运用RBF径向基神经网络识别基于小波变换的淫羊藿苷红外光谱指纹特征

运用RBF径向基神经网络对基于傅里叶变换红外光谱（FTIR）法、相关系数比对法及多层次小波变换所提取的淫羊藿药材样本有效成分指纹特征进行识别。样品包括药典选用的５个物种（淫羊藿Epimedium brevicornu Maxim.、箭叶淫羊藿E.sagittatum（Sieb. et Zucc.） Maxim.、柔毛淫羊藿E.pubescens Maxim.、朝鲜淫羊藿E.koreanum Nakai和巫山淫羊藿E.wushanense T.S.Ying）和其他物种共计250个样本。淫羊藿指标成分淫羊藿苷在原药材和甲醇提取物的红外光谱图上,具有较明显的1 259 cm-1特征峰,经典的HPLC法的定量分析结果也佐证了淫羊藿苷的含量与1 259 cm-1峰的位置具有很好的一致性。为此该峰可以用来作为判别各物种淫羊藿药材是否含有淫羊藿苷的重要依据。在此基础上,采用相关系数比对法和多层次的小波变换法消除了因淫羊藿苷含量低、吸收峰弱,信号和噪声大的问题,增强了RBF径向基神经网络的识别效果。初步建立了基于小波变换和RBF径向基神经网络淫羊藿原药材红外光谱快速识别淫羊藿苷指标成分的一种新方法。     

傅里叶变换红外光谱用于朝鲜淫羊藿的品质分析

朝鲜淫羊藿为常用中药, 具有较高的药用和保健价值, 临床用量也日益增大。但现有的分析方法操作比较烦琐,费时、费力,无法作为快速、原位、无损的检测。红外光谱法现已成为中药研究中不可缺少的工具之一。文章对18种来源于不同产地的朝鲜淫羊藿的红外光谱进行了分析、指认,利用红外光谱半定量分析方法分析了朝鲜淫羊藿的品质与原产地的关系,发现光谱随产地等因素呈现规律性的变化。初步建立了利用红外光谱简便地分析淫羊藿品质的方法。     

淫羊藿药材一些混淆物种的FTIR鉴别研究

淫羊藿是一味药用历史悠久的传统中药, 具有补肾壮阳之功效。《中国药典》规定使用五种来源的淫羊藿——淫羊藿Epimedium brevicornu Maxim.、箭叶淫羊藿E.sagittatum(Sieb. et Zucc.) Maxim.、柔毛淫羊藿E.pubescens Maxim.、朝鲜淫羊藿E.koreanum Nakai和巫山淫羊藿E.wushanense T.S.Ying,但这几种药材的鉴别特征描述比较简单,传统鉴定技术很难实现这些种类和常见混淆物种的鉴别。文章采用傅里叶变换红外光谱(FTIR)及其二阶导数谱对常见淫羊藿易混淆药材——淫羊藿与朝鲜淫羊藿,柔毛淫羊藿与保靖淫羊藿E.baojingense Q.L.Chen & B.M.Yang、星花淫羊藿E.stellulatum Stearn、竹山淫羊藿E.zhushanense K.F.Wu&S.X.Qian,柔毛淫羊藿与部分天平山淫羊藿E.myrianthum Stearn,箭叶淫羊藿与粗毛淫羊藿E.acuminutum Franch.共4对易混淆药材进行鉴别研究。根据不同物种淫羊藿药材红外光谱特征的不同,基本上实现常见易混淆物种的快速鉴别。该方法有助于解决淫羊藿药材物种混乱问题。     

近红外光谱法快速测定淫羊藿中淫羊藿苷和朝藿定C

基于近红外光谱法对淫羊藿中有效成分淫羊藿苷和朝藿定C的含量进行快速同时定量分析,采用偏最小二乘法(PLS)建立近红外光谱信息与预测组分含量间的数学校正模型。结果表明通过标准正态变量转换(SNV)与一阶导数对光谱进行预处理,所建立的淫羊藿苷和朝藿定C的校正模型效果最佳。淫羊藿苷与朝藿定C校正集均方差(RM SEC)分别为0.217、0.718;相关系数分别为0.9825、0.9863;预测均方差(RM SEP)分别为0.155,0.297。该方法简单、准确,更适合于淫羊藿药材中主要成分的快速分析。     

