近红外光谱技术用于中药材质量监测和控制具有快速、无损、客观的优点。由于近红外光谱技术是一种间接分析技术,需在大量已知样本光谱数据的基础上,借助化学计量学方法建立数学模型,实现对未知样本的定性或定量分析。因此,建立研究样本的光谱数据库,探讨合适的数学建模方法对中药材质量控制具有推动作用。本文的主要研究内容为常用饮片近红外光谱数据库的建立和识别方法研究。首先由具有丰富经验的药师对饮片样本进行人工定性判别,采集其近红外光谱数据,在ISIS/Base数据库管理系统(美国MDL信息系统公司)中建立常用饮片的近红外光谱数据库。利用TQ Analyst光谱分析软件建立饮片的近红外光谱相似度校正模型,实现对未知样本的真伪判别。利用数据库中的近红外光谱数据,将主成分分析、神经网络和支持向量机等化学计量学方法,应用于近红外光谱分析。力图将传统的鉴别方法与新的技术相结合,从而将基于经验的人工鉴别法上升为基于现代仪器分析技术的近红外光谱饮片质量鉴别法。研究结果如下:(一)常用中药近红外光谱数据库及相似度模型的建立用ISIS/Base数据库管理系统,建立常用中药饮片的数据库。库中共收录饮片152种,每种饮片5个批次,共计760个批次,每个批次5个光谱,近红外光谱共3800个。数据库界面友好,可对近红外光谱及文本等数据进行多种方式的存储、搜寻、检索和管理,有利于饮片鉴别。(二)从定性方面对采集的近红外光谱进行研究依次经多元散射校正(Multiplicative Scater Correction, MSC),Norris导数平滑和一阶微分处理后建立152种饮片的相似度识别模型,并用四组实例对建立的校正模型进行验证,取得较好的判别效果。应用稳健主成分分析(RPCA)对甘草与炙甘草近红外光谱进行了分析,考察了第一主成分和第二主成分的得分图,为近红外光谱的进一步分析提供了可靠的科学依据。研究了径向基函数(RBF)神经网络对甘草与炙甘草近红外光谱的鉴别,对原始数据进行了平滑和压缩处理,以达到消除斜坡背景和减少变量的目的,对参数进行了详细的讨论,甘草与炙甘草的鉴别结果令人满意。研究了支持向量机(SVM)中径向基核函数对甘草与炙甘草样本近红外谱图的鉴别,讨论了影响径向基核函数计算的参数,鉴别正确率可达100%。可见化学计量学方法结合近红外光谱技术是饮片质量控制的一种快速、无损、有效的分析方法。