近红外光谱技术(NIRS)是一种基于分子振动能级跃迁的光谱分析方法，具有快速、高效、无污染、取样简单、无损等优点，且仪器操作简便，检测灵敏度高，能够实现在线同步检测和多组分同时检测[1]。与其他传统分析技术相比，近红外光谱技术无须复杂的样品处理，能够在短时间内提供大量信息，特别适用于复杂样品的快速分析。近红外光谱技术能够在几秒钟内完成样品的检测，显著提高了分析效率，且样品无损，可用于珍贵药材的质量控制。近红外光谱技术的多组分同时检测，利于复杂中药体系的检验，并通过在线监测实时监控中药制药过程中的关键参数，以确保产品质量[2][3]。
1 中药材鉴别应用
中药材的传统鉴别方式为性状鉴别、显微鉴别和薄层鉴别。性状鉴别对不同品种的中药材有一定的辨别能力，但需要过硬专业知识和丰富的经验；由于品种相同，大部分中药材的主要化学成分相同，显微鉴别和薄层鉴别并不能对其产地加以区分；气相色谱法、液相色谱法等方法可精确检测，但检测时间长；近红外光谱技术具有快速、灵敏度高、和对送检药材的损伤小等特点，适用于中药材加工的各个场景。
1.1 正品与伪品鉴别
郑加梅等[4]利用近红外光谱技术对55批样品采集光谱数据，结合多种方法研究快速鉴别重楼及其混伪品的可行性。结果表明，近红外光谱技术结合人工神经网络机器学习算法可准确识别重楼及其混伪品，或在二维红外光谱图谱的5 897～5 600 cm-1和4 497～4 200 cm-1观察到显著差异，但主成分分析和正交偏最小二乘判别分析模型预测能力差，线性判别分析模型无法区分七叶一枝花的部分样本。周婷等[5]运用近红外光谱技术采集了川贝母、湖北贝母、浙贝母、伊贝母及平贝母共11个品种98个样品的近红外光谱图，进行预处理后，采用K值聚类法结合偏最小二乘法进行聚类分析。结果表明，湖北贝母、平贝母、浙贝母、伊贝母的类型值分别为1.91、3.45、1.20、4.02，川贝母的类型值区间为5.06～5.96，可有效鉴别川贝母及其伪品，是一种可用于川贝母鳞茎鉴别的新方法。董怡青等[6]以生粉、木薯粉和小麦粉为茯苓粉伪品，利用近红外光谱技术结合主成分分析方法构建假冒茯苓粉的鉴别模型，可实现茯苓粉真实性无损检测。张延莹等[7]采集61批市场常见的续断、牛蒡根和甘西鼠尾3种丹参伪品的近红外漫反射光谱，结合判别分析算法建立真伪鉴别模型，进而测定预测集样品的归属，验证模型的准确性。结果表明，真伪鉴别准确率达到100%，是对现有丹参鉴别方法的科学补充。
1.2 正品与掺伪品鉴别
赵昕等[8]通过使用近红外光谱技术结合化学计量学方法，实现了常见的理枣仁、枳椇子和兵豆3种酸枣仁伪品掺假的快速无损检测，该方法对后续酸枣仁及其他种子类中药材便携式无损检测仪器的开发提供了科学依据。董怡青等[6]以生粉、木薯粉和小麦粉为掺伪品，利用便携式近红外光谱仪采集不同比例掺假茯苓粉的光谱数据，结合主成分分析方法构建假冒以及掺假茯苓粉的鉴别模型，此模型可实现茯苓粉真实性无损检测。郑郁等[9]采集不同比例掺假茯苓粉的近红外光谱数据，并通过多种样品处理方法消除光谱中的干扰，结合主成分分析法，建立了掺假茯苓粉的鉴别模型，可实现对不同比例掺假茯苓粉的100%鉴别分析。以麦芽糊精和淀粉为山楂果粉的掺伪品，利用近红外光谱技术结合化学计量学方法，建立偏最小二乘判别分析模型来区分正品与掺伪品，此模型稳定且适用，在快速检测其他中药材或功能性食品掺假方面具有很大潜力[10]。许祯毅等[11]以30个五夫白莲为样本，采集近红外光谱图，对莲子粉进行掺杂鉴别，结果表明可根据莲子粉与面粉、玉米粉、木薯粉近红外光谱区别，有效鉴别纯莲子粉与掺杂不同比例面粉、玉米粉、木薯粉的莲子粉，对保证中药材质量安全具有重要社会意义。
1.3 同属中药种类鉴别