基于枸杞红外光谱人工神经网络的产地鉴别

应用红外光谱技术,快速鉴别枸杞药材产地。利用傅里叶变换红外光谱, 测定了45个来自青海省不同产地的枸杞样品的红外光谱。以常规预处理方法和小波变换对红外光谱原始数据进行了预处理。对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正, 小波变换是一种有效实用的光谱预处理方法。为了提高神经网络的训练速度, 在利用人工神经网络建立模型之前, 通过小波变换的方法对光谱变量进行了压缩, 同时对建立的模型的相关参数进行了详细的讨论。结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络。其中隐含层神经元个数为5个,输出层神经元个数为1个。隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是learngdm。net.trainParam.epochs=1 000,net.trainParam.goal=0.001。对10个未知枸杞产地类别进行了预测,预测结果准确率达100%。实验表明, 建立的模型能够正确地对枸杞样品快速地进行产地鉴别。红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。     

基于高光谱分析的淫羊藿药用成分快速检测研究

中药材淫羊藿富含朝霍定和淫羊藿苷等黄酮类化合物,具有滋阴补肾、提高免疫力等功效,有较大的药用价值。当前,面对生产及育种过程中批量样品快速、无损检测需求的增加,传统的化学分析方法难以满足需要,而高效、廉价的现代高光谱分析技术备受青睐。但受制于光谱数据谱峰重叠及噪声的干扰,全波段光谱分析建模存在模型精度不高和运行效率低的问题。利用便携式地物光谱仪器获取淫羊藿可见-近红外光谱数据,借助遗传算法（GA）特征波段选择方法剔除无关波段,并与偏最小二乘回归（PLSR）分析建模技术结合,构建淫羊藿药用组分（朝霍定A、朝霍定B、朝霍定C和淫羊藿苷）高光谱GA-PLSR校正模型,探讨淫羊藿药用组分含量高效分析预测的可行性,并挖掘获取淫羊藿品质鉴定的重要光谱响应波段。结果表明：高光谱分析结合化学计量学在淫羊藿有效药用组分的快速无损检测方面具有相当大的潜力。与全波段PLSR校正模型相比,通过GA迭代优化,参与建模的有效光谱数据得到简化,GA-PLSR模型的测量精度和稳定性得到明显提升。主要表现在交叉验证的决定系数（R2_CV）得到明显提高,交叉验证的均方根误差（RMSE_CV）普遍降低。其中,四种药用组分校正模型的R2_CV分别从0.645,0.720,0.718和0.642提升为0.671,0.835,0.782和0.796;同时,其对应的RMSE_CV值分别由2.102,2.896,21.069和1.221降为2.071,2.230,18.656和0.912。此外,明确了红边波段690～740 nm以及420 nm附近波段为淫羊藿药用组分朝霍定A、朝霍定B、朝霍定C和淫羊藿苷光谱鉴别分析的重要响应波段。该研究为高光谱技术淫羊藿品质准确高效鉴定和光谱传感器的波段设计提供一定的理论依据。     

