基于近红外光谱主成分分析-马氏距离法的发汗与未发汗续断的快速鉴别

为了快速准确的鉴别续断发汗与否, 以续断发汗和未发汗样品为实验材料, 采用近红外光谱法结合主成分分析-马氏距离判别分析方法建立了定性鉴别模型。选取了129个未发汗样品和86个发汗样品的近红外光谱图,应用主成分分析-马氏距离法进行判别分析,选择谱段为9 881.46~4 119.20 cm^-1,采用 "标准正则变换 +原始光谱+ 二阶求导" 组合对原始光谱进行预处理,主成分数为14,建立定性鉴别模型;并经预测集验证,鉴别准确率达到100%。说明近红外光谱结合模式识别方法进行续断"发汗"与否定性鉴别在技术上是可行的,可以作为续断产地加工"发汗"定性鉴别的一种辅助手段。     

基于近红外光谱技术的道地山药快速无损分析

目的：采用近红外漫反射光谱技术,建立对道地山药的快速无损鉴别方法。方法：收集三个产地（河南、河北、广东）的山药饮片共90份,采集其近红外漫反射光谱。采用判别分析法建立定性鉴别模型,并考察不同数据预处理方法对模型预测结果的影响。结果：道地山药饮片与其他产地的山药饮片在原始光谱与主成分得分的空间分布中均表现出较大的差异性。所建定性判别模型中,经多元散射校正结合二阶导数及SG平滑处理的模型表现出最佳预测结果,其对校正集与验证集的判正率均为100％。结论：近红外漫反射光谱技术在道地药材的质量分析中具有可行性,可实现道地山药饮片的快速无损鉴别。     

基于近红外光谱和对比梯度提升决策树建立当归药材及伪品的定性判别模型＊

目的 建立NIRS技术快速无损鉴别当归药材及其伪品的方法。方法 采集当归及伪品断面的近红外光谱，结合模式识别法分析药材，用主成分分析（Principal component analysis，PCA）进行定性分析；对比梯度提升决策树（Gradient Boosting Decision Tree，GBDT）、支持向量机（Support Vector Machine，SVM）、人工神经网络（Artificial Neural Network；ANN）3种当归真伪判别模型的分类效果；利用RF筛选特征波长优化所建模型。结果 PCA无法有效区别当归及其伪品；与ANN、SVM相比，GBDT具有更高的准确性，训练集与预测集的总体准确率分别为94.39%和90.38%；而后以RF选取出20个特征波长，建立的近红外特征光谱判别模型训练集和预测集的总体准确率也达到了91.59%和86.54%。结论 近红外光谱技术结合GBDT鉴别当归药材真伪鉴别是可行的，为当归药材真伪快速无损鉴别提供了一种新方法。     

一种基于声光可调滤光器-近红外光谱技术的复方丹参片快速定性分析方法

目的：以声光可调滤光器(AOTF)-近红外(NIR)光谱技术建立复方丹参片快速定性分析方法。方法：收集不同厂家的复方丹参片，采集样品的近红外光谱，采用主成分分析法建立复方丹参片的定性分析模型（FFDS-C），并以该模型对复方丹参片验证集样品、与其相似组方的中成药和丹参、三七、冰片3种阴性对照进行定性鉴别。结果：建立的复方丹参片FFDS-C定性分析模型，能准确鉴别复方丹参片及相近的中成药和阴性对照品。结论：该方法是一种简便、快速、低耗的新型分析技术，可用于复方丹参片的快速定性鉴别。     

