显微红外光谱法无损识别林下山参与园参

显微红外光谱分析技术是将红外光谱仪和显微镜结合发展而来的分析技术。该技术样品处理简单,可用于微区分析和微量分析,并且能反映样品的本质特征。人参包括林下山参、园参和野山参,而我国禁止采挖野山参。因此,药典只收录了林下山参和园参。该工作使用显微红外光谱技术,结合判别分析建立了对林下山参和园参的无损识别模型。收集了20个林下山参和24个园参后,采集了其显微红外光谱。其中,33个样品被随机划分为校正集,11个为验证集。建立模型时,优化了预处理方法、主成分数、建模波段和扫描部位。最后,使用多元散射校正+Savitzky-Golay平滑的预处理方法、3932.14～669.18 cm-1的波段、4个主成分数和芦头部位建立了最优的判别分析模型,准确率达到100%。结果表明,结合判别分析的显微红外光谱技术,样品处理简单、快速、无损、有效,可用于林下山参和园参的无损识别。     

支持向量机(SVM)在傅里叶变换近红外光谱分析中的应用研究

支持向量机(SVM)用于两类问题的识别研究,它是统计学习理论中最年轻的分支,所建分析模型有严格的数学基础。同时介绍了SVM学习的基本原理和方法,并将该方法引入化学计量学,以103个中药大黄样品为实验材料,通过SVM近红外光谱法建立了大黄样品真伪识别模型。对学习集中33个样品模型识别准确率为100％;对70个预测样品的识别准确率为96.77％, 为中药大黄的快速识别提供了参考。研究结果表明了SVM近红外光谱法建立生物样品识别模型的可行性。通过旨在介绍SVM学习方法的基本思想,以引起化学计量学工作者的进一步关注。     

西洋参中无机元素的主成分分析和聚类分析

采用电感耦合等离子体质谱(ICP/MS)法测定了12个西洋参样品中18种无机元素的含量,建立西洋参无机元素指纹谱,并用SPSS主成分分析法对西洋参中的特征元素进行分析;主成分分析选出五个主因子,得出西洋参的特征元素为Fe,Al,V,Mn,Mg,Sr,Mo,Ca,Cu;聚类分析将12个西洋参样品聚成五大类,表明元素的分布特征与西洋参的品种关系显著;主成分分析法和聚类分析法是西洋参无机元素分析的有效方法.     

西洋参和高丽白参的X射线显微鉴定研究

传统的中药材显微鉴定,样品制备苛刻.加入某些试剂容易造成结构信息丢失.本文利用X射线相位衬度成像方法较为系统地研究了西洋参、高丽白参的显微结构,并对二者在草酸钙簇晶、导管、木栓细胞、韧皮部和木质部射线等显微结构方面的异同进行了详细分析.实验研究结果表明,该方法能够在无需对样品进行特殊处理的情况下,较好地实现西洋参、高丽白参的显微结构鉴定,有望成为中药材显微鉴定领域中一种简便快速的新型鉴定方法.实验还发现,西洋参和高丽白参韧皮部和木质部射线的显微结构存在很大的区别.这一显微结构有可能成为人参类贵重中药材显微鉴别中的一个新增依据.     

荧光光谱法结合Fisher判别分析在西洋参鉴别中的应用

旨在建立可靠的Fisher判别模型,以实现西洋参及其常见伪品饮片的快速、客观、准确鉴别,采用自组的凝视式光谱成像仪,对90份不同市售来源的中药材饮片(西洋参、人参、桔梗各30份)进行了荧光光谱成像实验,波长范围为400~720 nm,成像间隔为5nm。采用标准正态变量(SNV)变换对原的光谱数据进行预处理,以减少光谱数据中的噪声干扰。比较了主成分分析(PCA)与逐步判别分析(SDA)的原理特点及对模型的优化效果,联合这两种分析方法,首先,应用PCA对预处理后的光谱数据进行处理,使光谱数据中的主要信息集中分布在前面的主成分中,然后应用SDA从65个主成分中筛选出判别能力较强的12个主成分建立Fisher判别模型。由所建模型的两个判别函数作样品得分散点图,各类样品在图中表现出良好的聚类现象。以待判样品点与各种类中心点之间的欧氏距离作为依据,得出模型的准确判别结果。结果显示,所建Fisher判别模型在训练集和预测集中的判别正确率分别为98.33%和 96.67%,具有较高的可信度与准确度,因此,荧光光谱法结合Fisher判别分析可用于快速鉴别西洋参及其伪品饮片。     