地黄药材的红外指纹图谱及多元统计分析

中药产地是影响药材质量的重要因素,不同产地生长环境对中药的生长及代谢产物的累积具有直接影响,中药材素有道地产区分为非道地产区,在我国具有悠远历史,由于其产地的变迁以及现代主产地的增加,导致当今药材主产地与历史记录略有出入。傅里叶变换红外光谱技术具有快速无损的优点,红外光谱可完整地将不同产地地黄的信息表达,结合化学计量学将红外光谱所体现的信息数字化。该工作运用傅里叶变换红外光谱仪采集不同产地地黄红外光谱,对原始光谱进行基线校正、平滑点数6个、选取900~1 200 cm-1波段进行最高峰归一化等预处理,对每个产地红外光谱各主要特征峰的相对峰强度进行计算,采用正态分布、聚类(CA)和主成分分析(PCA)比较其质量差异,地黄的产地鉴别对中药的合理应用具有科学意义。结果表明采用傅里叶变换红外光谱法采集73批不同产地生地黄的红外图谱,73批不同产地地黄红外光谱指纹图谱峰形、峰位、峰高基本相似,不同产地地黄中含有相同的化学成分,其特征峰、形状基本一致,其中河南产地的地黄有个别特征峰的高度突出,指纹区存在一定差异,差异主要贡献波段为：1 639,1 424,1 354和1 260 cm-1,共标定13个共有峰。聚类分析可将73批地黄样品分为河南产的怀地黄和其他地黄两类,表明不同产地地黄存在内部质量差异;正态分布与聚类分析结果一致,在1 639 cm-1处,河南产的怀地黄与其他省份的正态分布曲线交叉依次为：山东省＞山西省＞河北省,此方法能有效将道地药材与非道地药材区分开;对所得的共有峰相对峰强度进行降维处理,并计算不同产地地黄的主成分综合得分,结果显示河南产怀地黄得到综合得分均高于其他产地的地黄,表明河南产的怀地黄质量最佳。傅里叶变换红外光谱结合多元统计分析方法可以无损、有效、快速的鉴别不同产地地黄。     

基于支持向量机及小波变换的人参红外光谱分析

以吉林名贵中药材人参作为研究的主要对象,详细研究了利用小波变换技术对红外光谱变量的压缩方法和实现过程,以及如何利用人工神经网络(ANN)和支持向量机(SVM)技术建立人参的红外光谱的产地鉴别模型,并详细讨论了ANN模型中相关参数的优化方法以及SVM模型中的核函数及σ值的优化选择。仿真实验表明,建立的ANN模型对40个吉林人参样品产地识别率达到92.5%,而采用径向基核函数的SVM模型的识别率为97.5%,其分类效果明显优于ANN模型。从而表明小样本的情况下,利用SVM结合小波变换技术可以对吉林人参的红外光谱的产地特征进行正确区分,同时为中草药的红外光谱的进一步的分析和研究提供了一定理论依据和技术支持。     

多种红外光谱校正法的两面针产地鉴别研究

由于红外光谱数据采集受仪器状态和实验环境的制约,影响对样品的正确识别。基于傅里叶变换红外光谱(FTIR)技术,用多种方法对两面针的红外光谱数据进行校正后,利用SIMCA法建立鉴别模型;分别对广西区内四个产地的两面针进行鉴别,通过比较分析以获得最适合建立两面针产地鉴别模型的光谱数据校正方法。结果显示,经多元散射校正和标准正态变换后,它们的PCA数据分布,以及产地分类模型之间的距离,都表明这两种校正方法在消除环境和人为因素的干扰的同时,能够很好的分离各个产地的样本,在对实际的样本识别中,其识别率和拒绝率均达到或接近100%。可见,多元散射校正和标准正态变换,均是两面针产地模型鉴别研究的理想校正方法。     

青海不同地区藏药渣驯的FTIR

建立渣驯的红外指纹图谱从而对渣驯进行鉴定、分析.应用红外光谱技术,对不同产地的渣驯进行测定.不同产地渣驯样品的FTIR不一致.首次建立了渣驯的红外指纹图谱,应用红外光谱技术可以达到无损、快速的鉴别渣驯药材.     

人工神经网络分类鉴别苦丁茶红外光谱

为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图。作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练。结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别。实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶。     

红外光谱与人工神经网络相结合识别栽培、野生黄芩和粘毛黄芩

为了识别栽培黄芩、野生黄芩和粘毛黄芩，采用非线性－线性、线性－线性、非线性－非线性三种模式的人工神经网络（ANN）分别分析各种黄芩的红外谱。我们采用42个样本作训练集，34个样本作检验集，用各种模式的ANN进行了监督性训练。当训练目标误差平方和定为0.01时，各类ANN对训练集中三类黄芩样本识别的正确率均为100%，但对检验集样本识别的结果各不相同，其识别的正确率与隐含层节点数S1有关。我们发现当S1较大时，识别正确率反而下降，可能此时网络的非线性程度过高，使其不适合于该类样本集的训练。线性－线性型ANN识别的结果随S1的变化不很大，但识别的正确率不高，基本在85％左右。非线性－线性型ANN识别的结果最佳。当S1为3时，其识别正确率超过了97％。因此该法可用以简便、快速、准确地识别这三种黄芩药材。     

