基于傅里叶变换红外光谱指纹技术的艾叶产地溯源研究

中药材产地对中药材品质与安全有直接影响。从生物学角度,中药材是物种受特定生态环境的影响,在长期生态适应过程中所形成的。药材生长所需的气候、土壤、水文等生态因素与其生长发育和品质唇齿相关,并带有地域信息的指纹特征。近年来,中医药产业的快速发展带来了中药材资源需求量的激增,但同时也存在诸多安全隐患,药材产地难以区分和溯源已成为制约中医药发展的主要瓶颈之一。以国内4个省份5个主产区的75份艾叶样品为实验材料,采用FTIR法进行红外特征分析和数据挖掘,通过比较多种光谱信号预处理方法(如高斯滤波、多元散射校正、标准正态变换、一阶/二阶导数等)和多种模式识别技术(如BP神经网络、随机森林、 K-最近邻算法、贝叶斯算法、粒子群优化支持向量机模型等),探索适合艾叶产地溯源的计量学方法。结果表明,K-最近邻算法、贝叶斯算法及粒子群优化支持向量机3种模式识别效果最为理想,测试集的正确率均为100%。基于运行时间、鉴别正确率与模型稳定性综合考虑,最终确定K-最近邻算法是艾叶产地鉴别的最优方法。整体来看,红外光谱指纹技术结合适当的化学计量学方法能够用于艾叶的产地溯源,研究结果为艾叶的道地性评价和质量控制提供技...     

基于无机元素指纹分析的桔梗产地溯源研究

目的:比较四川梓潼、云南玉龙、安徽太和、湖北英山、河南桐柏无机元素含量差异,结合计量学方法,探讨桔梗产地溯源应用的可行性,为桔梗产地溯源提供新方法。方法:利用ICP-MS和ICP-AES测定四川、云南、安徽、湖北、河南5个主产区共75份桔梗样品中K、P、Fe、Mn、B等37种元素的含量,通过主成分分析对5大产区桔梗进行聚类,运用KNN算法、Bayes算法、SVM-ga算法、BP-NN算法、LS-SVM算法、SVM-grid算法,建立桔梗产地溯源模型。结果:五大产区桔梗中无机元素含量差异显著(P＜0.05),其中Sb、Sn、Ge、Nb、Ag 5种元素,在不同产区间差异最为明显,由主成分分析发现不同产地桔梗样品分布集中且相对独立,SVM-grid桔梗溯源模型能够100%将五大产区桔梗进行区分。结论:Sb、Sn、Ge、Nb、Ag 5种元素含量分布具有明显的地域特征,以无机元素结合计量学方法可以对桔梗进行有效的产区判别,且准确率高,是产地溯源的有效方法。