近红外光谱法快速无损识别普通、高油、超高油玉米籽粒

以75粒普通玉米、72粒高油玉米和73粒超高油玉米共计220粒玉米籽粒样品为实验材料,通过玉米籽粒的近红外光谱结合主成分信息提取技术建立了不同油分含量的玉米籽粒样品的BPANN识别模型.为考察模型的实际应用效果,连续10次随机划分样品集,每次在各类别玉米籽粒中随机选取4/5作为建模集,剩余1/5作为预测集,选择光谱信息的第2～15个主成分作为网络输入,样品以3个类别值-1,0,1作为目标输出,10次建模的学习识别率均达到100%.以所建BPANN模型对预测集样品进行分类识别,普通玉米、高油玉米和超高油玉米籽粒平均正确识别率分别为99.33%,97.88%和91.43%,总体正确识别率平均达到95%以上.研究结果表明BP人工神经网络近红外光谱法建立玉米籽粒识别模型可对不同油分含量的玉米籽粒进行快速、无损识别,对于玉米籽粒的选育工作具有一定的指导意义.另外还探讨了选择主成分建模对不同油分含量的玉米籽粒种类识别效果的影响,结果显示具有方差贡献率99%以上的光谱第一主成分参与建模,对模型预测效果有负影响,说明不同主成分包含的区分普通、高油与超高油玉米籽粒的分类信息不同,因此近红外光谱法建立样品分类识别模型时选择不同主成分建模是有必要的.     

栽培和野生中药材灯盏花的近红外光谱鉴别模型

分别在2台傅里叶变换近红外光谱仪上采集了43个栽培和野生中药材灯盏花样品的近红外漫反射光谱,提取光谱信息的15个主成分,方差贡献率达到99%以上。以20个灯盏花样品作为建模集,15个主成分作为网络学习输入层的15个节点,在2台仪器上用2套光谱分别建立了识别栽培和野生灯盏花样品的BP-神经网络模型,并对预测集的23个样品用于实际鉴别分析。两台仪器上的建模集样品模型回代正确识别率均为100%,预测集样品的正确识别率分别为100%和95.7%,结果表明,利用近红外光谱法进行栽培和野生中药材灯盏花的快速鉴别是可行的。     

近红外光谱分析技术识别奶粉中淀粉掺假的研究

将蒙牛、伊利、完达山三个品牌的奶粉样品掺入不同量的淀粉构成32份实验样品。在跨度近两个月时间内,用JDSU微型近红外光谱仪,分五天重复5次采集这些样品的中波近红外漫反射光谱。采用仿生模式识别（BPR）算法对样品进行掺假识别定性分析,并研究了分析的可靠性与模型的稳健性。以90%作为评价分析结果（样品掺杂的正确识别率 CAR与正确拒识率 CRR）的阈值：将测试结果高于此阈值的所有样品中掺入淀粉的最低含量分别称为样品掺杂的正确识别限与正确拒识限。结果显示：三个品牌奶粉样品分别各自建模时,若用同一天测定的部分光谱数据建立模型,预测该天剩余光谱,样品掺杂的正确识别限与正确拒识限都可以达到0.1%。对于三种品牌奶粉合并后的纯奶粉及其淀粉掺杂样品混合建模时,若用同一天测定的光谱建模与测试,样品掺杂的正确识别限也可以达到0.1%,正确拒识限则为1%;若用不同时间采集的光谱进行交叉测试,正确识别限与正确拒识限都只有5%;若用四天的光谱数据联合建模,测试第五天的数据,正确识别限可以稳定达到1%,正确拒识限可以达到5%。应用两种算法对奶粉中淀粉含量进行定量分析比较,进一步验证了有关定性分析对样品掺杂正确识别限和正确拒识限的可靠性。     

近红外光谱的海水微塑料快速识别

光谱技术与机器学习算法结合快速识别微塑料, 为微塑料的现场检测提供了极大的技术支持,是一个得到极大关注的新领域。近红外光谱检测技术具有检测速度快、灵敏度高、不损坏样品,且可以在不对样品进行预处理的情况下直接检测等特点,在化学分析、质量检测等领域广泛应用。本文基于近红外光谱检测技术,研究比较了结合Support Vector Machine（SVM）和Extreme Gradient Boosting（XGBoost）两种机器学习分类算法,构建微塑料的高速有效识别分类模型。采用微型近红外光谱仪采集了20种常见的微塑料标准样品的光谱数据,为了防止过拟合,对每种样品多次采样,共收集了1 260个微塑料样本,每个样本包含512个数据点。利用XGBoost算法进行特征重要性排序,共提取了对识别准确率影响较大的65个数据点。分别采用SVM算法和XGBoost算法对数据降维后提取的65个数据点建立微塑料快速识别模型,并运用网格搜索（GridSearchCV）对XGBoost算法影响较大的超参数进行选取,确定n_estimators,learning_rate,min_child_weigh,max_depth,gamma的最佳超参数分别为700,0.07,1,1,0.0。为了提高模型的稳定性,识别速率和泛化能力,对模型采用10折交叉验证和混淆矩阵评估;研究结果表明,XGBoost模型对微塑料的识别准确率为97%,而SVM模型对微塑料的识别准确率为95%;XGBoost模型对微塑料识别的正确率优于SVM模型。综上所述,XGBoost模型微塑料识别整体性能优于SVM模型,为实际微塑料快速识别提供技术支撑。     

