苹果品种及损伤苹果的FT-NIR鉴别研究

用傅里叶近红外光谱技术(FT-NIR)对不同品种的苹果以及损伤嘎啦和完好嘎啦进行快速、无损检测,比较不同判别方法对所建立的区分苹果品种及苹果损伤模型的影响。结果表明:损伤嘎啦和完好嘎啦的近红外图谱经小波分析预处理后,用12000～4000cm-1波数范围的前5个主成分分别结合多层感知神经网络、径向基神经网络、Fisher判别3种方法所建立的判别模型对未知样本的正确判别率分别为97.8%、87.2%和84.8%,基于权重法用多元线性回归(MLR)所选择的特征波长所建立的Fisher判别模型对未知样本的正确判别率为89.1%;用偏最小二乘判别(PLS-DA)所建立的判别模型对未知样本的正确判别率为100%,由于PLS-DA模型对训练集和验证集的正确判别率均为100%,因此PLS-DA模型优于其他模型。不同品种苹果的光谱经平滑预处理后,用全波数范围12000～4000cm-1的前6个主成分所建立的判别模型优于经验波数范围8000～4500cm-1所建立的判别模型,其较优模型对建模集和验证集的正确判别率分别为90.9%和92.1%。近红外光谱技术结合化学计量学可以快速、无损鉴别苹果是否有损伤以及不同品种的苹果。

HPLC结合多变量统计建立野生与人工沉香的识别模型

为了建立野生、人工沉香的识别方法,采用《中药色谱指纹图谱相似度评价系统》对48批次沉香的HPLC图谱进行分析,并结合多变量统计筛选野生、人工沉香识别特征峰,建立两者的Fisher线性识别模型和偏最小二乘判别法(PLS-DA)识别模型。结果表明:野生、人工沉香HPLC图谱的色酮种类及含量具有较大差异,为识别模型的建立提供了依据;多变量统计筛选出的9个色谱峰变量具有代表性,可用于识别模型的建立;所建立的Fisher识别模型对野生沉香和3年以内人工沉香的判别正确率均为100%,可用于野生与人工沉香的识别; Fisher线性识别模型的线性判别函数:y=-0.193 14x_1-0.086 49x_2+0.073 02x_3+0.136 65x_4+0.053 01x_5-0.058 5x_6+0.097 58x_7+0.040 24x_8-0.130 12x_9,y_1=-1.555 3、y_2=2.641 8、临界值y_0=0.543 3。

基于粉末和显微特征颜色数字化的生地黄与熟地黄判别

目的采用色差法和显微成像技术获取生地黄与熟地黄粉末和显微特征颜色信息,通过统计分析探究基于色度学原理对生地黄与熟地黄进行快速鉴别的可行性。方法利用色差仪测定地黄生、熟品粉末颜色,使用显微镜摄取生地黄与熟地黄木栓细胞、导管的显微特征图像,使用“显微特征颜色提取”软件测定显微特征颜色,以生地黄与熟地黄粉末和显微特征颜色值(L^(*)、a^(*)、b^(*))及总色值(E^(*)ab)为基础,利用Kruska-Wallis H秩和检验、聚类分析和正交偏最小二乘-判别分析(orthogonal partial least squares-discriminant analysis,OPLS-DA)研究生地黄与熟地黄的差异,利用Fisher判别分析建立二者粉末与显微特征颜色的非标准化典则判别函数。结果a^(*)为生地黄与熟地黄主要差异性颜色值,木栓细胞为生地黄与熟地黄主要差异性显微特征。生地黄与熟地黄粉末颜色的非标准化典则判别函数为y=0.629 L^(*)+0.379 a^(*)-2.754 b^(*)+1.494 E^(*)ab-40.662,显微特征颜色的非标准化典则判别函数为y=0.497 L^(*)-0.659 b^(*)+0.267 E^(*)ab-5.428;上述2个函数判别规则为y>0判为生地黄,y<0判为熟地黄。结论利用色差法和显微成像技术实现了生地黄与熟地黄粉末和显微特征颜色的数字化表达,Fisher判别分析利用饮片粉末和显微特征颜色信息可有效判别生地黄与熟地黄,为中药生、制饮片的判别提供了一种新方法,为中药饮片的质量评价提供了借鉴。