薏苡仁近红外光谱快速定性定量模型的建立

目的 建立薏苡仁主要成分甘油三油酸酯的近红外定量模型和薏苡仁生品与麸炒炮制品的近红外定性鉴别模型。方法 采用高效液相色谱法测定薏苡仁中甘油三油酸酯的含量,然后运用傅立叶变换近红外光谱技术并结合偏最小二乘法(PLC)、选择谱段为5669.69～4,242.63cm~(-1),以"标准正则变换+一阶导数"对原始光谱进行预处理建立定量分析模型;采用校正模型的相关系数(R)、校正均方根误差(RMSEC)和预测模型相关系数(R)、预测均方根(RMSEP)对校正模型进行评价;同理选择波段9881.46～4119.20cm~(-1),选择主成分数为9,对定性鉴别模型进行校正评价。结果 所建立的定量校正模型中甘油三油酸酯的R值为0.99507,RMSEC为0.0133,RMSEP为0.0231;所建立的定性校正模型的性能指数PI值为92.3,模型预测率为100%。结论 该研究建立的近红外定量定性模型稳定性较好、预测结果较准确,可用于薏苡仁甘油三油酸酯含量的快速测定和薏苡仁不同炮制品的快速鉴定。     

NIRS结合TQ软件对不同产地野菊花定性定量分析

目的:采用近红外光谱技术(NIRS)结合TQ软件对不同产地野菊花进行定性定量分析。方法:运用近红外漫反射光谱技术采集不同产地野菊花药材的NIR光谱,采用TQ软件中的判别分析法对不同产地野菊花进行产地判别;采用HPLC法测定野菊花中绿原酸含量,偏最小二乘法对不同产地野菊花药材中的绿原酸进行定量预测,分别建立了定性定量分析模型,并对模型进行了验证。结果:所建定性模型可快速准确鉴别出不同产地的野菊花药材,验证集样品错判例数为0;绿原酸定量预测模型的校正集内部交叉验证相关系数(R2),校正均方差(RMSEC)和预测均方差(RMSEP)分别为0.995 38,0.008 12和0.012 8。结论:定性定量模型可准确地对不同产地野菊花进行定性定量分析,该方法简便可靠,可用于野菊花药材的快速质量分析。     

基于NIRS和PCA-SVM算法快速鉴别4种含铁矿物药

目的基于NIRS和PCA-SVM算法快速鉴别磁石、自然铜、蛇含石、赭石。方法采集各样品的近红外光谱(NIRS),分别采用不同方法进行光谱预处理及PCA降维,通过网格搜索法寻优建立SVM模式识别模型。对比不同预处理方法及所建PCA-SVM模型的预测准确率,确定最佳预处理方法和最佳主成分,建立4种含铁矿物药快速鉴别模型。结果光谱最佳预处理方法为矢量归一化法(VN),最佳主成分为PC1和PC2。所建模型对训练集和验证集样品预测准确率均达到100%,模型五折交叉验证准确率亦达100%。结论所建的4种含铁矿物药NIRS的PCA-SVM鉴别模型预测能力强,可用于上述4种含铁矿物药的快速鉴别。     

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。     

基于近红外光谱技术评价不同等级渣驯的质量

目的:采用近红外光谱技术(NIRS)结合统计学手段,探讨渣驯与其代用品的快速鉴别方法以及渣驯质量的评价方法。方法:参考传统外观质量分级将渣驯药材及其代用品分为4个等级,测定不同等级渣驯及代用品中黄腐酸的含量,分析其与渣驯质量分级的相关性;采集近红外光谱,结合主成分分析,探讨质量等级与近红外光谱的定性关系。采用偏最小二乘法(PLS)建立近红外定量分析模型,考察渣驯及其代用品质量快速评价的可行性。结果:黄腐酸含量与渣驯外观质量分级无明确相关性;Ⅳ级(代用品)近红外光谱与其他等级渣驯能显著分开,而Ⅰ,Ⅱ,Ⅲ等级渣驯的近红外光谱辨析度不高,但具有一定的变化规律;所建立的渣驯中黄腐酸的近红外定量分析模型的决定系数(R2)=80.13%,交互验证误差均方根(RMSECV)=0.047,表明该模型预测效果较好;验证集R2=11.91%,预测误差均方根(RMSEP)=0.12,相对分析误差(RPD)=1.12,说明模型稳健性与分辨力不理想。结论:近红外光谱结合主成分分析能够为渣驯与其代用品的快速鉴别提供参考;黄腐酸不能作为渣驯质量优劣的评价指标,有必要进一步探索渣驯质量标志物,用以评价该药材的质量。     