罗西等[12]以1 735份绿绒蒿属植物为研究对象，利用近红外积分球漫反射和近红外光纤探头2种光谱采集方式，利用Python软件和TQ Analysis软件建立多种鉴别模型并进行筛选。结果表明，近红外光纤探头结合Python软件所建立的支持向量机模型效果最佳，可实现全缘叶绿绒蒿、五脉绿绒蒿、多刺绿绒蒿、红花绿绒蒿、杂交绿绒蒿、总状绿绒蒿的快速鉴别，为其质量评价与控制提供了理论基础与参考依据。彭璐等[13]以贡菊、亳菊、杭菊和福白菊为研究对象，采用近红外光谱技术结合化学计量学方法，建立菊花品种判别分析模型以实现菊花品种的快速识别。利用近红外光谱技术和偏最小二乘法对大白菊、胡菊和小白菊3个品种139批菊花进行研究，建立3个品种菊花判别分析模型，大白菊、胡菊、小白菊校正集的准确率分别为97.60%、96.65%、94.70%，预测集的准确率为95.16%、86.11%、93.46%，表明此模型可有效鉴别菊花种类[14]。
1.4 中药材产地鉴别
郭兆华等[15]采用近红外光谱技术对黄芩的河北省道地性进行二分类实验，对138份黄芩样本进行近红外光谱采集，通过预处理算法、不同波段选择算法和不同分类方法处理模型，结果发现近红外光谱技术的最佳道地性分类算法能对冀产黄芩进行100%正确率的道地性二分类，此方法快速、无损、可靠，为中药材产地溯源提供新的方法参考。李超等[16]采用傅里叶变换近红外光谱法通过多种光谱信号预处理方法和多种模式识别技术对5个主产区的75份艾叶样品进行了产地鉴别，建立的K-最近邻算法、贝叶斯算法及粒子群优化支持向量机3种模型对样品的识别率高达100%，能够用于艾叶的产地溯源，利于艾叶的道地性评价和质量控制，为其他药材的等同性研究提供新的方法参考。张延莹等[7]采集陕西、山东、四川、河北等9个产地的265批丹参样品的近红外漫反射光谱，采用主成分分析结合马氏距离的判别分析方法，建立丹参产地鉴别模型，并采用四重交叉验证测试模型预测性能，结果表明，产地鉴别准确率达到98%以上，该方法是对现有丹参鉴别方法的科学补充。余代鑫等[17]对9个产区280批次干姜药材样本进行分析，获取其近红外光谱信息，并运用8种机器学习算法对干姜药材进行产地溯源研究，近红外光谱技术与化学计量学和机器学习算法的结合，为中药材产地溯源研究提供新的方法参考。
1.5 其他
中药材经炮制后肉眼难辨其炮制程度和药效，通过近红外光谱技术可快速鉴别。丁羽等[18]通过智能感官和近红外光谱技术结合化学计量学建立酒当归不同炮制程度快速辨识模型，测色仪提取炮制过程的颜色特征值，超快速气相电子鼻获取气味信息，近红外光谱仪获取近红外光谱信息，化学计量学分析对数据进行处理分析，由此建立的辨识模型能准确鉴别4类不同炮制程度的酒当归样品，实现了对不同炮制程度酒当归的快速准确辨识，智能感官和近红外光谱技术与化学计量学的结合对酒当归及其他中药饮片的炮制程度的快速识别及质量控制提供了理论基础与参考依据。唐敏等[19]以3种炮制规格的186批蒲黄炭样品为研究对象，利用偏最小二乘判别分析、K-最近邻和支持向量机分析处理蒲黄炭样品的红外光谱信息，建立蒲黄炭炮制程度的判别分析模型，结果表明，该方法可快速判断蒲黄炭炮制程度，保证蒲黄炭炮制工艺的稳定性。
2 中药定量分析应用
2.1 水分含量测定
