基于近红外和中红外光谱的杜仲产地溯源.docx

《基于近红外和中红外光谱的杜仲产地溯源.docx》由会员分享，可在线阅读，更多相关《基于近红外和中红外光谱的杜仲产地溯源.docx（5页珍藏版）》请在第壹文秘上搜索。

1、背景介绍杜仲(EucommiaeCortex)皮是一味在中国拥有悠久历史的中药材，早在两多年前，杜仲皮已被列入中国医学羟典神农本草钱.在鼓新的中国药典2020版中规定,该味中药基源为杜仲科(EUCOmmiaCeaC)杜仲属HWia)植物杜仲(EiictwwniaeUhnoideSOIivJ的干燥料皮.近红外和中红外等光谱技术因具有检测速度快、无损和操作简单的优点,已成为中药分析领域的虫要工具,广泛应用于中药物种将定、地理起源分析、掺假校测和定址分析。文章亮点1.使用卜量锚近分析小NN)、主成分分析线性判刑分析PCA1.DA)和偏景小二梁判别分析(P1.S-DA)模型对杜仲样品进行了产地来源分类

2、.2家用近中缸外光谱与化学计量学相结合的方法，用于简便.快速川准确地鉴别杜仲的产地，有望应用于市场赛好领域.内容简介1 实验部分本研究从8个省的50个地区采集了组杜仲样品,首先栗集了来自8个不同省份的500个杜仲样品的近红外光谱与中红外光谱数据，然后利用常用的化学计地学方法，包括k破邻近分析(kNN)、主成分分析-线性判别分析(PCA-1.DA)和偏最小二浜判别分析(P1.S-DA)对杜仲样品按其地理来源进行分类。k最领近分析(kNN)是一种非参数分类方法，广泛应用于许多实际的分类任务.主成分分析-级性判别分析(PCAlDA)是一种无监管降维技术,它将可能相关的变加咕换为若干线性不相关变量，即

3、主成分(PC),拇个主成分是原始变量的线性组合.偏及小二乘判别分析(PlS-DA)是化学计双学中最流行的分类方法之一,在各类食品的检测与控制,生物代谢组学以及制药过程控制等领域已经有很多的应用，它巧妙地结合了经典的偏最小二乘何归和分类技术,本文的所有数据分析都是在MAT1.AB软件中进行的-2结果与讨论1.1 近红外光谱与中红外光谱分析杜林样品的近红外光谱如图1所示，从原始光谱上看，8个产地的杜钟近红外光谱从诺形上没有明显的波形差异,难以用肉眼进行区分，这可能是由于不同产地杜仲的化学成分组成相似，导致其出峥位置相似以及谱形趋势相似。4原始光谱;b.多元散射校正光谱;C.二阶导致便处理光淋nI不

4、同用处理方丈得到的人省份社仲样品的近红外光漕杜仲样品的中纣外光谱如图2所示.8个产地的杜仲原始中红外光谱具有非常相似的波形走向，这可能是因为不同产地杜仲的化学成分祖成具有相似性，导致了基频峥的山峰位汽一致.u.原蛤光谱:b.多元散射校正光源;二阶牛数很处理光谙B2不同）不理方式斛划的8个价份杜仲样品的中红外光谱1.2 杜仲地理来源的判别采用随机抽样算法将来自不同产地的所有杜仲祥本分成访阙集和测试集。在近红外允谱的分析中,基于多元散射校正光谱建模时,kNN模型的k值为2时.其交叉验证的判别准确率为100%,为增佳模型,在中红外光谱的分析中，由交叉骁证程序的结果表明，葩于多元放射校正光谱建模时,P

5、1.S-DA模型的1.V为19时.其交叉验证的列别准确率为99.11%为最佳模型.2.3不同算法识别性能的比较为了进一步评估这些分类模型的性能,计算了SEN与SPE等性能参观基/近红外光谱的交又蛤证、训练集和测试架的SEN和SPE结果显示，3种尊法在分类性能上都具有很好的灵触度和特异性.综合结果，kNN模型更适合于本研究中基于近红外光谱的杜仲产地的识别.基于中红外光谱的交叉粉证、训练案和测试集的SEN和SPE结果，PCA-1.DA模型与P1.S-DA模型都具有较好的灵敏度与特异性.3结论本研究采用近红外光谱与中红外光谱结合化学计量学的方法实现了我国S个主要产地杜仲的柏掂识别，为准确月别杜仲的地理来源提供了一种新的客观快速的方法，在判别食品和中药的产地方面具有定的实用饰值.有里应用于市场监督领域.为新方法的构建提供参