基于FastICA和神经网络的红酒主要品质参数红外检测

为实现红酒中酒精含量、pH值以及残糖量的快速检测,对44个红酒样品的红外光谱数据进行了分析。使用快速独立分量分析(FastICA)算法对光谱数据矩阵进行分解,得到独立成分和相应的混合系数矩阵,再利用误差反向传播算法(back-propagation, BP)构造了三层的神经网络结构,建立了ICA-NNR模型。利用此模型对红酒样品的酒精含量、pH值以及残糖量进行预测,根据预测相关系数(r)和预测标准偏差(RMSEP)来评价预测模型的性能,结果表明该模型对红酒酒精含量、pH值以及残糖量测定的相关系数r分别为0.953,0.983和0.994,RMSEP分别为0.161,0.017,0.181。此外,预测样品集中的22个样品ICA-NNR模型预测值与参考值相比,酒精含量、pH值以及残糖量的最大相对偏差均小于4%。这为进一步开发红酒成分红外在线分析仪奠定了基础。     

基于近红外光谱检测技术的水泥生料成分含量检测研究

近红外光谱检测技术已经成功应用于水泥生料成分的快速检测,但我国水泥企业在生产水泥生料时所用原材料品种不一,使用不同的原材料进行生产时对近红外光谱建模带来一定影响。为了研究不同原料生产的水泥生料近红外光谱建模差异,对不同地区水泥生产线所生产的水泥生料进行建模研究。选取两个不同地区水泥生产线的水泥生料样本各95份和82份,各自选取80份和67份作为校正集,15份作为验证集。首先将两条水泥生产线的样本每份重复装样测3次光谱,取平均光谱做为样本的近红外光谱。然后通过采用S-G平滑法对两个不同地区所生产的水泥生料近红外光谱进行预处理。对比发现两个地区水泥生料近红外光谱存在一定差异,采用偏最小二乘回归算法建立检测模型,所建立的模型精度差异较大。采用CARS波段挑选法,分别对两种水泥生料近红外光谱进行挑选,生产线一的水泥生料样本SiO₂,Al₂O₃,Fe₂O₃和CaO近红外光谱波段由3 113个变量分别保留了85,89,55和67个变量,生产线二的水泥生料近红外光谱则分别保留了51,55,55和55个变量,且保留的波段明显存在一定区别。最后分别建立了两个地区的水泥生料SiO₂,Al₂O₃,Fe₂O₃和CaO近红外光谱检测模型。通过对比发现原材料不同时所挑选的波段不同,且检测模型预测效果良好。生产线一的SiO₂,Al₂O₃,Fe₂O₃和CaO检测模型的RMSEP（预测均方根误差）分别为0.109,0.053,0.034和0.185,生产线二 的SiO₂,Al₂O₃,Fe₂O₃和CaO检测模型的RMSEP分别为0.084,0.024,0.023和0.184。结果表明当水泥生料的原材料发生变化或者产地不一时,不能仅靠修正模型对水泥生料进行检测,而是需要重新进行近红外光谱建模,且光谱波段选择也会发生变化。采用波段挑选法对水泥生料近红外光谱进行波段挑选能够提高检测模型的模型精度。     

近红外透射光谱应用于黄酒酒龄的定性分析

应用近红外光谱透射技术,结合化学计量学方法,开展了黄酒酒龄定性鉴别的研究,并对不同光谱预处理方法(未处理、平滑、二阶微分)对酒龄鉴别结果的影响进行了对比分析。试验采用傅里叶变换近红外光谱仪,以86瓶绍兴黄酒为标准样品,并结合不同光谱预处理方法及判别分析法,建立了黄酒酒龄定性鉴别模型。光谱平滑处理对酒龄鉴别结果影响不显著,而微分光谱分析结果最差,近红外原始光谱结合判别分析法的分析结果最优,其校正集正确分类的百分比达98.1%,预测集达90.6%。研究表明,近红外光谱透射技术结合原始光谱及判别分析法可作为一种可靠、准确、快速的检测方法用于黄酒酒龄定性鉴别分析。     

