近红外光谱特征的芡实产地及质量鉴定
利用近红外光谱技术对不同产地的芡实进行鉴别，建立了基于近红外指纹图谱的快速分析方法。23批不同产地芡实，利用S400农产品品质测定仪测定光谱，由于仪器记录的样品近红外光谱数据中包含有一系列噪声和干扰信号，利用origin9.4软件近红外光谱进行一阶导数和平滑处理，利用spss20.0软件采用主成分分析法（PCA）对数据进行降维操作，对可靠地获得准确分析结果具有很重要的作用。结果表明，23个产地芡实特征峰相关性显著，产地区分明显。关键词芡实，近红外光谱，主成分分析，聚类分析
目 录
1 引言 1
1.1 近红外图谱分析 1
1.1.1 近红外光谱漫反射测定原理 1
1.1.2 光谱处理 2
2 材料与方法 2
2.1 材料 2
2.2 仪器与设备 3
2.3 方法 3
2.4 数据处理 4
3 结果与分析 4
3.1 芡实近红外光谱测定结果 4
3.2 光谱波段的选择 4
3.3 光谱数据再处理 5
3.4 特征峰相关性分析 7
3.5 主成分分析 7
3.5.1 主成分分析的应用 7
3.6 聚类分析 9
结 论 13
致 谢 14
参 考 文 献 15
1 引言
芡实(Euryale ferox Salisb)始载于《神农本草经》，列为上品[1]，是睡莲科一年生水生草本植物[2]，多生长于湖泊、池塘、滩地及沟溪水源充足的地方。芡实原产于我国和东南亚，目前广泛分布于中国、俄罗斯、朝鲜、日本以及印度等国家。在我国其主产区为江苏、山东、湖南、安徽、广东等省。芡实是芡属下唯一的一个物种，主要有两个变种，即北方的“刺芡”与南方的“苏芡”。作为一种珍贵的药食兼用的植物，芡实已有几千年的药用历史。据《中国药典》记载，芡实的成熟种仁，具有益肾固精、补脾止泻、祛湿止带的功效。芡实富含蛋白质、氨基酸和多糖等营养成分[3]。临床上常用于治疗慢性肾炎[4]、糖尿病[5]、中风后遗症[6]等疾病。
近红外光谱 *好棒文|www.hbsrm.com +Q: @351916072@
(Near?InfraRed?Spectrum，NIR)是介于可见光谱(Vis)和中红外光谱(简写为 MIR 或 IR)之间的电磁波，是人们认识最早的非可见光区域。波数范围为4 000 ～12 500 cm1 (800 ～2 500 nm)，它的吸收波段主要是含氢基团Ｃ－Ｈ、Ｎ－Ｈ和Ｏ－Ｈ的基频、倍频和合成频率，物质光谱特征随组成或者结构的变化而变化[7]，可用于物质的鉴别。该技术的主要优点是:样品制备工艺简单、无损、无污染；可同时快速测定同一样品中的不同组分，并可重复测定；质量过程可控，满足在线检测的要求。适用于固体、粉末、半固体、液体样品。主要缺点是:检出限高，对样品质量依赖性强；灵敏度低，要求样品中的组成达到100万以上。由于建模难度大，阻碍了近红外光谱技术的推广[8]。由于近红外光谱分析技术的优点多，目前被用于干酪、橄榄油、蜂蜜等食品的产地鉴别，取得了很好的效果[912]。但在芡实产地鉴别方面的研究鲜见报道。本实验将近红外光谱识别的技术应用于芡实产地鉴别中，建立了一种无损快速的芡实产地鉴别方法。
1.1 近红外图谱分析
本实验采用近红外固体漫反射测量方式测定了23 个不同产地的芡实样本的近红外光谱，并采用主成分分析和聚类分析结合，建立了芡实近红外指纹图谱，达到鉴别的目的。
1.1.1 近红外光谱漫反射测定原理
漫反射测量是应用近红外光谱分析技术开始就采用的，具有非常重要的地位，漫反射可以用于各类样品，但一般对固体和半固体采用漫反射测量方法[13]。
