据图2结果可知，4类不同炮制程度的样品可互相区分开，且相同炮制程度的样品基本能够聚为一类，生品与炮制不及样品比较集中，可能原因是由于生品和轻微炮制的样品色泽较为接近。由此可知所构建的PCA模型，能够将不同炮制程度的酒当归饮片进行区分，直观体现不同炮制程度的酒当归饮片样品颜色的差异，表明本研究建立的颜色测定方法对于酒当归饮片的炮制程度评价具有可行性。

2.2.5 不同炮制程度当归饮片颜色参考范围的建立虽然该模型能够识别出不同炮制程度的酒当归饮片样品，但无法对这些样品之间的颜色差异进行量化，因此，通过计算其颜色值参考范围来量化它们的颜色差异。以90%为置信水平，选择平均值建立4类炮制程度酒当归饮片的颜色参考范围，结果见表3。

斯皮尔曼（Spearman）秩检验是一种非参数检验方法，用于评估变量之间的单调关系。为了验证所建立的颜色参考范围的合理性，选择非参数检验分析4种炮制程度酒当归饮片样品的分组与色度值之间是否存在相关性。结果显示L^*、a^*、b^*斯皮尔曼秩检验的P值均＜0.01，表明4类不同炮制程度酒当归饮片样品的分组与色度值间具有相关性，所建立的颜色参考范围能够用于区分不同炮制程度的酒当归。

综上，根据颜色参考范围结合炮制过程色泽变化分析及颜色化学计量学分析，可用来初步辨识不同炮制程度酒当归饮片样品。

2.3 基于超快速气相色谱电子鼻的气味分析

2.3.1 气味测定方法的建立为保证获取样品最佳响应信号，保证分析方法的稳定可行，通过对称样量（0.3、0.6、0.9、1.2、1.5 g）、孵化温度（45、55、65、75 ℃）、孵化时间（10、20、30 min）、进样量（1.000、2.000、3.000、4.000、5.000 mL）4个条件进行考察，以确定酒当归饮片样品气味分析的最佳条件。结果表明样品用量、孵化温度、孵化时间、进样量分别设置为0.9 g、75 ℃、10 min、4.000 mL时达到最佳分析结果。故超快速气相色谱电子鼻的测定条件为将0.9 g样品粉末置于20 mL的顶空瓶中，在75 ℃条件下孵化10 min。设置自动进样针吸取气体的体积为4.000 mL，载气以1 mL/min的恒定流量循环，进样口温度200 ℃，进样体积流量125 μL/s，持续时间37 s，捕集阱初始温度40 ℃，分流体积流量10 mL/min，捕集时间42 s，柱温初始为50 ℃，初始温度线2 s。程序升温：以3.0 ℃/s升至170 ℃，以1.5 ℃/s升至250 ℃并保持15 s，总采集时间110 s。

2.3.2 方法学验证取SP1样品粉末连续测定6次，考察方法精密度；取同批样品，同法将SP1样品制备6份供试品粉末，考察方法重复性；将SP1供试品粉末，分别于制备后0、2、4、8、12、24 h测定，考察方法稳定性。以各特征峰的保留时间及峰面积的RSD为考察指标进行评价。方法学考察结果显示，精密度、重复性、稳定性的各特征峰保留时间均小于0.15%，峰面积RSD均小于5.0%，表明建立的方法稳定、可行。

2.3.3 酒当归炮制过程气味成分的鉴定将78批当归饮片样品按“2.3.1”项下最终试验参数进样测定，前期研究发现中极性柱MXT-1701分离效果不佳，以低极性柱MXT-5色谱柱为主，将色谱信息导入Origin 2022函数绘图软件，绘制不同炮制程度酒当归饮片气味指纹图谱，结果见图3。可见，当归饮片在20～100 s展现出丰富的气味特征信息。不同炮制程度酒当归饮片样品之间气味响应强度有所差异，气味成分随着炮制程度的加深也会呈现相应的动态调整，展现不同的气味特征。

采用正构烷烃混合对照品（nC6～nC16）对色谱峰进行校准，将各色谱峰保留时间（t_R）转换成Kovats相对保留指数（Kovats relative retention index，RI），在查阅相应文献报道^[13-15]及经AroChemBase数据库对比，对可能的化合物进行评估，共指认鉴定出22个挥发性成分，结果见表4。当醛类和酮类等含有羰基的化合物与氨基化合物发生反应时，会经过一系列复杂步骤，包括缩合、环化、氧化和还原等，最终生成具有特定气味的化合物，包括醛类、酮类、醇类、呋喃和吡啶等^[16-17]，该反应称为美拉德反应。酒当归在炮制过程中产生的挥发性物质的变化可能与美拉德反应有关。炮制过程中鉴定出的成分包含烯烃4种、醇类2种、酯类9种、醛类2种、酮类2种、呋喃1种、吡嗪2种，均为挥发性物质。22个化合物主要分为6种不同的主观感知类别，大部分化合物被感知为“甜的”“辛辣的”，少数感知为“苦的”“苦味”“酒精”“葡萄酒”，与《中国药典》2020年版当归项下“味甘、辛、微苦”“略有酒香气”的感官描述相一致。

