论文部分内容阅读
中药材品质受原植物来源、采收期、产地、部位等多种因素影响,导致其质量参差不齐,品质不稳定。光谱作为一种绿色环保的分析方法,结合色谱特征性成分的含量数据,辅以化学计量学,可为中药质量控制提供一种快速、有效、便捷的技术参考。本论文以石斛属(Dendrobium)植物为研究对象,采用紫外可见光光谱(Ultraviolet-visible spectroscopy,UV-Vis)、衰减全反射-傅里叶变换红外光谱(Attenuate total reflection-Fourier transform infrared spectroscopy,ATR-FTIR)、近红外光谱(Near infrared spectroscopy,NIR)、高效液相色谱结合二极管阵列检测器(High performance liquid chromatography equipped with diode array detector,HPLC-DAD)等技术,对不同种石斛、不同采收期铁皮石斛(Dendrobium officinale)、不同产地以及不同部位铁皮石斛进行分析。结合主成分分析(Principal component analysis,PCA)、系统聚类分析(Hierarchical cluster analysis,HCA)、t分布随机邻域嵌入(T-distributed stochastic neighbor embedding,T-SNE)三种无监督模式识别方法;K最近邻(k-nearest neighbor,KNN)、偏最小二乘判别分析(Partial least squares discriminant analysis,PLS-DA)、网格式搜索支持向量机(Grid search-support vector machine,GS-SVM)、随机森林(Random forest)四种有监督模式识别方法以及支持向量机回归(Support vector machine regression,SVMR)分析,深入石斛的光谱特征。铁皮石斛及其近源种鉴别结果显示,低级融合策略为石斛种类判别的最佳融合策略;GS-SVM和PLS-DA均可用于模型的精准判别,训练集和预测集的判别正确率均为100%。重要变量结合PLS-DA可以有效提高模型的稳健性。铁皮石斛采收期鉴别结果显示,茎段和叶片的光谱重要变量融合可以提高模型的鉴别正确率,训练集和预测集的正确率分别为94.44%和97.92%。两部位融合数据相比单一部位光谱数据集建模的优势可尝试推广到其它物种的光谱鉴别。分别测定铁皮石斛茎段和叶片中的槲皮素和毛兰素含量,结合二者光谱数据建立SVMR模型。结果表明合适的预处理方法结合网格式参数搜索方法可以提高预测模型的结果。上述系统的铁皮石斛质量评价方法,为其规范合理的资源开发提供理论基础。