科研产出
ATR-FTIR和UV-Vis结合数据融合策略鉴别滇黄精产地
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：黄精药材品质优劣与基原植物产地环境因子密切相关,建立简单、快速且能够准确鉴别药材产地的方法对保证其质量可控及用药安全具有重要的理论意义和应用前景。研究中以云南、四川和广西9个产地的133份滇黄精Polygonatum20kingianumcoll.et20Hemsl根茎为试验材料,采集衰减全反射-傅里叶变换红外光谱（ATR-FTIR）和紫外-可见光光谱（UV-Vis）数据预处理后分别建立单一光谱随机森林（Random20forest,RF）模型;将ATR-FTIR与UV-Vis数据直接串联完成低级融合,提取两种光谱的主成分数（PCs）和潜在变量（LVs）以实现中级（中级融合PCs和中级融合LVs）和高级数据融合（高级融合PCs和高级融合LVs）,基于不同数据融合策略分别建立RF模型;比较不同模型的正确率（ACC）、灵敏度（SEN）和特异性（SPE）,筛选产地鉴别最佳模型。结果显示,不同产地滇黄精ATR-FTIR和UV-Vis峰型相似,吸光度略有差异,ATRFTIR显示14个共有峰,与糖类、甾体皂苷、黄酮类和生物碱类物质有关,其UV-Vis共有峰主要位于272及327nm处,与黄酮类物质有关;ATR-FTIR、UV-Vis和低级融合的RF模型,训练集和预测集ACC分别为（76.34%,95.00%）,（80.65%,95.00%）和（83.87%,100.00%）,但SEN和SPE值较低,故不宜采用;中级融合PCs和中级融合LVs的RF模型的SEN和SPE分别为大于0.91和0.98,训练集ACC分别为91.40%和97.85%,预测集ACC均为97.50%;高级融合PCs和高级融合LVs的RF训练集ACC分别为77.42%和97.85%,预测集ACC均为95.00%,高级融合PCs的RF模型鉴别效果较差,高级融合LVs的RF模型存在过拟合现象;模型鉴别能力为中级融合LVs>中级融合PCs>低级融合>20UV-Vis>ATR-FTIR>高级融合PCs;提取LVs对产地鉴别的方法优于PCs;中级融合LVs建立的RF模型鉴别ACC最高,SEN和SPE大于0.98,模型性能最佳。该方法可为黄精药用资源的科学评价提供理论依据和技术支撑。
关键词： 滇黄精 产地鉴别 数据融合 数据衰减全反射-傅里叶变换红外光谱 紫外-可见吸收光谱（UV-Vis）
全文链接
请求原文
应用光谱分析方法测定牛肝菌的产地和不同部位矿物质含量
《光谱学与光谱分析 》 2020 EI 北大核心 CSCD
摘要：我国是全球最大的牛肝菌出口国,云南则是国内牛肝菌最大产区.美味牛肝菌香郁爽滑、营养丰富,备受消费者青睐,但因不同的地理气候和环境差异,导致品质参差不齐.开展云南省不同产区美味牛肝菌产地鉴别,有利于提高商品质量控制.本研究采集云南省13个产地美味牛肝菌样品124份,使用傅里叶变换中红外光谱(FTIR-MIR)、傅里叶变换近红外光谱(FTIR-NIR)、紫外可见光谱(UV-Vis)和电感耦合等离子体原子发射光谱法测定光谱信息与不同部位矿质元素含量并进行分析,对原始光谱进行平滑(Savitzky-Golay,SG)、二阶导数(SD)、标准正态变换(SNV)等预处理,数据使用Kennard-Stone分类法分为训练集与预测集,通过偏最小二乘辨别分析(PLS-DA)和支持向量机(SVM)建立分类模型后进行对比分析,寻找最佳的产地鉴别方法.结果显示:(1)元素测定方法中茶叶标准物质回收率在91.00% ~106.00% 之间,方法准确可靠;(2)美味牛肝菌富含元素K,P,Mg,Na和Ca且不同部位相同产地,不同产地相同部位元素之间存在差异性,可能与美味牛肝菌不同部位的富集能力和不同产地地理环境差异相关;(3)中级融合通过主成分分析(PCA)提取重要信息,其中FTIR-MIR和UV-Vis光谱数据的累计贡献率达到83.50% 和66.70%,代表重要信息变量;(4)在PLS-DA与SVM模型中,数据融合后的产地鉴别效果基本高于单一数据鉴别,说明数据融合策略在美味牛肝产地鉴别中效果显著;(5)采用Hottelling T2检测法对数据融合进行异常值检验,结果表明模型未超过置信区间,具有准确性与可信性;(6)PLS-DA模型的初级融合和中级融合结果都高于SVM,说明PLS-DA模型中级融合可以作为产地鉴别的最佳方法.多种光谱结合不同部位矿质元素可准确鉴别不同产地美味牛肝菌,为云南美味牛肝菌地域品质差异评价提供有效的分析方法.