2.3.4 基于气味成分DFA模型的不同炮制程度酒当归饮片的快速鉴别分析 DFA作为一种统计学方法，用于识别和分析多个变量之间的差异，能最大化不同类别之间的差异，最小化类别内部的差异^[18]。该方法可更直观地区分不同炮制程度酒当归饮片样品的气味差异。结果如图4所示，DFA二维模型中（图4-A），横纵轴两辨识因子累积贡献度为90.402%，DFA三维模型（图4-B）三辨识因子累积贡献度高达99.999%。可以看出，生品、炮制不及、炮制适中、炮制太过酒当归饮片样品能明显分为4类，分别分布在不同象限中，说明不同炮制程度的酒当归饮片样品之间气味存在显著性差异，并可通过DFA模型实现快速鉴别区分，且区分效果显著。

2.3.5 基于气味成分OPLS-DA模型的气味差异物质分析为了进一步分析确定不同炮制程度样品之间的气味差异物，基于鉴别出的22个气味成分色谱峰峰面积，通过有监督的OPLS-DA模型对数据进行分析，结果见图5。OPLS-DA得分图能有效地将不同炮制程度的酒当归饮片样品区分为4个不同的区域，与DFA结果一致。此次建立的OPLS-DA模型R_X²、Q_Y²、Q²值分别为0.896、0.859、0.794，分别表明模型具有良好的解释能力和预测能力。为了避免评估模型可能存在过拟合情况，对OPLS-DA模型进行200次置换检验，结果如图6所示，右侧的R²和Q²值高于左侧，R²和Q²的截距值分别为0.122和−0.394，表明所构建的OPLS-DA模型不存在过拟合现象，增强了模型的可靠性和可信度。

变量重要性投影值（variable importance in the projection，VIP）是量化各个变量对模型分类性能贡献度的直观指标^[19]。一般而言，当VIP值超过1时，认为这些变量在区分不同组别或类别时具有显著的重要性。由图7可以得出，VIP＞1的共有10种成分，可作为区分酒当归不同炮制程度关键的气味差异物质，分别为α-蒎烯、癸酸甲酯、β-蒎烯、2-甲基呋喃、十二内酯、丁酸辛酯、环己甲酸乙酯、肉桂酸异丙酯、柠檬烯、2-异丁基-3-甲氧基吡嗪，这些成分在鉴别酒当归不同炮制程度样品中发挥着关键作用。

2.4 基于NIRS的光谱信息分析

2.4.1 光谱信息采集方法取样品粉末平铺于石英皿中，放置仪器上扫描，采用积分球漫反射模式，扫描次数为32次，分辨率16 cm⁻¹，波段区间为 4 000～10 000 cm⁻¹，环境条件控制在温度（20±5）℃和相对湿度35%或以下。扫描3次取平均值。

2.4.2 光谱特征分析 78批不同炮制程度酒当归饮片原始NIRS信息如图8所示。可以看出，不同炮制程度的酒当归饮片在NIRS中主要有6个特征吸收峰，吸收峰主要来自C-H、O-H、C-O、C-C、C＝C吸收引起的，当归中阿魏酸、洋川芎内酯I、阿魏酸松柏酯、正丁基苯酞、藁本内酯等特征活性成分均具有上述官能团；在8 250 cm⁻¹左右的宽吸收峰是由C-H拉伸振动的第2泛音吸收引起的^[20]，在6 900 cm⁻¹附近的吸收峰归因于O-H拉伸振动的第1次泛音吸收^[21]，在5 600 cm⁻¹左右的宽吸收峰是由C-H拉伸振动的第1次泛音吸收引起的^[22]，在5 200 cm⁻¹附近的吸收峰可能是由于C-O拉伸振动的第2次泛音吸收或O-H拉伸和弯曲振动的组合^[23]，在4 800 cm⁻¹附近出现的吸收峰由C-C和C＝C的伸缩振动引起的^[24]，在4 300 cm⁻¹的吸收峰主要是由C-H、C-H₂和C-H₃的组合频率引起的^[23]。

