防晒霜防晒指数的光谱探究

皮肤晒红、晒黑，甚至引起皮肤癌等恶性病变。使用防晒霜可有效地防止太阳辐射对人体健康影响，通常采用防晒指数sPF(sIHl protection factor)来评定防晒化妆品的防晒效果。sPF是指使用防晒化妆品防护皮肤的最小红斑剂量与未使用防晒化妆品防护皮肤的最小红斑剂量的比值[1]，通常sPF值越大，防晒霜的防晒效果就愈好，但sPF过高的防晒霜对皮肤也有一定的刺激和伤害作用。
sPF值与防晒霜中所含的防晒剂含量有关，然而从外观上难以分辨防晒霜的品种及防晒效果。国内外检测防晒霜的主要方法有皮肤试验法、高效液相色谱法、薄层色谱法、气相色谱法[2】等，检验防晒霜是否合格，国内采用皮肤变态反应试验法[3]等，国外有一种sPF-290型防晒系数分析仪[11用于测量sPF值。
依据物质发射的辐射能和辐射能与物质的相互作用而建立的分析方法，广义上都称为光谱分析，利用有机化学物质在其近红外光谱区内的光学特性快速估测某一有机物质中的一项或多项化学成分含量的新技术称近红外光谱(NmS)分析法，现代可见一近红外光谱分析技术，可充分利用全谱段或多波长下的光谱数据进行定性或定量分析。由于可见一近红外光谱技术分析具有速度快、效率高、成本低、测试重现性好、测量方便等特点，已经被越来越多地应用于食品工业、石油化工、制药工业等领域。
本研究使用美国AsD公司的便携式光谱仪获取三种防晒霜的光谱曲线，用主成分分析法和偏最小二乘法建立防晒指数与光谱特性之间的关系模型，从而实现防晒霜品种和防晒效果的快速检测。

1材料与方法
1．1试验材料
防晒霜购自超市，选用丁家宜系列产品，试验样品情况如表1所示。
1．2试验装置
试验装置由微机、光谱仪、卤素灯、校正白板、直径75mm的玻璃皿等组成，如图1所示。光谱仪使用美国√蟠D(‰lyt砌spectral隗、，ice)公司的H锄dhdd Field sp伐便携式光谱仪，测定波长范围325～1 075咖，扫描频率30次·s～，分辨率3．5呦。光源是与光谱仪配套的14．5 V卤素灯。光谱数据以ASCII码形式直接上传到计算机，分析软件使用√气SDⅥ哪Sp∞Pro，UIlScraInble、r9．6。 ．
!．3光谱数据预处理
由于光谱中存在高频随机噪音、基线漂移、样本不均匀、光散射等影响。需要进行光谱预处理来消除噪音。采用移动平均平滑法，选用平滑窗口大小为8，此时能很好滤除各种因素产生的高频噪音，再进行多元散射校正(multiplicativescatter∞rrection，MsC)处理[“5]。由于系统误差，光谱曲线在首尾端有较大的噪声，会直接影响实验的准确性。为了提高实验的精度，去掉前75和后115个波段，只研究400～960衄范围内的反射光谱[61。
1．4试验方法
试验采用美国AsD公司生产的便携式光谱仪在室内进行了测量，测量时为了保证测量精度，其操作过程严格按照该仪器规定的测量步骤进行：
首先，将一黑布垫于被测样品和白板的下面，减少由于桌面反射带来的系统误差；
其次，光谱仪置于器皿的上方，距离器皿上表面120mm，探头视场角为20。；
第三，将防晒霜样品放入一直径为75 nHn，高度为14姗的培养皿中，并用直尺将防晒霜表面刮平以消除防晒霜表面对其光谱特征的影响。
另外，每次测量时光谱仪和光源距被测物体的距离和角度严格保持一致。每个品种取25个样本，共75个样本，每个样本将被扫描30次。然后采用√蟾D公司提供的vi哪Specpro version软件进行平均处理，并将其按lg(1／R)转换为吸光度。
1．5分析与建模
光谱数据处理是近红外光谱技术的重要组成部分，建立预测方程的数学算法有多元线性回归(MLR)，，主成分分析(P(狐)、主成分回归(P(浆)、偏最小二乘(PIS)、拓扑学方法和人工神经网络(砧叮N)等。MLR，PCR，PLS方法，主要用于样品的质量参数与变量问呈线性关系的关联。而拓扑学方法和人工神经网络(舢州)方法等常用于非线性关系的关联。
1．5．1主成分分析(P(’A)
主成分分析的目的是将数据降维，以消除众多信息共存中相互重叠的信息部分。通过对原始大量光谱变量进行转换，使数目较少的新变量成为原变量的线性组合，而且，新变量能最大限度的表征原变量的数据结构特征，并不丢失主要信息。
1；5．2偏最小二乘(H固建模
偏最小二乘法是目前一种相对较新的多元数据处理技术，它是一种将因子分析和回归分析相结合的回归方法。该方法不仅对光谱矩阵进行主成分分解，而且对浓度矩阵也进行主成分分解，并且在分解过程中将光谱矩阵信息引入到浓度矩阵的分解过程中，因此，在分解过程中得到的浓度矩阵直接与光谱矩阵关联。

