基于近紅外和中紅外光譜的杜仲產地溯源

背景介紹杜仲(EucommiaeCortex)皮是一味在中國擁有悠久歷史的中藥材，早在兩千多年前，杜仲皮已被列入中國醫(yī)學經典《神農本草經》。在最新的《中國藥典2020版》中規(guī)定，該味中藥基源為杜仲科(Eucommiaceae)杜仲屬(Eucommia)植物杜仲(EucommiaeulmoidesOliv.)的干燥樹皮。近紅外和中紅外等光譜技術因具有檢測速度快、無損和操作簡單的優(yōu)點，已成為中藥分析領域的重要工具，廣泛應用于中藥物種鑒定、地理起源分析、摻假檢測和定量分析。文章亮點1.使用k-最鄰近分析(kNN)、主成分分析-線性判別分析(PCA-LDA)和偏最小二乘判別分析(PLS-DA)模型對杜仲樣品進行了產地來源分類。2.采用近中紅外光譜與化學計量學相結合的方法，用于簡便、快速和準確地鑒別杜仲的產地，有望應用于市場監(jiān)督領域。內容簡介１

實驗部分本研究從8個省的50個地區(qū)采集了組杜仲樣品。首先采集了來自８

個不同省份的500個杜仲樣品的近紅外光譜與中紅外光譜數(shù)據(jù)，然后利用常用的化學計量學方法，包括k-最鄰近分析(kNN)、主成分分析-線性判別分析(PCA-LDA)和偏最小二乘判別分析(PLS-DA)對杜仲樣品按其地理來源進行分類。k-最鄰近分析(kNN)是一種非參數(shù)分類方法，廣泛應用于許多實際的分類任務。主成分分析-線性判別分析(PCA-LDA)是一種無監(jiān)督降維技術，它將可能相關的變量轉換為若干線性不相關變量，即主成分(PC)，每個主成分是原始變量的線性組合。偏最小二乘判別分析(PLS-DA)是化學計量學中最流行的分類方法之一，在各類食品的檢測與控制、生物代謝組學以及制藥過程控制等領域已經有很多的應用，它巧妙地結合了經典的偏最小二乘回歸和分類技術。本文的所有數(shù)據(jù)分析都是在MATLAB軟件中進行的。2

結果與討論2.1

近紅外光譜與中紅外光譜分析杜仲樣品的近紅外光譜如圖1所示，從原始光譜上看，8個產地的杜仲近紅外光譜從譜形上沒有明顯的波形差異，難以用肉眼進行區(qū)分，這可能是由于不同產地杜仲的化學成分組成相似，導致其出峰位置相似以及譜形趨勢相似。圖1

不同預處理方式得到的八省份杜仲樣品的近紅外光譜杜仲樣品的中紅外光譜如圖2所示，8個產地的杜仲原始中紅外光譜具有非常相似的波形走向，這可能是因為不同產地杜仲的化學成分組成具有相似性，導致了基頻峰的出峰位置一致。圖2

不同預處理方式得到的8個省份杜仲樣品的中紅外光譜2.2

杜仲地理來源的判別采用隨機抽樣算法將來自不同產地的所有杜仲樣本分成訓練集和測試集。在近紅外光譜的分析中，基于多元散射校正光譜建模時，kNN模型的k值為2時，其交叉驗證的判別準確率為100%，為最佳模型。在中紅外光譜的分析中，由交叉驗證程序的結果表明，基于多元散射校正光譜建模時，PLS-DA模型的LV為19時，其交叉驗證的判別準確率為99.11%為最佳模型。2.3

不同算法識別性能的比較為了進一步評估這些分類模型的性能，計算了SEN與SPE等性能參數(shù)?；诮t外光譜的交叉驗證、訓練集和測試集的SEN和SPE結果顯示，3

種算法在分類性能上都具有很好的靈敏度和特異性。綜合結果，kNN模型更適合于本研究中基于近紅外光譜的杜仲產地的識別?；谥屑t外光譜的交叉驗證、訓練集和測試集的SEN和SPE結果，PCA-LDA模型與PLS-DA模型都具有較好的靈敏度與特異性。3

結論本研究采用近紅外光譜與中紅外光譜結合化學計量學的方法，實現(xiàn)了我國8個主要產地杜仲的精準