论文部分内容阅读
作为最重要的中药材之一,当归指伞形科植物当归的干燥根,在中国已经被使用了2000多年。由于其具有补血,减轻疼痛和润肠作用,已被广泛用于治疗妇科疾病,增强免疫系统和缓解便秘。由于医疗价值高和市场需求大,当归的价格保持相对较高。相似品人为替代或掺假现象时有发生。因此,原材料的准确识别和定量对于中药的质量控制和消费者的安全至关重要。本论文考察紫外可见漫反射光谱法结合化学计量学对当归及其相似品及掺伪品进行鉴别并定量分析的可行性。具体研究内容如下:(1)紫外可见漫反射光谱结合化学模式识别对当归及其四种相似品的鉴别。收集40个当归、39个独活、38个川芎、35个白术、39个白芷共191个药品为研究对象,并将其分为训练集合预测集。主成分分析用于可视化训练集样品的聚类趋势。考察不同的预处理方法及其组合,并根据光谱信号特征以及主成分分析的聚类结果来选择最佳的预处理方法。在预处理的光谱和类别信息之间构建极限学习机判别模型。结果表明,原始光谱的主成分分析无法实现五种中药的分类。尺度化、连续小波变换和SG平滑可以在不同程度上改善主成分分析的聚类结果。此外,按连续小波变换+尺度化+SG平滑的顺序进行组合可以增强光谱分辨率并获得最佳的聚类结果。采用该预处理组合,建立极限学习机模型,不论对训练集和预测集都可以实现100%的分类准确度。因此,该方法可作为一种快速、经济、有效的鉴别五种中药的方法。(2)紫外可见漫反射光谱结合化学模式识别对当归纯品及其掺伪品的鉴别。本研究设计了0-100%质量百分数范围的当归及独活的掺伪样品75个,将其与40个当归纯样品进行鉴别。考察原始光谱以及尺度化、连续小波变换、SG平滑及其组合等预处理方法的效果。经过适当的预处理后,建立偏最小二乘-判别分析模型。结果表明,原始光谱的主成分空间无法实现当归及其掺伪品的聚类。经过连续小波变换后,样品在二维主成分空间聚为三类,分别对应当归纯品、掺伪60%以下独活的当归掺伪品以及掺伪60%以上独活的当归掺伪品。说明光谱在经过连续小波变换预处理后,不仅可以实现当归和掺伪当归的分类,而且可以将不同掺伪百分比的掺伪品进一步区分。而通过小波变换+SG平滑+尺度化预处理后,建立偏最小二乘-判别分析模型,仅采用第一主成分,即可实现当归及其掺伪品100%的鉴别。(3)紫外可见漫反射光谱结合多元校正对掺伪当归中各组分进一步定量分析的可行性。首先配制当归及独活的二元掺伪样品81个,采集样品的紫外可见漫反射光谱。比较了主成分回归、偏最小二乘回归、人工神经网络、支持向量回归、极限学习机等五种多元校正方法。在最佳建模方法的基础上,考察了SG平滑、多元散射校正、标准正态变量、一阶导数、二阶导数、连续小波变换等多种预处理方法及其组合的预处理效果。结果表明在五种多元校正方法中,偏最小二乘回归建模效果最佳。在偏最小二乘回归的基础上考察不同预处理方法,得到当归和独活组分的最佳预处理方法分别为标准正态变量-一阶导数、二阶导数-标准正态变量。对预测集预测的相关系数分别为0.9863和0.9925。因此,紫外可见漫反射光谱结合适当的化学计量学方法可以实现当归二元掺伪样品的准确定量。