对于中药材，适宜的水分可保证药效稳定、延长保质期；水分过高会引发霉变、虫蛀，影响药材质量。吕亚新等[20]采集87份西洋参饮片的近红外光谱数据，结合偏最小二乘回归分析建立了西洋参中水分含量近红外定量分析模型，此模型可对西洋参中的水分含量进行快速测定，为西洋参的质量评价提供了一种较好的方法。周雨枫等[21]利用近红外光谱技术结合偏最小二乘法建立了一种三七药材水分和醇溶性浸出物含量检测模型，并利用内部交叉验证法和外部验证法对模型进行优化，该模型可准确、快速、无污染地测定三七药材的水分和醇溶性浸出物含量。杨植等[22]对馒馒枣和保德油枣2个品种样本光谱进行样本集划分并使用预处理的方法平滑法和偏最小二乘回归分析法，建立了含水量定量检测分析模型，用于红枣水分含量的预测。王美慧等[23]基于声光可调-近红外光谱技术建立了一种牡丹皮药材水分、浸出物、丹皮酚含量检测模型，将60批次牡丹皮样本的近红外光谱信息与化学值相关联，以偏最小二乘法和交叉-验证法而建立的定量校正模型，该模型可快速、准确、无损地鉴定牡丹皮水分、浸出物、丹皮酚含量，可用于牡丹皮药材质量的快速评价。
2.2 有效成分含量测定
蒋智威[24]以苍术作为研究对象，利用近红外光谱技术采集苍术样本近红外光谱信息，利用高效液相色谱法测定苍术粉末中的β-桉叶醇、白术内酯Ⅰ、白术内酯Ⅱ、白术内酯Ⅲ、苍术素、苍术酮6种有效成分的含量作为参考值，运用偏最小二乘回归、随机森林、支持向量机、反向传播神经网络、卷积神经网络等5种定量建模方法构建定量分析模型，结果表明，卷积神经网络模型更适合测定苍术中白术内酯Ⅰ、β-桉叶醇、苍术酮和苍术素含量，支持向量机模型在测定苍术中白术内酯Ⅱ和白术内酯Ⅲ的含量方面具有优势。雷晓晴等[25]收集106批不同产地的丹参，采用高效液相色谱法测定不同批次丹参样品中11种化学成分的含量，同时利用积分球漫反射模式采集丹参样品的近红外光谱信息，采用偏最小二乘法等化学计量学方法建立定量分析模型，该模型可对丹参中的丹酚酸B、二氢丹参酮、丹参酮Ⅰ、隐丹参酮和丹参酮ⅡA进行定量分析，为丹参药材、饮片的快速现场检测提供了思路。焦慧平等[26]采用近红外光谱结合化学计量学方法建立预测肉苁蓉药材苯乙醇苷和甘露醇含量的快速无损分析方法。未俊丰等[27]利用近红外光谱技术结合偏最小二乘法对甜叶菊绿原酸含量的光谱数据进行了近红外模型分析，实现甜叶菊中绿原酸含量的快速检测，通过扩大样本数量，增加样本的多样性，或使用其他预处理算法和特征波长选择算法，都能进一步提高预测模型的准确性和精度。李珊珊等[28]以云南昭通乌天麻为实验对象，利用近红外光谱技术结合人工兔优化算法-最小二乘支持向量回归法建立天麻中天麻素和对羟基苯甲醇含量的快速、无损检测模型，此模型为天麻及其他中药材的快速检测装置的研发提供一定理论参考。
2.3 大类成分含量测定
焦慧平等[26]采集肉苁蓉样品的近红外漫反射光谱，利用传统分析方法测定肉苁蓉样品中浸出物和多糖含量的化学分析值，采用偏最小二乘回归法和支持向量机回归法结合各种光谱样品处理手段，建立由肉苁蓉近红外光谱预测浸出物和多糖含量的定量模型。杜涓等[29]以156份发酵甘草茎叶为样本，采集近红外光谱数据，根据化学分析法的实际测定值，采用偏最小二乘法筛选最佳光谱预处理方法、建模波段及主成分数，构建发酵甘草茎叶多糖含量快速预测模型。该方法比传统的提取检测方法更快速，有望实现发酵过程的实时调控，用于评估发酵产品品质，为发酵工业中其他主成分含量的快速测定提供参考依据。徐萍等[30]采用高效液相色谱法测定重楼皂苷Ⅰ、Ⅱ、Ⅶ的含量及其总含量，同时采集近红外光谱数据，结合偏最小二乘回归法建立3种成分和总含量定量分析模型，预测效果较好，能用于该药材质量的实时监控。
3 中药制剂质量的控制