基于SVM的天津产地玫瑰香葡萄酒定性分析

利用红外光谱法对天津产地玫瑰香葡萄酒识别鉴定,提出了用支持向量机(SVM)算法对干白葡萄酒红外光谱图进行分析,详细介绍了干白葡萄酒谱图的预处理过程,包括基线校正、消除噪声、标准归一化和去除异常样本点。选取了不同产地的玫瑰香原酒样品511个、贵人香原酒样品438个、霞多丽原酒样品307个、白玉霓原酒样品29个、白羽原酒样品44个、龙眼原酒样品31个、泽香原酒样品79个,针对不同分类将80%样品谱图用SVM建立分类模型,并用剩余20%样品谱图对这些模型进行验证,实验结果表明该方法行之有效,不同葡萄品种干白葡萄酒模型正确率、识别率和拒绝率达到97%以上,不同产地玫瑰香干白葡萄酒正确率、识别率和拒绝率达到98%以上。该方法可以对天津产地玫瑰香葡萄酒进行定性识别鉴定。     

20(R)和20(S)-人参皂甙Rg_2碳氢NMR信号全指定

20 (R)和 2 0 (S) 人参皂甙 Rg2 属于达玛烷型四环三萜类化合物 .应用 2DNMR技术 :1 H 1 HCOSY、HMQC和HMBC全归属 2 0 (R)和 2 0 (S) 人参皂甙 Rg2 碳和氢质子信号 ,为该类型化合物的结构鉴定提供波谱学依据 .     

用傅立叶变换红外光谱法研究核辐照对人参粉成分的影响

本文采用傅立叶变换红外光谱(吸收光谱、二阶导数谱及差谱)法对经不同剂量核辐照的人参粉进行了对比研究.辐照剂量不高于9 kGy时,人参粉样品的化学成分几乎没有发生变化;人参粉样品经15kGy及以上的辐照剂量辐照后,可能产生新的化学成分,表明采用辐照剂量不高于9 kGy的核辐照杀灭人参粉污染的微生物和各种寄生虫卵是可行的;...     

基于近红外光谱的人参与西洋参的快速鉴别研究

基于近红外光谱分析技术结合模式判别方法建立了一种人参和西洋参鉴别的新方法。收集根状、根须和粉末状的样品共90份,在有聚乙烯包装袋的情况下直接采集近红外光谱,去除原始光谱中包装袋的显著吸收后进行了MSC与一阶导数处理,然后采用移动窗口偏最小二乘法选择了建模光谱区间,分别建立了PLS-DA,PCA-DA和SVM判别模型,并对3种模型作了对比分析,结果表明SVM判别效果最优,其对预测集的正确判别率为100%。该方法准确、便捷,可实际应用于企业原料药材的质量控制,实现对原料药材的快速筛查。     

人参茎叶中一个新天然产物的结构研究

采用多种色谱方法从人参茎叶中分离得到一个新天然产物-达玛烷型三萜皂苷元dammar 20(22), 24-diene-3β,6α,12β-triol,并利用质谱、核磁共振谱和化学方法对此化合物进行了结构解析. 通过2D NMR（HMQC、HMBC）进行了¹H和¹³C NMR信号全归属,并纠正了文献中的个别化学位移的信号指认错误.     

不同消解对原子吸收光谱法测定三七中重金属铬的影响

以云南文山三七为材料,分析研究了用干法灰化、湿法消解前处理样品对原子吸收光谱法测定三七中重金属C r含量的影响,方法的相关系数为0.9993,干法灰化回收率为95.02%,湿法消解回收率为93.03%,分析结果满意。结果表明,干法灰化的最佳条件为灰化温度500—600℃、灰化时间6—8h。湿法消解的最佳消解体系为HNO3:HC lO4(V/V)=4:1体系。用干法灰化或常压下湿法消解处理样品,原子吸收光谱法可以准确测定三七中重金属C r含量,且方法简单、快捷。云南文山三七粉中重金属C r含量为1.8178μg/g。     

人参中锗的分光光度法测定

采用灰化法分解人参样品，用分光光度法测定人参中的有机锗含量，方法简便，快捷，回收率为98．90％－99．78％。