2.4.3 光谱信息预处理为确保仪器背景噪音和基线漂移等因素不影响分类模型，需要对样品的原始NIRS进行进一步的预处理，以优化光谱信息，提高模型构建的整体质量。对The Uncrambler X 10.4中的预处理方法进行筛选，最终确定选用标准正态变换（standard normal variate，SNV）对原始NIRS进行预处理效果最优，优化后的NIRS图如图8-B所示。可以发现，经过光谱预处理后，原先复杂的光谱变得更加清晰、简洁，便于后续分析。由于不同炮制程度酒当归饮片样品的光谱特征较为相似，仅吸收强度有稍许差异，可能是与炮制过程中成分含量变化有关，此外，峰谱之间有严重重叠，直接从光谱图中比较它们之间的差异较为困难，因此，采用化学计量学方法分析光谱数据并建立辨识模型。

2.4.4 不同炮制程度酒当归饮片样品NIRS的OPLS-DA 为了探究NIRS对不同炮制程度酒当归饮片样品的区分效果，利用OPLS-DA对NIRS数据进行分析，结果如图9所示。结果显示，4类不同炮制程度酒当归饮片样品均能显著区分开，NIRS的OPLS-DA模型分类效果较好。模型拟合参数R_X²＝0.997，Q_Y²＝0.804，Q²＝0.766，表明所建立的OPLS-DA模型的拟合度与预测能力良好。对OPLS-DA模型进行200次置换检验，结果如图10所示，左侧值均小于右侧值，R²截距值为0.086，Q²截距值为−0.264，说明所建立的OPLS-DA模型是稳定可靠的。可见，基于NIRS技术也能够实现对不同炮制程度酒当归饮片样品的快速辨识。

3 讨论

在本研究中，首次从外观颜色、气味成分和NIRS信息上对酒当归饮片样品的不同炮制程度进行定性辨识分析，成功建立了快速辨识4种不同炮制程度的酒当归饮片的方法，使得不同炮制程度酒当归饮片的鉴别更加客观合理，为解决炮制过程中酒当归炮制最佳程度的辨识提供了快速有效的鉴别方法。针对传统的性状外观评价的主观性强、准确性差等缺点，难以客观评价饮片质量。测色技术能够实现中药颜色的数字表达，逐渐发展成为中药质量控制的新方法。在颜色测定方面，借助测色仪对其颜色特征进行客观量化处理，通过L^*、a^*、b^*色度值并建立PCA模型能够显著区分不同炮制程度酒当归饮片样品，炮制初期，酒当归与生当归颜色相似，随着炮制程度的加深，明暗度L^*值下降，a^*、b^*值上升，样品颜色更暗更红更黄，逐渐呈现焦黄色、焦褐色、焦黑色，说明在炮制过程中可能发生美拉德反应，生成棕色甚至黑色的大分子物质，进而影响炮制过程酒当归饮片的颜色。在此基础上建立了不同炮制程度酒当归饮片的颜色范围，实现酒当归饮片不同炮制程度颜色特征的数据化、客观化，提高辨识的客观性和准确性。

Heracles NEO型超快速气相电子鼻能够识别物质的复杂气味，反映检测样品的整体气味信息，其配备的Arochembase数据库能够推测样品气味中的可能化合物，完成样品的分析与检测时间仅持续100 s，具有高速度、高灵敏度的特点。当归中富含苯酞类、萜烯类、烷烃类和酚酸类等多种成分，具有浓郁香气，利用超快速气相电子鼻技术能够更客观评估饮片炮制过程中气味差异，分析炮制过程中的气味变化，基于气味信息建立的OPLS-DA模型能够实现对不同炮制程度饮片的快速辨识。本研究中通过超快速气相电子鼻技术成功推测识别出22个气味成分，被感知为6个主观感知类别，多数被感知为“甜的”“辛辣的”，少数感知为“苦的”“苦味”“酒精”“葡萄酒”，与《中国药典》2020年版当归项下“味甘、辛、微苦”“略有酒香气”的感官描述相一致。生当归中固有的α-蒎烯、β-蒎烯、柠檬烯、β-石竹烯、β-紫罗酮、醋酸丁酯等成分^[13-15]，随着炮制的进行，成分含量先上升后降低，炮制中期含量最高，其中α-蒎烯、β-蒎烯、柠檬烯变化显著，香柏酮在炮制全过程中响应均较强，推测其是当归的固有成分。

