文献类型： 中文期刊

作者： 胡晓燕 ¹ ; 苏俊宇 ¹ ; 沈涛 ² ; 杨绍兵 ¹ ; 王元忠 ¹ ;

作者机构： 1.云南省农业科学院药用植物研究所

2.玉溪师范学院化学生物与环境学院

关键词： 滇黄精;二维相关光谱;残差神经网络;干燥方法;产地

期刊名称： 中草药

ISSN： 0253-2670

年卷期： 2025 年 56 卷 018 期

页码： 6761-6772

收录情况： 北大核心 ; CSCD

摘要： 目的 探讨傅里叶变换近红外（fourier transform near infrared,FT-NIR）光谱技术在滇黄精Polygonatum kingianum质量评价中的应用，基于不同干燥处理方法、不同产地滇黄精的一维光谱与二维光谱构建鉴别模型，为滇黄精质量评价提供新方法。方法 研究采集了198份不同干燥方式和产地的滇黄精样品，将其进行不同干燥处理，分析产地、干燥处理方法等因素对滇黄精质量的影响；采集并分析滇黄精FT-NIR光谱和二维相关光谱（two-dimensional correlation spectroscopy,2DCOS）特征，采用主成分分析（principal component analysis,PCA）和层次聚类分析（hierarchical clustering analysis,HCA）可视化样品的分类趋势，并基于FT-NIR光谱建立偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）和支持向量机（support vector machine,SVM）2种传统模型；基于同步、异步和综合2DCOS图像建立残差神经网络（residual neural network,ResNet）模型，比较3种模型的整体鉴别能力和模型性能。结果 同步2DCOS图像结合ResNet可以成功鉴别滇黄精不同产地和干燥处理方法，准确率达到100%，整体鉴别能力和模型性能均显著优于PLS-DA和SVM传统模型。结论 基于FT-NIR光谱构建的ResNet鉴别模型可以快速准确鉴别滇黄精的产地和干燥处理方法，为滇黄精质量的快速检测提供科学依据。