该研究采用傅里叶变换红外光谱结合化学计量学,对条播、撒播、剪根后移栽、扦插和剪枝后移栽的滇龙胆进行了分析,以筛选滇龙胆的最佳栽培方式。结果表明:(1)不同栽培方式的滇龙胆原始谱图在峰形、峰位和峰强上有一定差异;用小波去噪法...该研究采用傅里叶变换红外光谱结合化学计量学,对条播、撒播、剪根后移栽、扦插和剪枝后移栽的滇龙胆进行了分析,以筛选滇龙胆的最佳栽培方式。结果表明:(1)不同栽培方式的滇龙胆原始谱图在峰形、峰位和峰强上有一定差异;用小波去噪法对光谱进行优化处理并进行偏最小二乘判别分析(Partial least squares discriminant analysis,PLS-DA),能较好地区分不同栽培方式的滇龙胆样品,PLS-DA二维得分图显示同一栽培方式的样品聚在一起,表明相同栽培方式的滇龙胆化学组成和含量差异较小;播种滇龙胆样品(条播和撒播)距离较近,移栽滇龙胆样品(剪根、扦插和剪枝)距离较近,而播种和移栽滇龙胆样品距离较远,表明栽培方式对滇龙胆化学成分的积累有影响。(2)滇龙胆四种主要成分总含量大小依次是剪枝>剪根>撒播>条播>扦插,除剪根后移栽,剪枝后移栽滇龙胆中四种主要成分总含量显著高于其他栽培方式下的滇龙胆(P<0.05),剪枝后移栽滇龙胆质量最佳。(3)以液相数据为参考值,采用正交信号校正—偏最小二乘回归模型预测不同栽培模式滇龙胆中龙胆苦苷、马钱苷酸、獐牙菜苦苷和当药苷的含量。校正集和验证集的决定系数(R2)均大于0.90,校正均方根误差、交叉验证均方差和预测均方根误差均小于1.65,模型相关性和预测效果好,该方法对红外光谱分析在中药领域的推广应用提供了参考。展开更多
采集5种共272份牛肝菌样品的傅里叶变换红外光谱和紫外光谱,结合多光谱信息融合策略,建立牛肝菌种类快速鉴别的方法。多元散射校正(multiplicative signal correction,MSC)及二阶导数(second derivative,2D)等预处理方法对原始光谱进行...采集5种共272份牛肝菌样品的傅里叶变换红外光谱和紫外光谱,结合多光谱信息融合策略,建立牛肝菌种类快速鉴别的方法。多元散射校正(multiplicative signal correction,MSC)及二阶导数(second derivative,2D)等预处理方法对原始光谱进行优化,比较优化处理对区分不同种类牛肝菌影响;利用优化处理后的光谱数据及融合数据建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)模型和支持向量机(support vector machine,SVM)判别模型。结果显示:1)经过2D和MSC预处理后,不同种类牛肝菌的PLS-DA鉴别效果优于未优化模型,表明2D+MSC预处理优化了光谱信息并提高了分类准确度;2)基于傅里叶变换红外光谱、紫外光谱、低级融合和中级融合数据分别建立PLS-DA模型,预测正确率为86.87%、66.67%、78.89%和95.56%;建立SVM判别模型,预测正确率分别为88.89%、74.44%、91.11%和100.00%,表明中级融合技术对不同种类牛肝菌鉴别效果显著,优于其他技术;3)中级融合技术在PLS-DA模型和SVM判别模型中对样品的预测正确率分别为95.56%和100.00%,表明SVM判别模型对牛肝菌种类区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,快速鉴别牛肝菌种类,为牛肝菌种类鉴别和质量控制提供可靠、稳定的方法。展开更多
文摘该研究采用傅里叶变换红外光谱结合化学计量学,对条播、撒播、剪根后移栽、扦插和剪枝后移栽的滇龙胆进行了分析,以筛选滇龙胆的最佳栽培方式。结果表明:(1)不同栽培方式的滇龙胆原始谱图在峰形、峰位和峰强上有一定差异;用小波去噪法对光谱进行优化处理并进行偏最小二乘判别分析(Partial least squares discriminant analysis,PLS-DA),能较好地区分不同栽培方式的滇龙胆样品,PLS-DA二维得分图显示同一栽培方式的样品聚在一起,表明相同栽培方式的滇龙胆化学组成和含量差异较小;播种滇龙胆样品(条播和撒播)距离较近,移栽滇龙胆样品(剪根、扦插和剪枝)距离较近,而播种和移栽滇龙胆样品距离较远,表明栽培方式对滇龙胆化学成分的积累有影响。(2)滇龙胆四种主要成分总含量大小依次是剪枝>剪根>撒播>条播>扦插,除剪根后移栽,剪枝后移栽滇龙胆中四种主要成分总含量显著高于其他栽培方式下的滇龙胆(P<0.05),剪枝后移栽滇龙胆质量最佳。(3)以液相数据为参考值,采用正交信号校正—偏最小二乘回归模型预测不同栽培模式滇龙胆中龙胆苦苷、马钱苷酸、獐牙菜苦苷和当药苷的含量。校正集和验证集的决定系数(R2)均大于0.90,校正均方根误差、交叉验证均方差和预测均方根误差均小于1.65,模型相关性和预测效果好,该方法对红外光谱分析在中药领域的推广应用提供了参考。
文摘采集5种共272份牛肝菌样品的傅里叶变换红外光谱和紫外光谱,结合多光谱信息融合策略,建立牛肝菌种类快速鉴别的方法。多元散射校正(multiplicative signal correction,MSC)及二阶导数(second derivative,2D)等预处理方法对原始光谱进行优化,比较优化处理对区分不同种类牛肝菌影响;利用优化处理后的光谱数据及融合数据建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)模型和支持向量机(support vector machine,SVM)判别模型。结果显示:1)经过2D和MSC预处理后,不同种类牛肝菌的PLS-DA鉴别效果优于未优化模型,表明2D+MSC预处理优化了光谱信息并提高了分类准确度;2)基于傅里叶变换红外光谱、紫外光谱、低级融合和中级融合数据分别建立PLS-DA模型,预测正确率为86.87%、66.67%、78.89%和95.56%;建立SVM判别模型,预测正确率分别为88.89%、74.44%、91.11%和100.00%,表明中级融合技术对不同种类牛肝菌鉴别效果显著,优于其他技术;3)中级融合技术在PLS-DA模型和SVM判别模型中对样品的预测正确率分别为95.56%和100.00%,表明SVM判别模型对牛肝菌种类区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,快速鉴别牛肝菌种类,为牛肝菌种类鉴别和质量控制提供可靠、稳定的方法。