專利名稱：一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒?br> 技術(shù)領(lǐng)域：
本發(fā)明屬于中藥檢測技術(shù)領(lǐng)域，具體涉及一種應(yīng)用近紅外光譜分析技術(shù)快速無損鑒別山參真?zhèn)蔚姆椒ā?br> 背景技術(shù)：
人參(Panax ginseng C. A. Myer)系五加科植物,其根是我國最為名貴的中藥材之一。由于人參因生長年限和生長環(huán)境不同，其內(nèi)在有效活性物質(zhì)存在差異。傳統(tǒng)觀點(diǎn)和現(xiàn)代研究都認(rèn)為，在防治疾病和醫(yī)療保健中山參的質(zhì)量和療效均顯著優(yōu)于人工栽植的園參，故其市場價(jià)格可相差幾倍、幾十倍甚至上百倍。不法參商在利益驅(qū)使下，用園參冒充山參，造成了市場混亂，損傷了消費(fèi)者的利益?！肮に噮ⅰ保址Q“拼接山參”，是常見的山參造假方式。 造假者將家養(yǎng)園參的不同部分，用粘合劑人為拼接，把人參的“蘆”接長、“須”接多，使其外觀上酷似生長多年的優(yōu)質(zhì)野生山參。目前山參及其偽品的鑒別主要采用經(jīng)驗(yàn)鑒別和理化鑒別的方法。經(jīng)驗(yàn)鑒別的方法不僅涉及植物形態(tài)學(xué)，還涉及山參生態(tài)學(xué)和植物地理學(xué)，要求鑒定人員具有豐富的藥材知識(shí)以及多年的實(shí)際鑒別經(jīng)驗(yàn)，即使知識(shí)和技能達(dá)到要求，鑒別結(jié)果也存在著極大的偶然性和人為因素。對(duì)于理化方法鑒別，不僅耗用時(shí)間長、操作復(fù)雜，還會(huì)用到大量有機(jī)試劑，造成環(huán)境污染，且分析過程破壞了山參的形體，降低了山參的價(jià)格，因此，需要一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒ā?br>
發(fā)明內(nèi)容
本發(fā)明的目的在于解決現(xiàn)有技術(shù)鑒別山參真?zhèn)芜^程中存在的鑒別結(jié)果不確定及鑒別過程破壞山參形體的問題，提出了一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒ā閷?shí)現(xiàn)上述目的，本發(fā)明一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒ň唧w實(shí)施步驟為步驟一應(yīng)用近紅外光纖附件采集生長環(huán)境及生長年份不同的山參和工藝參的光譜數(shù)據(jù)，并將獲得的山參和工藝參的光譜數(shù)據(jù)存入計(jì)算機(jī)；步驟二 對(duì)步驟一獲得的光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，獲得山參和工藝參的光譜圖，將山參和工藝參的光譜圖進(jìn)行比對(duì)，根據(jù)異常光譜信息選擇光譜信息異常波段，提取出光譜信息異常波段中山參和工藝參的光譜數(shù)據(jù)；步驟三將提取出光譜信息異常波段中山參和工藝參的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量，將主成分變量作為輸入變量，同時(shí)根據(jù)提取出的山參和工藝參光譜數(shù)據(jù)的光譜屬性設(shè)定山參和工藝參的屬性代碼，將山參和工藝參的屬性代碼作為目標(biāo)變量;步驟四根據(jù)輸入變量和目標(biāo)變量建立BP人工神經(jīng)網(wǎng)絡(luò)模型；步驟五應(yīng)用近紅外光纖附件采集待鑒別樣品的光譜數(shù)據(jù)；步驟六將獲得的待鑒別樣品的光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，將處理后的光譜數(shù)據(jù)經(jīng)建立的BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真，輸出待鑒別樣品的預(yù)測值，參照步驟三中所設(shè)定的山參和工藝參的屬性代碼判斷待鑒別樣品，當(dāng)待鑒別樣品的預(yù)測值與山參屬性代碼匹配時(shí)，鑒定為山參，當(dāng)待鑒別樣品的預(yù)測值與工藝參屬性代碼匹配時(shí)，鑒定為工藝參。所述的光譜數(shù)據(jù)具體指山參和工藝參的蘆、體和須部位的光譜數(shù)據(jù)。所述的將測得的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量具體為山參樣品的光譜數(shù)據(jù)經(jīng)主成分分析，當(dāng)前n個(gè)主成分的累積貢獻(xiàn)率達(dá)到99%以上，則提取前n個(gè)的主成分。 所述的數(shù)據(jù)預(yù)處理是指將采集直接得到的山參和工藝參的光譜數(shù)據(jù)中的雜散光及基線漂移去除。本發(fā)明的工作原理本發(fā)明一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒?，?yīng)用近紅外光纖附件，將光纖探頭對(duì)準(zhǔn)待測位置，分別對(duì)山參的蘆、體和須部位進(jìn)行近紅外光譜采集，將采集的全部數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入，不僅計(jì)算量大，增加了建模難度，而且容易導(dǎo)致神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間過長，模型難以收斂；另一方面，無關(guān)的噪聲信息也會(huì)融入到模型中反而降低了模型的預(yù)測精度，因此，需要根據(jù)工藝參人工粘合部位的異常光譜信息選擇敏感波段，確定少量數(shù)據(jù)點(diǎn)，隨后根據(jù)主成分分析法將光譜數(shù)據(jù)降維，消除眾多信息中相互重疊的信息部分，經(jīng)主成分分析后，提取光譜數(shù)據(jù)的主成分變量，其中前n個(gè)主成分的累積貢獻(xiàn)率達(dá)到99%，則選取前n個(gè)主成分作為神經(jīng)網(wǎng)絡(luò)的輸入變量，根據(jù)光譜數(shù)據(jù)設(shè)定屬性設(shè)定代碼，建立BP人工神經(jīng)網(wǎng)絡(luò)模型，采集待鑒別樣品蘆、體和須部位的光譜數(shù)據(jù)，將測得的待鑒別樣品的光譜數(shù)據(jù)經(jīng)建立的BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，得到待鑒別樣品的屬性預(yù)測值，當(dāng)待鑒別樣品的屬性預(yù)測值與山參的屬性代碼匹配時(shí)，鑒定為山參；若與工藝參的屬性預(yù)測值匹配時(shí)，鑒定為工藝參。本發(fā)明的有益效果為本發(fā)明一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒?，?yīng)用近紅外光譜分析儀器，結(jié)合簡單算法進(jìn)行數(shù)據(jù)分析建模，方便建立鑒別模型。整個(gè)鑒別過程不需要前處理及制樣程序，不破壞山參樣品，做到鑒別的快速無損。本發(fā)明模型建好后，不需要專業(yè)背景的人員即可完成鑒別過程，通過對(duì)模型鑒別效果的檢驗(yàn)表明，模型的鑒別準(zhǔn)確率較高，有別于傳統(tǒng)的經(jīng)驗(yàn)鑒別和理化鑒別的方法，具有無損、快速、準(zhǔn)確及穩(wěn)定的優(yōu)勢。


圖I為山參與工藝參近紅外光譜圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。實(shí)施例一本發(fā)明一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒ň唧w實(shí)施步驟為步驟一應(yīng)用近紅外光纖附件采集生長環(huán)境及生長年份不同的山參和工藝參的光譜數(shù)據(jù)，并將獲得的山參和工藝參的光譜數(shù)據(jù)存入計(jì)算機(jī)；步驟二 對(duì)步驟一獲得的光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，獲得山參和工藝參的光譜圖，將山參和工藝參的光譜圖進(jìn)行比對(duì)，根據(jù)異常光譜信息選擇光譜信息異常波段，提取出光譜信息異常波段中山參和工藝參的光譜數(shù)據(jù)；步驟三將提取出光譜信息異常波段中山參和工藝參的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量，將主成分變量作為輸入變量，同時(shí)根據(jù)提取出的山參和工藝參光譜數(shù)據(jù)的光譜屬性設(shè)定山參和工藝參的屬性代碼，將山參和工藝參的屬性代碼作為目標(biāo)變量;步驟四根據(jù)輸入變量和目標(biāo)變量建立BP人工神經(jīng)網(wǎng)絡(luò)模型；步驟五應(yīng)用近紅外光纖附件采集待鑒別樣品的光譜數(shù)據(jù)；步驟六將測得的待鑒別樣品的光譜數(shù)據(jù)經(jīng)建立的BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真，輸出待鑒別樣品的預(yù)測值，參照步驟三中所設(shè)定的山參和工藝參的屬性代碼判斷待鑒別樣品，當(dāng)待鑒別樣品的預(yù)測值與山參屬性代碼匹配時(shí)，鑒定為山參；當(dāng)待鑒別樣品的預(yù)測值與工藝參屬性代碼匹配時(shí)，鑒定為工藝參。所述的光譜數(shù)據(jù)具體指蘆、體和須部位的光譜數(shù)據(jù)。 所述的對(duì)光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理采用平滑、中心化、求導(dǎo)、歸一化、多元散射校正(MSC)、標(biāo)準(zhǔn)正交變量變換(SNV)中的一種、任意二種或任意三種方法進(jìn)行光譜預(yù)處理。