基于近红外漫反射光谱和PCA-SVM算法快速鉴别炉甘石

目的:利用主成分分析(PCA)和支持向量机(SVM)算法,建立炉甘石生品、伪品及炮制品的近红外漫反射光谱(NIRS)鉴别模型。方法:采集炉甘石生品、伪品及炮制品的NIRS,选取特征谱段,优选光谱预处理方法及最佳主成分数,建立PCA-SVM鉴别模型。结果:在7 500～4 000 cm-1谱段,以一阶导数法(FD)为最佳光谱预处理方法,PCA提取的光谱前5个主成分为最佳主成分,并经网格搜索算法确定惩罚因子c=0. 25,核函数参数g=8为最佳SVM内部参数,建立炉甘石PCA-SVM鉴别模型。该模型五折交叉验证准确率100%,且模型对训练集和测试集样品预测正确率亦均达100%。结论:基于PCASVM算法所建立的炉甘石NIRS鉴别模型预测准确率高,结合固体粉末漫反射技术无损、快速的优点,该模型可用于炉甘石生品、伪品及炮制品的无损、快速鉴别。     

近红外光谱法结合PLS快速测定木香药材中水分

目的:采用近红外光谱技术结合PLS建立一种木香药材中水分的快速测定方法。方法:运用近红外漫反射光谱技术采集木香的近红外漫反射光谱,以甲苯法测定的含量为参考值,结合偏最小二乘法(PLS)建立木香药材中水分的定量分析模型,并用未知样品验证该模型。结果:所建水分定量模型的校正集内部交叉验证相关系数(R2)、校正均方差(RMSEC)和预测均方差(RMSEP)分别为0.982 9,0.178,0.196;验证集NIR预测值与甲苯法参考值的t检验值为-0.615,双侧P>0.05,差异无统计学意义。结论:该方法操作简便,测定快速,结果准确,可用于木香药材中水分含量的快速测定。     

硫磺熏蒸的葛根横纵截面快速判别分析

采用近红外光谱分析技术,对不同硫磺熏蒸的葛根进行鉴别研究.将葛根饮片及其硫熏饮片进行横截面与纵截面原始光谱的采集,并对原始光谱进行主成分分析(PCA),采用随机法划分样本集,进而比较不同预处理方法,通过对样品不同截面光谱建立判别模型,计算每个模型外部验证的识别率.采用正交性检验和非参数检验对数据进行正态性检验.结果表明不同截面由于结构不同所以吸光度不同,并且对原始光谱进行主成分分析,发现当主成分数为3时累计贡献率达到99.2％,MSC+ 1D+ Savitzky-Golay预处理方法所建模型最好,判别模型中横截面的50个模型,其识别率为(94.4±0.66)％,纵截面的识别率为(95.6±0.75)％,总截面为(95.3±0.65)％.3组识别率的差异并不大.对各组模型的预测性能进行差异性分析,认为横截面、纵截面及总截面建模结果没有明显差异,说明近红外光谱分析技术可以应用于中药材硫熏与否的快速鉴别.     