美拉德反应过程中会产生醛类、呋喃、吡嗪类化合物^[25]，酒炙过程中，丙醛、2-甲基呋喃、糠醛等物质含量发生显著变化，是美拉德反应过程产物，推测它们是焦香气味主要来源，但可能具有一定危害性^[26]，对人体有刺激，故炮制程度不宜太过。醇类、酯类成分是黄酒中主要挥发性风味物质^[27]，3-甲基-1-丁醇、3-己醇、环己甲酸乙酯、癸酸甲酯均感受出“酒”的风味，推测是炮制过程中加入黄酒后产生的变化，随着炮制程度的加深，其含量先增加后减低，由于酒易挥发的特性，随着加热时间延长，酒香味逐渐减小，故酒炙过程不宜过长。同时成功建立了能够区分不同炮制程度的气味成分DFA模型，说明不同炮制程度的酒当归饮片之间气味有一定差异。

利用OPLS-DA的VIP分析发现α-蒎烯、癸酸甲酯、β-蒎烯、2-甲基呋喃、十二内酯、丁酸辛酯、环己甲酸乙酯、肉桂酸异丙酯、柠檬烯、2-异丁基-3-甲氧基吡嗪10个成分可作为区分当归不同酒炙程度的气味差异物质。这说明基于智能感官技术可以实现对饮片炮制过程中不同炮制程度酒当归饮片的有效区分，为酒当归饮片的“辨状论质”提供科学依据，同时也为工业化智能化生产中基于外观性状的质量控制奠定基础。

中药饮片在炮制过程中内在成分变化复杂，液相、液质联用、气质联用等技术的样品制备提取过程繁琐，NIRS技术是利用不同炮制程度饮片中有机化合物在NIRS区域内的吸收强度不同而产生差异，进而鉴别不同炮制程度的饮片。本研究运用NIRS技术，可获得不同炮制程度酒当归饮片样品中的所有成分信息，由于外界因素干扰以及峰谱重叠严重，在获得原始NIRS信息后，采用不同预处理方法，筛选SNV对原始NIRS进行预处理后辨识效果更佳，在此基础上通过建立的NIRS OPLS-DA模型能够对不同炮制程度酒当归饮片样品实现准确区分，具有良好的分类性能，同时弥补了测色及电子鼻技术无法对内在成分变化检测的不足，具有快速、准确、简便的优势。

“辨状论质”是历代中医经过长期实践所积累的宝贵经验，饮片的外观性状在一定程度上能够反映其内在的质量，通过客观评价能够初步确定对饮片的质量评价^[7,28]。在中药饮片炮制生产过程中，从业工作者可通外对饮片的外在颜色、气味及内在成分进行整体评价，以确定饮片的最适炮制程度。颜色、气味、成分内在变化之间存在着密切的联系，颜色和气味的变化可以作为监测炮制过程和质量评价的重要指标，而这些变化又直接或间接地反映了中药饮片中化学成分的变化。

智能感官技术及NIRS技术均具有显著的时效性优势，广泛应用于食品、医药、农业等领域，不仅能够提供快速、准确的检测结果，还能够实现实时监控和质量控制，适应现代生产线对快速响应和高效检测的需求。本研究结合了测色技术、电子鼻技术和NIRS技术，能够综合反应饮片的整体性变化，3种技术所建立的分类模型分类结果一致，说明基于上述技术均能够对酒当归饮片炮制程度作出准确辨识，为酒当归饮片生产过程质量评价提供可量化、客观化、全面性的评价依据。在饮片炮制过程中高温及粉尘等会给操作人员及环境带来问题，将智能感官技术及NIRS技术融合到饮片生产过程状态检测，攻克传统饮片生产检测数据处理速度慢、质量判别不精准等问题，推动中药饮片产业向智能化、数字化方向迈进。

由本研究可知，智能感官和NIRS技术能够对酒当归饮片炮制程度及质量进行准确、快速的辨识，可为进一步研究酒当归饮片的“辨状论质”提供科学依据，同时也为工业化智能化生产中的质量控制提供新方法新思路。后续将针对酒当归炮制过程中内在成分的变化及药效的变化进行进一步研究，探讨其炮制过程中化学成分转化、药性药效变化等对饮片质量的影响。

利益冲突 所有作者均声明不存在利益冲突

参考文献（略）

来源：丁羽，戴慧莲，姜德利，李昱，苏联麟，季德，陆兔林，李林．基于智能感官和近红外光谱技术结合化学计量学的酒当归炮制程度快速辨识研究 [J]. 中草药, 2025, 56(1): 68-78.

中草药杂志社

《中草药》荣获＂中国出版政府奖期刊奖＂🌹＂国家期刊奖＂🌹＂中国最具国际影响力学术期刊＂等奖项！🌹🌹