近红外光谱结合极限学习机用于红参产地鉴别研究

中药是中华民族的文化瑰宝,其质量的鉴别研究与中药现代化进程关系密切,具有深远意义。本文利用近红外漫反射光谱技术结合主成分分析(PCA)、K-近邻算法(KNN)、极限学习机(ELM)方法建立预测模型,对7种不同来源的红参药材样品进行产地鉴别研究,以期为其他中药材的快速、准确鉴别和质量控制提供参考。本文利用NIRS采集来自不同产地的红参光谱信息(900~2200 nm),通过光谱预处理手段消除噪声和样品组内差异的影响,进而建立主成分分析、K-近邻算法(KNN)、极限学习机预测模型,对不同来源的红参进行产地鉴别。结果表明:7种红参(1种高丽红参+6种国产红参)在主成分分析模型中表现出了较为明显的分类聚集特征,但仍存在误判的可能;在K-近邻算法(KNN)模型中,当K值为5时,具有较强的识别能力,准确率达到96%;相比KNN模型,极限学习机模型中的21个红参样本产地识别正确率达100%。近红外漫反射光谱技术结合ELM方法建立的预测模型能够快速、准确、无损地鉴别不同产地的红参,可以解决传统检测方法很难克服的中药材鉴别规模庞大、分类多、建模速度慢等问题,且使用方便,具有很高的推广价值。