近红外光谱结合主成分分析和聚类分析鉴别炉甘石生品、伪品和炮制品

目的:利用主成分判别分析和聚类分析建立炉甘石生品、伪品和炮制品的近红外光谱鉴别模型。方法:采集炉甘石生品、伪品和炮制品的近红外光谱,每类样品随机划分为训练集和测试集。对光谱预处理方法和建模谱段进行筛选,分别建立主成分判别分析模型及聚类分析模型。结果:光谱经一阶导数预处理,主成分判别分析模型的特征谱段为4 800~4 000 cm~(-1),聚类模型的特征谱段为7 300~7 000,4 800~4 000 cm~(-1)。在主成分判别分析模型中,预测准确率94.34%;在聚类模型中,模型的预测准确率96.23%。结论:所建立的近红外主成分判别分析模型和聚类分析模型均可用于炉甘石生品、伪品和炮制品的鉴别。     

基于近红外光谱技术建立不同产地骆驼蓬药材定性判别模型

该研究将光纤传感技术与近红外漫反射光谱相结合,通过主成分分析、聚类分析、SIMCA等方法直接对骆驼蓬药材进行检测,用于识别不同产地的骆驼蓬,建立快速无损鉴别骆驼蓬产地的新方法。研究中建立全波长原始光谱图,通过主成分分析前2个主成分得分图基本可以区分4个产地的骆驼蓬;波长 866~2 507 nm,MSC为预处理方法建立最佳聚类分析模型对预测集预测的正确率达到91.67%,可对4个产地骆驼蓬基本区分;波长为1 085~2 507 nm,预处理方法为归一化法建立最佳SIMCA模型,对样品进行预测,只产地昌吉的样品没有被识别,其余样本判别正确,总识别率 97.22%。研究结果表明利用近红外漫反射光纤光谱结合SIMCA法识别能力最佳,可用于骆驼蓬的鉴别。     

三七近红外多指标快速质量评价

目的对三七Panax notoginseng(Burk.) F. H. Chen进行近红外(NIRS)多指标快速质量评价。方法以HPLC作为参比分析方法测定皂苷含有量,利用偏最小二乘法(PLS)建立皂苷定量模型,并且建立三七所有部位主成分判别分析模型,对15批三七主根粉末伪品的鉴定。结果皂苷含有量NIRS模型的最佳波段为4 100 cm~(-1)～7 250 cm~(-1),内部交叉验证均方差和相关系数分别为0.278和0.919 1,验证集均方差和相关系数分别为0.134 0和0.988 4。近红外主成分判别分析模型的最佳建模波段为3 807.15 cm~(-1)～6 500.00 cm~(-1),鉴别正确率为98.71%。当三七主根粉中分别掺杂不少于10%绒根、45%筋条和60%剪口时,模型的鉴别正确率均达到100%。结论 NIRS可实现三七药材的皂苷含有量质控指标的快速检测,并能定性鉴别三七药材所有部位,可用于三七药材的整体质量快速评价。     

近红外光谱法快速测定女贞子药材中水分含量

目的:采用近红外光谱技术(NIRS)结合偏最小二乘法(PLS)建立一种女贞子药材中水分含量快速环保的测定方法。方法:利用烘干法测定样品中水分含量,并以其作为参考值,运用近红外漫反射光谱技术采集女贞子的近红外漫反射光谱,结合PLS建立女贞子药材中水分含量的定量分析模型,并用未知样品验证该模型。结果:所建水分定量模型的校正集内部交叉验证相关系数(R2),校正均方差(RMSEC),内部交叉验证均方差(RMSECV)分别为0.986 87,0.199,0.246 41;验证集预测相关系数(R2)与预测均方差(RMSEP)分别为0.956 6和0.220。结论:该方法操作简便,快速无污染,结果准确,可用于女贞子药材中水分含量的快速测定。     