全文链接
请求原文
FTIR、ATR-FTIR和UV多光谱鉴别不同产地重楼
《分析测试学报 》 2019 北大核心 CSCD
摘要：测定了云南省及贵州省6个不同产地重楼的FTIR、ATR-FTIR及UV信息,并对ATR-FTIR光谱数据进行ATR校正(ATR-FTIR-A)、一阶导数(FD)、二阶导数(SD)、标准正态变量(SNV)等预处理,结合偏最小二乘判别分析(PLS-DA)与支持向量机(SVM)建立了单光谱与低级数据融合分类判别模型。结果表明,校正后的重楼ATR-FTIR(ATR-FTIR-A)光谱信息与KBr压片法展现的信息基本吻合; UV二阶导数图谱较原始图谱分辨率提高; ATR-FTIR-A单光谱及ATR-FTIR-A-UV低级数据融合的PLS-DA及SVM模型鉴别效果最好,预测正确率均达到100. 00%。基于ATR-FTIR-A建立的PLS-DA或SVM产地鉴别模型分类正确率高,在实际生产应用中有简便、高效、准确等优点,若采用ATR-FTIR-A-UV建立模型可进一步加强模型稳定性。
关键词： 重楼 衰减全反射傅立叶变换红外光谱 偏最小二乘判别分析 支持向量机 产地鉴别
全文链接
请求原文
多光谱数据融合技术对绒柄牛肝菌产地的鉴别
《食品科学 》 2018 EI 北大核心 CSCD
摘要：采集5个产地96份绒柄牛肝菌样品的红外光谱和紫外光谱,结合多光谱信息融合策略,建立快速、有效鉴别绒柄牛肝菌产地的方法。运用多元散射校正、标准正态变量、二阶导数等预处理方法对原始光谱数据进行优化处理,减少噪音干扰。选取具有指纹特性的光谱信息进行初级数据融合;通过偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)筛选光谱数据中变量在投影方向重要程度大于1的波段,进行中级数据融合。利用优化处理后的单一光谱数据及多光谱融合数据建立PLS-DA模型和支持向量机(support vector machine,SVM)判别模型,比较两种判别模型对绒柄牛肝菌产地的鉴别效果。结果显示,通过红外光谱、紫外光谱、初级融合和中级融合数据分别建立PLS-DA模型,对绒柄牛肝菌产地的预测正确率为56.25%、56.25%、62.50%和81.25%;建立SVM判别模型,产地预测正确率分别为90.63%、65.63%、87.50%和96.88%,表明中级融合技术对绒柄牛肝菌产地鉴别效果显著,优于其他技术;并且SVM判别模型对牛肝菌产地区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,能够快速、有效鉴别不同产地绒柄牛肝菌,同时为食品质量监控提供有效方法和理论基础。
关键词： 数据融合 绒柄牛肝菌 产地鉴别 紫外光谱 红外光谱
全文链接
请求原文
FTIR结合化学计量学对三七产地鉴别及皂苷含量预测研究
《光谱学与光谱分析 》 2017 EI SCI 北大核心 CSCD
摘要：不同产地对中药次生代谢产物有显著影响,产地鉴别有助于中药的科学合理利用;其次,有效成分含量检测是评价中药质量的主要手段。通过傅里叶变换红外光谱结合化学计量学建立快速鉴别三七产地及测定三七中四种主要皂苷的方法,为三七的科学、合理、规范使用以及对三七质量进行快速评价提供依据。采集5个区域12个产地117个三七样本的红外光谱。产地鉴别预处理数据采用离散小波变换除去噪音造成的部分高频信号,偏最小二乘判别对产地判别贡献率大于1的数据进行筛选,kennard-stone算法将117个个体分为70%训练集与30%预测集。训练集数据用于建立支持向量机判别模型,交叉验证法用于筛选支持向量机最优参数,预测集数据对支持向量机判别模型结果进行验证。皂苷含量预测预处理数据采用标准正态变量变换、离散小波变换处理;处理的红外数据设为X变量,三七样品中通过高效液相色谱法测得的四种皂苷总量设为Y变量,采用正交信号校正去除红外光谱中与四种皂苷总量无关的干扰数据。个体数据分为80%训练集与20%预测集,训练集建立偏最小二乘回归模型,预测集数据对偏最小二乘回归模型的预测结果进行验证。