所述的建立BP人工神經(jīng)網(wǎng)絡(luò)模型通過計(jì)算機(jī)語言或數(shù)據(jù)處理軟件實(shí)現(xiàn)。所述的將測得的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量具體為山參樣品的光譜數(shù)據(jù)經(jīng)主成分分析，當(dāng)前n個(gè)主成分的累積貢獻(xiàn)率達(dá)到99%以上，則提取前n個(gè)的主成分。所述的一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒梢詫?duì)建立的BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行校正后再次使用。實(shí)施例二下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。本發(fā)明一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒ň唧w實(shí)施步驟為步驟一應(yīng)用近紅外光纖附件采集生長環(huán)境及生長環(huán)境不同的114個(gè)山參及工藝參的光譜數(shù)據(jù)，并將數(shù)據(jù)存入計(jì)算機(jī)中，采集數(shù)據(jù)時(shí)，應(yīng)用美國Thermo公司的NIC0LET6700傅立葉變換紅外光譜儀，配有紅外光纖附件及配套的OMNIC光譜采集軟件，儀器參數(shù)設(shè)置為掃描范圍10000 4000cm \分辨率4cm S掃描次數(shù)64次,將近紅外光纖附件的探頭對(duì)準(zhǔn)待測位置，共獲得114個(gè)采樣數(shù)據(jù)，其中人工粘合部位樣本64份，自然生長部位樣本50份；步驟二 采用標(biāo)準(zhǔn)正交變量變換(SNV)與多元散射校正(MSC)方法對(duì)采集到的光譜數(shù)據(jù)進(jìn)行預(yù)處理；首先采用SNV校正方法，通過對(duì)每條光譜獨(dú)立進(jìn)行中心化及標(biāo)準(zhǔn)化處理，去除斜率變化以及散射光干擾；MSC是去除散射影響的重要步驟，采用MSC方法有效解決了光程差變化對(duì)結(jié)果的影響；將經(jīng)數(shù)據(jù)預(yù)處理得到的山參和工藝參的光譜數(shù)據(jù)存入計(jì)算機(jī)中得到山參和工藝參的光譜圖；將得到的山參和工藝參的光譜圖進(jìn)行比對(duì)，光譜在10000 4000CHT1范圍內(nèi)共包含3112個(gè)數(shù)據(jù)點(diǎn)，根據(jù)工藝參人工粘合部位的異常光譜信息選擇敏感波段，確定654個(gè)數(shù)據(jù)點(diǎn)；步驟三將提取出的山參和工藝參的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量，經(jīng)主成分分析，其中前7個(gè)主成分的累積貢獻(xiàn)率達(dá)到99%，能夠辨識(shí)原始光譜的主要信息，選取前7個(gè)主成分作為神經(jīng)網(wǎng)絡(luò)的輸入變量，同時(shí)根據(jù)提取出的山參和工藝參的光譜數(shù)據(jù)設(shè)定山參和工藝參的屬性代碼，將山參的光譜屬性值設(shè)置為I，工藝參的光譜屬性設(shè)置為0，將山參和工藝參的屬性代碼作為目標(biāo)變量；
步驟四將114個(gè)樣本隨機(jī)分成校正集和預(yù)測集，其中校正集樣本88個(gè)，預(yù)測集樣本26個(gè)，建立了一個(gè)三層的BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其中隱含層采用正切Sigmoid傳遞函數(shù)，輸出層采用線性傳遞函數(shù)，訓(xùn)練函數(shù)選用Levenberg Marquardt的BP算法；輸入層單元數(shù)為7，經(jīng)多次實(shí)驗(yàn)確定隱含層單元數(shù)為3，網(wǎng)絡(luò)的輸出單元為I。設(shè)定系統(tǒng)允許誤差為
0.0001，訓(xùn)練迭代次數(shù)為3000次，88個(gè)建模樣本的擬合殘差值為2. 5206 X 1(T5，通過Matlab語言根據(jù)輸入變量和目標(biāo)變量訓(xùn)練網(wǎng)絡(luò)，建立BP人工神經(jīng)網(wǎng)絡(luò)模型；
步驟五將預(yù)測集樣本26個(gè)光譜數(shù)據(jù)經(jīng)建立的BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真，輸出預(yù)測集26個(gè)樣本的預(yù)測值，參照步驟三中的設(shè)定的山參和工藝參的光譜數(shù)據(jù)的屬性代碼判斷待鑒別樣品，當(dāng)待鑒別樣品的預(yù)測值與山參屬性代碼匹配時(shí)，鑒定為山參；當(dāng)待鑒別樣品的預(yù)測值與工藝參屬性代碼匹配時(shí)，鑒定為工藝參。上述對(duì)預(yù)測集26個(gè)樣品的鑒別，鑒別率為100%，應(yīng)用近紅外光譜技術(shù)實(shí)現(xiàn)了山參及工藝參的快速無損鑒別。以上是對(duì)本發(fā)明的具體實(shí)施例，但并非對(duì)本發(fā)明的限制。
