[发明专利]一种近红外识别片剂薄膜包衣进度的方法及其应用

权利要求书

1.一种近红外识别片剂薄膜包衣进度的方法，其特征在于：

利用偏最小二乘判别分析模型进行片剂薄膜包衣的包衣进程监测和包衣终点判定；所述的偏最小二乘判别分析模型为全部光谱的偏最小二乘判别分析模型、重要光谱的偏最小二乘判别分析模型、全部光谱的正交偏最小二乘判别分析模型和重要光谱的正交偏最小二乘判别分析模型；其中，

建立所述全部光谱的偏最小二乘判别分析模型和所述全部光谱的正交偏最小二乘判别分析模型时，采集薄膜包衣标准片包括其片芯、薄膜包衣中间片和薄膜包衣终点片的近红外光谱数据，并进行标准化处理，将标准化后得到的光谱数据，导入建模软件中，提取主成分进行建模；其中，主成分的因变量累计解释能力值与累计可预测能力值正相关；

建立所述重要光谱的偏最小二乘判别分析模型和所述重要光谱的正交偏最小二乘判别分析模型时，采集薄膜包衣标准片包括其片芯、薄膜包衣中间片和薄膜包衣终点片的近红外光谱数据，并进行标准化处理，再采用偏最小二乘法进行变量重要性分析，得到每个光谱点的重要性得分，然后选取三个主要光谱段，再将三段主要光谱段导入建模软件，得到每个光谱点的重要性评分，提取重要性评分值显著高的光谱为主要光谱段进行建模；

所述偏最小二乘判别分析模型建立时，将薄膜包衣标准片包括其片芯、薄膜包衣中间片和薄膜包衣终点片，每个薄膜包衣时间点的数据集设为训练集和测试集进行建模；

所述因变量累计解释能力值和累计可预测能力值，两个值均越接近1时，表明模型的拟合度越好，训练集的样本越能够被准确划分到其原始归属类中；因变量累计解释能力值，根据训练集准确率和检验集准确率综合确定，当因变量累计解释能力值升高至0.6以后，需要对其进行微调，每增加提取一个主成分，需要考察模型训练集准确率和检验集准确率，且根据两者准确率进行以下方式调整：

Ⅰ. 两者准确率都提高时，则再增加提取一个主成分；

Ⅱ. 两者准确率不变或降低时，则停止提取主成分，累计可预测能力值也就确定；

Ⅲ. 两者准确率中一个提升一个降低，则优先检验集提升，如果检验集准确率提升，则试图再增加提取一个主成分；如果训练集准确率上升，检验集准确率下降，停止提取主成分；

所述偏最小二乘判别分析模型对片剂薄膜包衣的包衣进程监测和包衣终点判定的判定方法为：将薄膜包衣标准片的全薄膜包衣过程的10个时间点分成了10个类别，其中第1-9类为薄膜包衣过程片，第10类为薄膜包衣终点片，若待测样本被模型预测为第10类，则表示它达到薄膜包衣终点。

2.一种如权利要求1所述的一种近红外识别片剂薄膜包衣进度的方法的应用，其特征在于：应用于制药领域中薄膜包衣片的薄膜包衣进度监测及预测薄膜包衣终点。