Vibrational spectroscopy for milk fat quantification: line shape analysis of the Raman and infrared spectra

This paper presents a systematic analysis of the infrared absorption spectra and Raman scattering of the triacylglycerol molecule predominant in raw bovine milk. Gas chromatography measurements were also performed and revealed the palmitic, stearic, and oleic acids as the most predominant fatty acids in the composition of milk. Based on the gas chromatography results, infrared, and Raman spectra of the triacylglycerol with this combination of fatty acids were simulated. The theoretical spectra were compared with the experimental ones of milk fat and fluid raw milk. Assignment of bands of milk fat was proposed, which can be used for a quality monitoring of the product. We also performed a multivariate model of partial least squares from samples of fluid milk with different concentrations of fat. As a result, the most important variables in the projection were selected as vibrational markers for quality monitoring and quantifying of this important constituent of milk. Copyright © 2016 John Wiley & Sons, Ltd.     

湿度对水泥生料近红外光谱检测的影响及补偿方法

近红外光谱检测已被应用于水泥生料成分的快速检测,但现场环境中的湿度等因素会对光谱产生干扰,从而降低检测精度。为了提高检测精度,在实验分析湿度对水泥生料近红外光谱检测影响的基础上研究了补偿方法。在水泥厂选取了24份水泥生料样本,其中18份作为校正集,6份作为验证集;水泥生料中的有效成分为SiO2,Al2O3,Fe2O3和CaCO3,各成分含量的标准值由X射线荧光光谱分析测出。首先,将校正集的18份样本每份重复装样测5次光谱,用得到的90个光谱建立模型Ⅰ;再每份样品制作5个湿度梯度样本,其获得过程为,先将样本放置在电加热平台上,用玻璃棒将样本摊平,180℃下加热30 min,再将样本放置在散热片上进行降温,待样品恢复室温后取出进行第一次光谱扫描,得到1个光谱,将测量后的样本放入搅拌器,使用装有去离子水的喷雾器对其喷雾两次,然后搅拌30 s混合均匀,测量混合后的样本得到下一个光谱,重复该过程,得到具有湿度梯度的5个光谱。所有样本均采用烘干法进行湿度测量,样本湿度变化区间在0.6%~2%以内。对每个湿度梯度的样本测量1次,用得到的这90个光谱建立模型Ⅱ。然后,将验证集的6份样本每份制作5个湿度梯度,获取方式与校正集相同,对每个湿度梯度的样本测量1次,得到30个光谱。所有光谱均采用多元散射校正预处理,拟合波段选择4000~5000 cm^-1,建模方法采用偏最小二乘法。比较同一份样本的5个湿度梯度,可以看到在5200 cm^-1处光谱差异最大,在其他位置也有肉眼可见的明显差异,因此,湿度变化对全波段光谱有明显的影响。最后,将这30个光谱输入模型Ⅰ与模型Ⅱ进行验证,并对比模型Ⅰ与模型Ⅱ的预测均方根误差RMSEP。模型Ⅱ中SiO2,Al2O3,Fe2O3和CaCO3的预测均方根误差RMSEP比模型Ⅰ分别减小了25%,31.3%,33.3%和25%。实验结果表明,水泥生料样本湿度对近红外光谱模型的预测结果具有一定的影响,采用具有湿度梯度的样本进行建模可有效降低湿度对预测结果的影响。     

板蓝根颗粒的红外光谱无损快速鉴别及可视化表达

用傅里叶变换红外光谱对传统中成药板蓝根颗粒进行了研究。对同一厂家不同批次和不同厂家的板蓝根颗粒主要成分板蓝根和大青叶的红外光谱图及二阶导数谱图进行了比较分析,并将谱图进行可视化表达。结果显示,傅里叶变换红外光谱法结合二阶导数谱和谱图的可视化,能够有效地提取配方颗粒的特征指纹谱图,直观地反映出不同生产厂家产品质量的差别及同一生产厂家不同批号产品之间谱图的可重现性,从而实现中成药的无损快速鉴别,为中成药质量检测及监控提供一种方便、有效和直观的方法。