基于近红外光谱的维生素C片无损鉴别分析

基于近红外光谱技术与化学计量学方法,建立了一种国内外不同品牌维生素C片的无损鉴别方法。采集了国内外8个品牌的维生素C片共计40个样本的近红外光谱数据,比较了完整样品以及粉末样品的近红外光谱,采用连续小波变换技术消除背景干扰和基线漂移,基于标准偏差与相对标准偏差的变量筛选方法筛选出具有代表性的波数点,结合主成分分析方法对国内外不同品牌维生素C片进行鉴别分析。结果表明:原始光谱存在着明显的背景干扰和基线漂移现象,且粉末样品的重现性要优于完整样品;单纯使用原始光谱无法辨别来自不同品牌的维生素C片;连续小波变换可以有效消除背景干扰,提高模型鉴别能力;完整样品的鉴别准确率优于粉末样品,说明国内外不同品牌维生素C片主要成分基本一致,可能是辅剂和工艺上存在细微差异。通过结合近红外光谱分析技术与化学计量学方法,可实现对国产以及进口不同品牌维生素C片的鉴别分析。     

一种基于近红外光谱技术的不同品种及掺假三七的无损鉴别分析研究

基于近红外光谱技术与化学计量学方法,提出了一种不同品种及掺假三七的快速无损鉴别方法。分别采集景天三七、菊三七、血三七、田三七完整、粉末及掺假样品的近红外光谱,采用单一和组合预处理方法消除光谱中的干扰,筛选出最佳的预处理方法;结合主成分分析法建立不同品种以及掺假三七样品的鉴别模型。结果表明：结合主成分分析,采用原始光谱即可实现粉末及掺假样品的100%鉴别分析,而完整样品由于受到物理性状的干扰,其原始光谱数据的品种鉴别率仅为9.38%;而经连续小波变换预处理后可达93.75%。采用组合预处理方法可以进一步消除光谱存在的多种干扰,显著提高完整样品的鉴别准确性,采用去偏移 + 一阶导数、去偏移+连续小波变换以及二阶导数+标准正态变量变换预处理方法预处理后,完整样品的鉴别准确率达到了93.75%。以上结果表明,采用近红外光谱技术与化学计量学方法可有效实现对不同品种以及掺假三七的快速无损鉴别分析。     

近红外光谱和模式识别的菊花品种无损鉴别

菊花为菊科植物菊的头状花序,滁菊、贡菊、杭菊和亳菊是常见的几类药用品种菊花。不同品种菊花在外观上具有极大的相似性,非专业人员仅凭肉眼难以对其进行准确鉴别分析。常规仪器分析法检测成本较高,分析时间较长,且需要对样品进行破坏性处理,影响了产品的二次销售。近红外光谱技术作为近年来快速发展起来的一种绿色、简单、快速的新型检测技术,在中药鉴别领域取得了很大的进展。基于便携式近红外光谱仪结合化学计量学方法建立了一种菊花品种无损鉴别方法。利用便携式近红外光谱仪采集了滁菊、贡菊、杭菊和亳菊完整以及粉末状两种物理形态样品的光谱,采用单一以及组合光谱预处理方法消除光谱中存在的干扰,结合不同模式识别方法（主成分分析法、软独立模式分类法和Fisher线性判别分析法）分别构建了不同品种菊花的鉴别模型。结果表明：由于仪器的限制及样品物理性状的原因,光谱中存在较为明显的背景、基线漂移以及噪声的干扰,完整样品由于物理性状的原因,基线漂移干扰尤为严重;采用主成分分析法结合光谱预处理方法无法实现不同品种菊花的准确鉴别,完整样品最佳鉴别正确率仅为8.33%,粉末样品最佳鉴别正确率为52.38%;通过软独立模式分类法结合预处理方法可以得到较为准确的鉴别结果,完整样品光谱数据经一阶导数+多元散射校正优化后鉴别正确率为95%,粉末状样品数据采用原始数据的鉴别正确率为92.5%;Fisher线性判别分析方法结果最佳,完整样品数据经连续小波变换优化后可以得到97.5%的鉴别正确率,粉末状样品采用原始光谱便可得到100%鉴别正确率。以上结果表明,当采用合适的预处理和建模方法,完整样品和粉末状样品鉴别结果较为一致,基于便携式近红外光谱仪结合化学计量学可实现对不同品种菊花的准确无损鉴别分析,为食药同源产品的无损鉴别分析提供了新途径。     

基于近红外光谱技术的不同产地茯苓块无损鉴别

基于近红外光谱技术,建立了不同产地茯苓块快速无损鉴别方法.利用近红外光谱仪采集了8个不同产地茯苓块的光谱信息;通过单一及组合预处理方法消除光谱中的多种干扰;结合主成分分析方法、软独立模式分类法和Fisher线性判别分析方法分别构建了不同产地茯苓块的鉴别模型.结果 表明:光谱中存在较为明显的背景以及噪声干扰;仅采用主成分分析结合光谱预处理的方法无法实现不同产地茯苓块的准确鉴别分析,鉴别率仅为14.1％;采用软独立模式分类法可显著提高不同产地茯苓块的鉴别率,采用原始光谱或去趋势预处理可获得最佳鉴别结果,鉴别率为54.2％;采用Fisher线性判别分析方法时,用原始光谱即可得到最佳鉴别结果,鉴别率为91.7％.以上结果表明,近红外光谱技术结合Fisher判别分析方法可实现不同产地茯苓块的准确鉴别分析.     

基于近红外光谱技术与优化光谱预处理的陈皮产地鉴别研究

采集不同产地陈皮内侧和外侧的近红外光谱,采用不同光谱预处理方法进行预处理,筛选得到最佳光谱预处理方法,结合主成分分析法建立了陈皮产地的鉴别模型。实验发现,陈皮原始光谱中存在明显的基线漂移与背景干扰。使用单一光谱预处理可在一定程度上消除干扰的影响。经标准正态变量变换、多元散射校正、一阶导数、二阶导数与连续小波变换预处理后,陈皮内侧光谱数据可获得最优的鉴别结果,鉴别准确率为91.67%;通过最大最小归一化预处理后,陈皮外侧光谱数据可获得最优鉴别结果,鉴别准确率为70.83%;在2种预处理组合的鉴别结果中,有9个组合方式结合陈皮外侧光谱数据实现了对陈皮产地的100%鉴别分析,对于陈皮内侧光谱数据的最佳预处理组合为去趋势校正+最大最小归一化,鉴别准确率为95.83%;而3个预处理组合的鉴别准确率较2个预处理的结果低,表明采用预处理种类过多时可能会扣除有用信息。结果表明:近红外光谱技术结合光谱预处理可以实现不同产地陈皮的无损鉴别分析,其中陈皮外侧光谱数据结合优化光谱预处理方法可实现陈皮产地的100%鉴别分析。