2试验结果与分析
2．1样本的近红外漫反射光谱
三种品种防晒霜的可见光一近红外反射光谱曲线如图2所示。图2中横坐标为波长，范围是325～1 075嘲，纵坐标为光谱漫反射率。从图2中可以看出，不同品种防晒霜的光谱曲线存在明显区别，表明光谱法能很好地区分不同品种的防晒霜。
2．2主成分分析聚类
对三类防晒霜样本进行主成分聚类分析，结果如图3所示。分析表明前2个主成分累计可信度已达91％，所以仅用前2个主成分就可以表示原始光谱的主要信息。图4表示75个样本的主成分1。2的得分图，图中横坐标表示样本的第一主成分得分值，纵坐标表示样本的第二主成分得分值。图4中sPn5，sP砣o，sP闻O三个品种防晒霜分类明显，说明主成分1，2对3种不同防晒霜有较好的聚类作用。从图4中可以看出，品种为sPFl5和SP心。的50个样本聚合度较好而且分别位于直线y=z—o．04两侧，其它25个SPF30的样本聚集度不如前两种，但大部分位于直线y=z一0．10的下方，而且与sPFl5，sP砣。明显分开。
2．3偏最小二乘法建立回归模型
对三类防晒霜样本的sPF值进行偏最小二乘法回归运算建立模型，并根据建立的模型对剩余的15个样本的疆'F值进行预测，图5是主成分数为2时的60个样本的预测结果。
从图5中可以看出对用来建模的60个样本的预测相关系数为o．967 7，标准预测误差为1．584。使用该模型对剩余15个样本预测后得到表2的结果。从表2可以看出最小预测精度为89．105％，最大预测精度为99．747％。因此使用偏最小二乘回归模型来预测sPF值是可行的。

3结论
应用可见一近红外光谱技术对丁家宜sPlFl5，sP挖o，sPRo三种品种防晒霜共75个样本进行了分析，研究了不同防晒霜对可见一近红外光谱的响应特性，经主成分分析表明，主成分PCI和主成分PC2的累计贡献率达到了91％，能较好地区分三种不同sPF的品种。采用偏最小二乘回归方法建立了防晒指数sPF的预测模型，相关系数达0．9677，并对15个样本的SPF进行了预测，取得了较好的效果，说明应用可见一近红外光谱技术结合化学计量学方法能较好地分类和鉴别不同防晒指数的防晒霜，为防晒霜的SPF值的检测提供了一种新方法。

更多关于  织物防晒指数分析仪：http://www.zxlry.com/product/product-111.html