结果显示:(1)交叉验证法得到支持向量机判别模型的最优参数为c=2.828 43,g=0.0625,训练集的产地判别最优正确率为91.463 4%;(2)支持向量机判别模型参数设置为最优参数,代入预测集数据,预测集的产地判别正确率为94.285 7%,判别正确率较高;(3)训练集建立偏最小二乘回归模型的相关系数R2=0.941 8,校正均方差RMSEE=4.530 7;(4)代入预测集数据,预测集的相关系数R2=0.962 3,外部检验均方差RMSEP=3.855 9,皂苷预测值与高效液相检测值接近,预测效果良好。傅里叶变换红外光谱结合支持向量机能对三七进行产地鉴别,正交信号校正结合偏最小二乘回归能对三七中四种主要皂苷总量进行准确预测,为三七质量控制提供一种快速简便、无损、高灵敏度的检测方法。
全文链接
请求原文
MC‐UVE波长选择法在近红外光谱鉴别茯苓产地中的应用研究
《菌物学报 》 2017 北大核心 CSCD
摘要：利用近红外光谱鉴别云南不同产区药用真菌茯苓。采用光谱标准偏差法(SSD)和蒙特卡罗无信息变量消除法(MC-UVE)逐步筛选光谱信息,利用K-S算法将白茯苓和茯苓皮划分训练集和验证集,并结合偏最小二乘判别分析法(PLS-DA)分别构建不同产区白茯苓和茯苓皮的分类模型,进一步建立不同产区茯苓的Fisher判别方程。结果表明:(1)通过主成分-马氏距离(PCA-MD)分析,白茯苓和茯苓皮的近红外光谱在主成分得分空间内呈现出较大差异,构建不同产区茯苓鉴别模型应将白茯苓及茯苓皮分开。(2)最优主成分数为5时,采用SSD筛选的886个变量(7 501.74–4 088.35cm~(-1))构建的白茯苓和茯苓皮的分类模型,其R~2、RMSECV和RMSEP分别为0.986、0.988;0.320、0.283;0.425、0.395;采用MC-UVE法分别筛选出白茯苓和茯苓皮光谱信息(34个、22个变量)建立的分类模型,其R~2、RMSECV和RMSEP分别为0.993、0.991;0.224、0.255;0.298、0.355。采用MC-UVE结合PLS-DA法建立的分类模型,有效降低了冗余信息,白茯苓和茯苓皮的R~2均有所提升,RMSECV和RMSEP均有所降低,预测正确率分别由85.71%和83.33%,提高至100%。(3)进一步采用逐步判别分析法筛选出白茯苓(6个)和茯苓皮(4个)光谱变量,建立Fisher判别方程,回代验证正确率均大于85.7%,交叉验证正确率均大于66.7%,表明所建立的Fisher判别方程能较好地鉴别不同产区的茯苓。
关键词： 产地鉴别 光谱标准偏差法 偏最小二乘判别分析法 Fisher判别方程
全文链接
请求原文
红外光谱结合判别分析对玛咖产地的鉴别
《江苏农业科学 》 2017 北大核心
摘要：采用傅里叶变换红外光谱技术测试6个产地共82株玛咖块根样品的红外光谱;在Omnic 8.0光谱软件中用一阶、二阶导数等方法对光谱进行优化处理;用SPSS 18.5统计分析软件对经优化的光谱数据在950~1 800、1 200~1 800 cm-1范围建立Mahalanobis distance(马氏距离)、Wilks’Lambda、Unexplained variance(未解释方差)、Smallest F ratio(最小F值)及Rao's V判别分析模型。结果显示,各样品的红外光谱非常相似,玛咖块根的主要成分是淀粉多糖、蛋白质、纤维素和脂类物质;以950~1 800 cm-1范围的二阶导数光谱数据为判别指标进行Mahalanobis distance判别分析效果较好,且模型较稳定,回判正确率为100%,平均预测正确率为81.8%,总判别正确率为92.7%。傅里叶变换红外光谱结合判别分析,可以有效鉴别玛咖产地来源,为玛咖的鉴别分类提供可靠依据。
全文链接
请求原文
不同产地黄硬皮马勃的红外光谱鉴别方法研究
《河南农业科学 》 2016 北大核心 CSCD