童一洋等[31]利用近红外光谱技术结合化学计量学建立复方甘草酸苷制剂质量检测的方法，为比较不同特征波长筛选方法对甘草酸苷、盐酸半胱氨酸、甘氨酸含量的预测效果，预处理后对全光谱波段、连续投影算法、遗传算法、竞争自适应重加权算法筛选出的特征波长以偏最小二乘法建立预测模型，结果表明，竞争自适应重加权算法对复方甘草酸苷3种组分含量的预测性能可靠，连续投影算法、遗传算法不适合复方甘草酸苷模型的建立。许学丽[32]利用近红外光谱技术对炎可宁片的质量分析进行研究，通过偏最小二乘法将含量测定值与光谱数据关联，建立定量分析模型并对模型预测效果进行验证，可实现盐酸小檗碱、黄芩苷、汉黄芩苷、黄芩素4种成分的准确定量，此模型可用于炎可宁片样品的快速质量分析并为炎可宁片质量评价体系的建立提供参考。裴媛媛等[33]以盐酸小檗碱和盐酸黄柏碱为黄柏膏的关键质量指标，建立由黄柏膏近红外光谱预测盐酸小檗碱和盐酸黄柏碱含量的定量预测模型，此模型可有效提高黄柏膏质量控制现代化程度和准确度。李倩等[34]以厚朴酚、和厚朴酚、橙皮苷为藿香正气口服液关键质量指标，利用近红外光谱与高效液相色谱技术，建立藿香正气口服液近红外光谱与指标成分含量间的线性关系，从而实现藿香正气口服液指标成分含量的透瓶快速测定，具有应用价值。
4 在线检测
中药提取物生产流程复杂，环境、设备、控制过程等微小变化，都会对质量产生直接影响，传统生产靠多点取样进行实验室离线分析，无法满足关键指标的质量控制需求，而近红外光谱技术具有快速、无损、绿色等优势，可应用于自动化生产中。
童枫等[35]建立了热毒宁注射液金银花和青蒿萃取终点判别模型，对金银花和青蒿萃取过程中固形物含量进行在线监控。采用近红外光谱仪在线采集多批次金银花和青蒿萃取过程光谱数据，结合偏最小二乘法和多元自适应回归样条算法，支持向量机算法建立异常光谱判别模型，移动块标准偏差法算法建立萃取终点判别模型，偏最小二乘法和多元自适应回归样条模型均可用于热毒宁注射液青蒿萃取过程固形物含量的在线监测，多元自适应回归样条模型性能更好，移动块标准偏差法简便易行可用于萃取终点判断，对提升中药生产质量具有参考意义。王玺等[36]建立了血府逐瘀胶囊提取过程多元统计过程控制模型，对血府逐瘀胶囊提取过程进行在线监控，通过近红外光谱仪在线采集多批血府逐瘀胶囊提取过程近红外光谱数据，并进行主成分分析从而建立提取过程轨迹图，结合多元统计过程控制建立3种控制模型可快速、无损观察血府逐瘀胶囊提取过程的整体变化，满足生产实际需求。王玺等[37]利用紫外光谱与近红外光谱对青风藤的萃取过程进行在线监测和终点判断，建立的青风藤萃取过程的盐酸青藤碱浓度模型拟合预测性能和稳定性良好，有望实现萃取过程的可视化。屈琼等[38]用高效液相色谱法测定香菊片膜分离过滤液样本中没食子酸、鞣花酸、木犀草素3个成分的含量，同时采集近红外光谱数据，将得到的光谱数据与3个化学成分含量数据应用偏最小二乘法回归分析建立定量监测模型，该模型预测性良好，可用于香菊片提取液膜分离过程的成分含量测定和终点判断。但此实验采用样本量较少，膜分离过程中的化学成分数量范围较窄，且采用的是离线式近红外光谱，未来应增加样本数量，扩大化学成分数量范围以及采用在线近红外光谱进一步探索研究。
5 结语
近红外光谱技术在中药领域应用广泛。在中药材鉴别方面，能有效区分正品与伪品、正品与掺伪品，鉴别同属中药种类和产地，还可判断中药材炮制程度。在中药定量分析上，可测定水分、有效成分和大类成分含量。在中药制剂质量控制方面，利用近红外光谱技术结合化学计量学，能建立多种制剂的质量检测模型，对复方甘草酸苷制剂、炎可宁片等进行质量分析。此外，可对中药提取物生产过程进行在线监测，对关键指标的质量进行控制实现实时监测。
近红外光谱技术在中药领域未来前景广阔。技术创新方面，应研发更高效的光谱采集设备，优化算法，提升对微量成分和复杂成分的检测分析能力。借助大数据和AI技术，构建光谱数据库并结合深度学习算法，实现中药质量智能化判断。应用上，近红外光谱技术应覆盖更多中药剂型，实现从原材料到成品的全流程质量监控，推动产业自动化。然而，深度学习算法在光谱分析中应用尚浅，且研究模型开发主要应用于实验室理想条件下，研究成果零散，也不够深入，因此，应建立光谱数据库并定期维护，以增强数据库的通用性与实用性。