当入射光照在固体或者物质颗粒的表面，一部分光严格按照一定的方向从固体表面反射，这种镜面反射不能提供有关样品的信息，大多数的镜面反射光直接返回光源方向，而另外一部分光则射入样品的表面，被若干样品颗粒和样品内部分子多次反射、折射、衍射、吸收后返回到样品表面，这种反射称为漫反射[14]。发生漫反射时，每次光线都与样品内部的分子发生作用，样品中的化学物质吸收了一定量的光，因此，漫反射的光线包含了有关样品中物质成分的信息，即不同成分在特定波长下吸收了不同能量的光[15]。
1.1.2 光谱处理
由于光谱测量过程中会受到仪器、样品背景、其他干扰等随机因素的影响，得到的光谱数据中不可避免的含有噪声，如果在分析前不加以处理，会影响校正模型建立的质量和未知样品预测结果的准确性，通过对光谱数据的去噪预处理，可以减少噪声对预期结果的影响，提高模型的稳定性[16]。
红外光谱在获取的过程中, 由于光照、温度条件等环境因素和传感器材料、随机误差等仪器因素的影响，使得所测得样品光谱含有噪声、甚至出现基线漂移[17]。这些噪声大部分为随机白噪声。为提高光谱信息提取的准确度，需要对光谱数据进行以去噪为主的预处理，以消除或降低各种干扰因素的影响，增强光谱的有效信息[18,19]。
为了消除仪器扫描过程中不可避免的噪声、减少种种外界因素带入的影响并简化数据处理的运算过程，应对仪器检测所得到的光谱数据作下述一系列预处理。
（1）移动平滑处理：主要去掉高频噪声的干扰，平滑处理需要选择处理窗口的大小，较大的平滑窗口可以使信噪比提高，但同时也会导致信号的失真，要综合考虑[17]。
（2）微分处理：扣除仪器背景或漂移对信号的影响，采用微分可以较好地净化谱图信息，但在微分处理时，根据微分的级数，要合理选择微分窗口数据点的大小[17]。
（3）数据筛选和光谱范围的优选：从原始光谱数据中剔除无效数据，根据测定的主成分特征舍弃光谱信息很少的次要光谱范围，以减小计算工作量[13]。
2 材料与方法
2.1 材料
供试材料为23种如表1不同产地干燥成熟的芡实种仁。
表 1芡实样品资料
编号
产地
X1
白马湖
X2
白马湖
X3
白马湖
X4
白马湖
X5
白马湖
目 录
1 引言 1
1.1 近红外图谱分析 1
1.1.1 近红外光谱漫反射测定原理 1
1.1.2 光谱处理 2
2 材料与方法 2
2.1 材料 2
2.2 仪器与设备 3
2.3 方法 3
2.4 数据处理 4
3 结果与分析 4
3.1 芡实近红外光谱测定结果 4
3.2 光谱波段的选择 4
3.3 光谱数据再处理 5
3.4 特征峰相关性分析 7
3.5 主成分分析 7
3.5.1 主成分分析的应用 7
3.6 聚类分析 9
结 论 13
致 谢 14
参 考 文 献 15
1 引言
芡实(Euryale ferox Salisb)始载于《神农本草经》，列为上品[1]，是睡莲科一年生水生草本植物[2]，多生长于湖泊、池塘、滩地及沟溪水源充足的地方。芡实原产于我国和东南亚，目前广泛分布于中国、俄罗斯、朝鲜、日本以及印度等国家。在我国其主产区为江苏、山东、湖南、安徽、广东等省。芡实是芡属下唯一的一个物种，主要有两个变种，即北方的“刺芡”与南方的“苏芡”。作为一种珍贵的药食兼用的植物，芡实已有几千年的药用历史。据《中国药典》记载，芡实的成熟种仁，具有益肾固精、补脾止泻、祛湿止带的功效。芡实富含蛋白质、氨基酸和多糖等营养成分[3]。临床上常用于治疗慢性肾炎[4]、糖尿病[5]、中风后遗症[6]等疾病。
近红外光谱 *好棒文|www.hbsrm.com +Q: @351916072@