摘要：黄硬皮马勃(Scleroderma flavidum Ell.et EV.)主要生长在我国南方地区,有食用和药用价值。利用红外技术对其进行产地鉴别,为黄硬皮马勃的资源鉴别提供基础分析方法和理论依据。利用傅里叶变换红外光谱(Fourier transform infrared spectroscopy,FTIR)仪采集4个不同产地共40个黄硬皮马勃样本的红外光谱,每个样本平行扫描3次,取平均值。随机选择12个样本作为验证集,其余作为校正集,采用1 800~500 cm-1波段的光谱数据,对比多种预处理方法,选择最佳预处理方法建立模型并进行判别分析(discriminant analysis,DA)。结果表明,预处理方法 ND(7∶3)+SD+MSC(ND为诺里斯导数平滑,SD为二阶导数,MSC为多元散射校正)构建的判别模型性能最佳,验证集样本的分类准确率和校正集样本的回判准确率均达到100%,模型鉴别效果良好,可靠性高。傅里叶变换红外光谱法结合判别分析,能有效鉴别不同产地黄硬皮马勃。
关键词： 黄硬皮马勃 产地鉴别 傅里叶变换红外光谱 判别分析
全文链接
请求原文
紫外光谱结合化学计量学区分不同产地川东獐牙菜
《中国实验方剂学杂志 》 2016 北大核心 CSCD
摘要：目的:分析鉴别4个产地川东獐牙菜,并建立预测模型,预测产地区分准确性。方法:光谱数据导入UVProbe2.34,比较不同产地相同部位的紫外光谱图,将原始光谱数据以及经过8点平滑、一阶求导和二阶求导后的数据导入SIMCA-P11.5,进行主成分分析(PCA),比较三维得分图的产地鉴别效果。结果:主成分分析中以叶的原始数据以及8点平滑处理数据鉴别效果最佳,主成分累计贡献率均为98.8%,其余预处理方式无法取得较好的鉴别效果可能与主成分数累计值有关(一阶求导为83.9%,二阶求导为47.3%)。根部数据能将重庆、湖北的样品和湖南样品分开,但重庆和湖北的样品无法区分。建立偏最小二乘判别分析(PLS-DA)模型,检测鉴别模型的可靠性,并为预测更多产地的区分提供依据。将验证集带入训练集建立的模型进行偏最小二乘判别分析,能区分产地,证明该模型产地鉴别效果可行。PLS-DA中训练集的预测值和真实值相关系数为0.985,其评估均方差(RMSEE)为0.159,验证集导入训练集后其预测值与真实值的相关系数为0.927,预测均方差(RMSEP)为0.327,RMSEE与RMSEP两者相近,且都<0.500,该模型的预测可靠性高。结论:运用紫外光谱结合主成分分析和偏最小二乘判别分析能够较好的鉴别不同产地川东獐牙菜,构建模型预测效果较好,加入未知产地样品也能较好区分。
关键词： 主成分分析 偏最小二乘判别分析 川东獐牙菜 产地鉴别
全文链接
请求原文
药用植物川东獐牙菜红外光谱分析与鉴别
《光谱学与光谱分析 》 2016 EI SCI 北大核心 CSCD
摘要：采用傅里叶变换红外光谱法(Fourier transform infrared spectroscopy,FTIR)、偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)和系统聚类分析(hierarchical cluster analysis,HCA)快速鉴别不同产地川东獐牙菜(Swertia davidi Franch)。采集4个不同地区70株样品不同部位的红外光谱数据,原始光谱数据经预处理(自动基线校正,自动平滑,一阶求导,二阶求导)后导入OMNIC 8.2,比较吸收峰的差异;用SIMCA-Pa+10.0进行偏最小二乘判别分析(PLS-DA),以前三个主成分三维得分图比较产地鉴别效果;红外光谱数据导入SPSS 19.0,进行系统聚类分析(HCA),通过树状图比较不同部位分类效果。结果显示,(1)不同产地根的光谱图在1 739,1 647,1 614,1 503,1 271,1 243,1 072cm~(-1)附近的吸收峰有差异,不同产地茎的光谱图在1 503,1 270,1 246cm~(-1)吸收峰附近有差异;(2)相同产地不同部位的光谱特征峰有差异;(3)PLS-DA分析结果显示自动基线校正+自动平滑+二阶求导这种预处理方式分类效果最好,根的红外光谱数据产地鉴别效果最佳;(4)HCA的树状图,显示根的聚类分析结果正确率83%,茎的聚类分析结果正确率49%,叶的聚类分析结果正确率70%。FTIR技术结合PLS-DA与HCA方法能够快速准确地鉴别不同产地川东獐牙菜,不同部位产地鉴别效果有差异,根的光谱数据产地鉴别效果最佳,二阶求导处理增强了样品的特异性,使PLS-DA的三维主成分得分图分类效果更明显。
关键词： 红外光谱 产地鉴别 川东獐牙菜 系统聚类分析 偏最小二乘判别分析
全文链接
请求原文
