基于NIRS技术和PCA-SVM算法6种树脂及其他类中药的快速鉴别

目的:利用近红外漫反射光谱(NIRS)法,结合主成分分析(PCA)和支持向量机(SVM)联用算法,建立6种树脂及其他类中药安息香(Benzoinum),琥珀(Succinum),没药(Myrrha),乳香(Olibanum),松香(Colophonium),天竺黄(Bambusaen Concretio Silicea)的NIR模式识别模型,用于该6味中药的快速鉴别。方法:收集上述6种中药样品,经性状鉴别和理化分析确定正品药材55批,粉碎成均匀粉末,在4 000~12 000 cm~(-1)光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000~5 400,5 000~4 000 cm~(-1)为建模谱段,分别采用矢量归一化法(vector normalization,VN),一阶导数法(first derivative,FD),二阶导数法(second derivative,SD)3种不同光谱预处理方法进行预处理并分别进行PCA降维。根据主成分空间散点图,优选最佳预处理方法。利用最佳预处理方法处理后光谱的PCA降维数据,建立SVM模式识别模型,SVM模型参数c和g采用网格搜索法结合五折交叉验证进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立6种中药NIR快速鉴别模型。结果:在9 000~5 400,5 000~4 000 cm~(-1)建模谱段,确定最佳光谱预处理方法为SD,SD预处理光谱PCA降维后,确定最佳主成分数为3个,累计贡献率达93.57%。经网格搜索法确定最佳SVM建模参数组为c=65 536,g=512。所建PCA-SVM模型对训练集和验证集样品预测正确率均达100%,模型五折交叉验证准确率亦达100%。结论:所建的6种中药NIR光谱PCA-SVM鉴别模型,预测准确率高,模型预测能力强,结合NIRS技术无损、快速的优点,该模型可用于上述6种中药的无损、快速鉴别。