(Near?InfraRed?Spectrum，NIR)是介于可见光谱(Vis)和中红外光谱(简写为 MIR 或 IR)之间的电磁波，是人们认识最早的非可见光区域。波数范围为4 000 ～12 500 cm1 (800 ～2 500 nm)，它的吸收波段主要是含氢基团Ｃ－Ｈ、Ｎ－Ｈ和Ｏ－Ｈ的基频、倍频和合成频率，物质光谱特征随组成或者结构的变化而变化[7]，可用于物质的鉴别。该技术的主要优点是:样品制备工艺简单、无损、无污染；可同时快速测定同一样品中的不同组分，并可重复测定；质量过程可控，满足在线检测的要求。适用于固体、粉末、半固体、液体样品。主要缺点是:检出限高，对样品质量依赖性强；灵敏度低，要求样品中的组成达到100万以上。由于建模难度大，阻碍了近红外光谱技术的推广[8]。由于近红外光谱分析技术的优点多，目前被用于干酪、橄榄油、蜂蜜等食品的产地鉴别，取得了很好的效果[912]。但在芡实产地鉴别方面的研究鲜见报道。本实验将近红外光谱识别的技术应用于芡实产地鉴别中，建立了一种无损快速的芡实产地鉴别方法。
1.1 近红外图谱分析
本实验采用近红外固体漫反射测量方式测定了23 个不同产地的芡实样本的近红外光谱，并采用主成分分析和聚类分析结合，建立了芡实近红外指纹图谱，达到鉴别的目的。
1.1.1 近红外光谱漫反射测定原理
漫反射测量是应用近红外光谱分析技术开始就采用的，具有非常重要的地位，漫反射可以用于各类样品，但一般对固体和半固体采用漫反射测量方法[13]。
当入射光照在固体或者物质颗粒的表面，一部分光严格按照一定的方向从固体表面反射，这种镜面反射不能提供有关样品的信息，大多数的镜面反射光直接返回光源方向，而另外一部分光则射入样品的表面，被若干样品颗粒和样品内部分子多次反射、折射、衍射、吸收后返回到样品表面，这种反射称为漫反射[14]。发生漫反射时，每次光线都与样品内部的分子发生作用，样品中的化学物质吸收了一定量的光，因此，漫反射的光线包含了有关样品中物质成分的信息，即不同成分在特定波长下吸收了不同能量的光[15]。
1.1.2 光谱处理
由于光谱测量过程中会受到仪器、样品背景、其他干扰等随机因素的影响，得到的光谱数据中不可避免的含有噪声，如果在分析前不加以处理，会影响校正模型建立的质量和未知样品预测结果的准确性，通过对光谱数据的去噪预处理，可以减少噪声对预期结果的影响，提高模型的稳定性[16]。
红外光谱在获取的过程中, 由于光照、温度条件等环境因素和传感器材料、随机误差等仪器因素的影响，使得所测得样品光谱含有噪声、甚至出现基线漂移[17]。这些噪声大部分为随机白噪声。为提高光谱信息提取的准确度，需要对光谱数据进行以去噪为主的预处理，以消除或降低各种干扰因素的影响，增强光谱的有效信息[18,19]。
为了消除仪器扫描过程中不可避免的噪声、减少种种外界因素带入的影响并简化数据处理的运算过程，应对仪器检测所得到的光谱数据作下述一系列预处理。
（1）移动平滑处理：主要去掉高频噪声的干扰，平滑处理需要选择处理窗口的大小，较大的平滑窗口可以使信噪比提高，但同时也会导致信号的失真，要综合考虑[17]。
（2）微分处理：扣除仪器背景或漂移对信号的影响，采用微分可以较好地净化谱图信息，但在微分处理时，根据微分的级数，要合理选择微分窗口数据点的大小[17]。
（3）数据筛选和光谱范围的优选：从原始光谱数据中剔除无效数据，根据测定的主成分特征舍弃光谱信息很少的次要光谱范围，以减小计算工作量[13]。
2 材料与方法
2.1 材料
供试材料为23种如表1不同产地干燥成熟的芡实种仁。
表 1芡实样品资料
编号
产地
X1
白马湖
X2
白马湖
X3
白马湖
X4
白马湖
X5
白马湖
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/nongxue/zwbh/3.html