基于近红外光谱和SVM算法对琥珀掺伪的定性鉴别与定量分析

目的:本研究利用近红外光谱结合支持向量机算法(SVM)等多种化学计量学方法建立定性模型对正品琥珀与掺松香伪品进行鉴别,并建立定量模型对琥珀中掺入松香的含量进行定量预测。方法:首先采用近红外光谱扫描琥珀、松香以及按照琥珀与松香不同质量比配制的掺伪品。在对正品琥珀与掺有松香的掺伪品定性分析时,对采集的原始图谱分别进行矢量归一化、一阶求导预处理,利用主成分分析法对原始光谱和不同预处理后的光谱降维,采用支持向量机分类法(SVC)对琥珀和掺有松香的琥珀掺伪品建立定性鉴别模型,进行分类预测,对比不同预处理方法下的模型预测性能并确定最佳预处理方法。在定量分析中,分别应用偏最小二乘法(PLS)和支持向量机回归法(SVR),对琥珀掺伪品中松香的含量进行建模和预测。支持向量机(SVM)模型参数采用网格搜索法(grid search)、粒子群算法(PSO)和遗传算法(GA)进行优化,比较不同的优化方法确定的参数所建模型效果。结果:建立的VN-GA-SVC模型校正集和验证集预测准确率分别达到100%和97.37%;应用PLS和SVR建立的定量模型决定系数R~2均达到99.7%以上,MSE最低达到3.03×10-4。结论:该研究建立的定性、定量模型稳定性好,预测结果准确可靠,能够实现琥珀与掺松香伪品的鉴别以及松香含量的定量预测。     

近红外漫反射光谱法快速测定枳实药材中醇浸出物的含量

目的:采用近红外漫反射光谱技术结合偏最小二乘法(PLS)建立一种枳实药材中醇浸出物含量的快速测定方法。方法:运用近红外漫反射光谱技术采集枳实的近红外漫反射光谱,以热浸法测定的含量为参考值,结合PLS建立枳实药材中醇浸出物含量的定量分析模型,并用未知样品验证该模型。结果:所建醇浸出物定量分析模型的校正集内部交叉验证相关系数(R2)、内部交叉验证均方差(RMSECV)和校正均方差(RMSEC)分别为0.984 89,0.417 89和0.153;验证集预测相关系数(r)与预测均方差(RMSEP)分别为0.948 4和0.188。结论:该方法操作简便,测定快速,结果准确,可用于枳实药材中醇浸出物含量的快速测定。     

近红外光谱技术鉴别虎掌南星与天南星

目的 研究建立鉴别虎掌南星与天南星药材的方法.方法 应用近红外光谱(NIRS)技术结合模式识别法分析药材,在12 500～3 600 cm-1范围内采集光谱.以21点平滑后一阶导数经矢量归一化的方法预处理光谱,采用OPUS/IN-DENT定性分析软件的沃德法(Ward'sAlgorithm)进行聚类分析,MATLAB7.8软件进行主成分分析.结果 在6 445.2～6098.1 cm-1和4 601.5～4 246.7 cm-1区域.基于聚类分析和主成分分析的模式识别法均可以鉴别虎掌南星和天南星药材.结论 近红外光谱技术结合聚类分析和主成分分析的模式识别法可用于鉴别虎掌南星和天南星药材,方法简单、快速、具有可操作性.     

金银花药材与粉末近红外光谱特征的比较研究

目的：比较研究金银花药材和粉末的近红外光谱特征。方法：应用近红外光谱技术检测不同产地(包括河南省、河北省和山东省)金银花药材和粉末的近红外光谱。采用一阶导数结合矢量归一化法,9点平滑进行光谱的预处理,采用原始光谱比较、近红外一致性模型检验、定性鉴别和聚类分析的方法,比较金银花药材与粉末近红外光谱的差异。结果：在12 000～4 000 cm^-1波数范围内,同产地金银花药材与粉末的近红外原始光谱存在一定的差异。在8 003.6～7 243.8 cm^-1、6 900.5～5 646.9 cm^-1、4840.7～4 462.7 cm^-1波段内,同产地金银花药材与粉末的近红外光谱特征存在一致性,两者在定性鉴别模型中的因子得分分布界限不明显。因子法结合聚类分析中两者的光谱可以优先被归为一类,不能被准确地鉴别。结论：金银花药材与粉末在定性分析中表现出一致性。金银花药材可以不经粉碎直接进行近红外检测和定性分析,具有一定的实际应用价值,为金银花快速鉴别方法的研究提供实验依据和新思路。