權(quán)利要求
1.一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒?，其特征在于，該方法的具體實(shí)施步驟為 步驟一應(yīng)用近紅外光纖附件采集生長環(huán)境及生長年份不同的山參和工藝參的光譜數(shù)據(jù)，并將獲得的山參和工藝參的光譜數(shù)據(jù)存入計(jì)算機(jī)； 步驟二 對(duì)步驟一獲得的光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，獲得山參和工藝參的光譜圖，將山參和工藝參的光譜圖進(jìn)行比對(duì)，根據(jù)異常光譜信息選擇光譜信息異常波段，提取出光譜信息異常波段中山參和工藝參的光譜數(shù)據(jù)； 步驟三將提取出光譜信息異常波段中山參和工藝參的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量，將主成分變量作為輸入變量，同時(shí)根據(jù)提取出的山參和工藝參光譜數(shù)據(jù)的光譜屬性設(shè)定山參和工藝參的屬性代碼，將山參和工藝參的屬性代碼作為目標(biāo)變量； 步驟四根據(jù)輸入變量和目標(biāo)變量建立BP人工神經(jīng)網(wǎng)絡(luò)模型； 步驟五應(yīng)用近紅外光纖附件采集待鑒別樣品的光譜數(shù)據(jù)； 步驟六將獲得的待鑒別樣品的光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，將處理后的光譜數(shù)據(jù)經(jīng)建立的BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真，輸出待鑒別樣品的預(yù)測值，參照步驟三中所設(shè)定的山參和工藝參的屬性代碼判斷待鑒別樣品，當(dāng)待鑒別樣品的預(yù)測值與山參屬性代碼匹配時(shí)，鑒定為山參，當(dāng)待鑒別樣品的預(yù)測值與工藝參屬性代碼匹配時(shí)，鑒定為工藝參。
2.根據(jù)權(quán)利要求I所述的一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒?，其特征在于，所述的光譜數(shù)據(jù)具體指山參和工藝參的蘆、體和須部位的光譜數(shù)據(jù)。
3.根據(jù)權(quán)利要求I所述的一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒?，其特征在于，所述的將提取出的山參和工藝參的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量具體為所述的將測得的光譜數(shù)據(jù)采用主成分分析法提取出主成分變量具體為山參樣品的光譜數(shù)據(jù)經(jīng)主成分分析，當(dāng)前η個(gè)主成分的累積貢獻(xiàn)率達(dá)到99%以上，則提取前η個(gè)的主成分。
4.根據(jù)權(quán)利要求I所述的一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒?，其特征在于，所述的?shù)據(jù)預(yù)處理是指將采集直接得到的山參和工藝參的光譜數(shù)據(jù)中的雜散光及基線漂移去除。
全文摘要
一種近紅外光譜無損鑒別山參真?zhèn)蔚姆椒?，屬于中藥檢測技術(shù)領(lǐng)域，目的在于解決現(xiàn)有技術(shù)鑒別山參鑒別結(jié)果不確定及鑒別過程破壞山參形體的問題，采集山參和工藝參的光譜數(shù)據(jù)，經(jīng)主成份分析法提取出主成分變量作為輸入變量，設(shè)定山參及工藝參的屬性代碼并將其作為目標(biāo)變量，根據(jù)輸入變量和目標(biāo)變量訓(xùn)練網(wǎng)絡(luò)，建立BP人工神經(jīng)網(wǎng)絡(luò)模型；采集待鑒別樣品光譜數(shù)據(jù)，并經(jīng)建立的BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真，輸出待鑒別樣品預(yù)測值，參照山參和工藝參的屬性代碼判斷待鑒別樣品，當(dāng)待鑒別樣品的預(yù)測值與山參屬性代碼匹配時(shí)，鑒定為山參，反之，鑒定為工藝參。該方法整個(gè)鑒別過程不需要前處理及制樣程序，不破壞山參樣品，實(shí)現(xiàn)快速、無損及準(zhǔn)確的鑒別。
文檔編號(hào)G01N21/35GK102636452SQ201210134918
公開日2012年8月15日 申請(qǐng)日期2012年5月3日 優(yōu)先權(quán)日2012年5月3日
發(fā)明者丁海泉, 盧啟鵬, 彭忠琦, 樊奕辰, 高洪智 申請(qǐng)人:中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所