基于近红外高光谱成像鉴别不同产地的红参

红参为五加科植物人参Panax ginseng的栽培品经蒸制后的干燥根和根茎。在我国主产于东北３省，具有大补元气，复脉固脱，益气摄血的功效。红参作为一种常用中药材，在中药制剂中应用广泛，随着对人参需求量的提升，人参栽培受限于连作障碍问题，其产地由吉林为主向东北各地扩展，不同产地的人参及其加工品红参存在着较大的质量差异，为确保中药制剂质量稳定，加强红参原料质量控制，对红参产地进行鉴别区分具有较大意义。传统红参鉴别以经验判断真伪优劣和大致产地，受检验人员个人经验影响大、重复性差，随着化学分析手段的进步，薄层色谱、液相色谱等虽然能够准确检测出样本之间的差异，但前处理耗时费力且检测成本高，无法满足工业化生产对红参快速在线分选的要求。高光谱成像（HyperSpectral Imaging, HSI）技术能够同时采集对象品质属性的光谱信息和图像信息，是一种快速、无损、原位成像的检测技术。近几年在食品、农产品等领域的应用较多，在中药材甄别掺假品、硫熏品、染色增重品和含量不合格等领域也逐步开始应用。本研究以来源不同产地的红参样品为研究对象，利用高光谱成像技术、光谱预处理、数据融合方法和分类模型算法对不同产地的红参进行判别分析，使用混淆矩阵和对不同模ROC型预测性能进行评估，对比了不同模型的f分类结果，为实现在线快速无损识别不同产地的红参提供参考。

1 材料与方法

1.1 药材

实验用红参药材选自东北3省，分别是辽宁（6批次），吉林（11批次）和黑龙江（5批次）。经杭州市食品药品检验研究院郭怡飚主任中药师鉴定为五加科植物人参Panax ginseng的栽培品经蒸制后的干燥根。22批次红参药材共收集到304个红参样品用于高光谱图像分析，其中辽宁产地红参58根，黑龙江产地红参110根，吉林产地红参136根。按照Kennard Stone算法将样本分成训练集和测试集，其中训练集203样本，测试集101个样本。

2 结果

2.1  样品的原始光谱曲线

高光谱成像代表性图像见图1（Ａ），不同产地红参的平均近红外光谱见图1（Ｂ）。

2.2 预处理方法的选择

为实现对不同产地红参的鉴别分析，使用主成分分析（Principal Component Analysis, PCA）对原始光谱进行处理，由于第一主成分（PC１）和第二主成分（PC２）的累计方差贡献度在99％以上，因此使用前２个主成分绘制PCA图。图２为原始光谱的PCA图。由图可见，不同产地红参的样本重叠交织在一起，不易区分。因此通过原始光谱无法实现对不同产地红参的准确鉴别分析。为进一步提高鉴别准确率，采用SG平滑、一阶导数、二阶导数、SNV、MSC对原始光谱进行预处理，并使用Kennard Ston算法进行样本划分，计算出PLC-DA、SVC２种分类方法的准确率见表１。根据结果，在本研究中使用基于SG平滑的二阶导数作为光谱预处理的方式。见图３。

2.３ 特征波段的提取

采用法挑选出SPA 10个近红外特征波长（961nm、1069nm、1157nm、1323nm、1332nm、1377nm、1401nm、1457nm、1500nm、1526nm）。见图４。

３ 讨论

红参作为一种常用中药材，在中药制剂中应用广泛，由于不同产地红参存在较大的质量差异，因此其产地鉴别对于保障制剂稳定性至关重要。目前红参的产地鉴别主要依靠外观性状和一些化学分析方法，外观形状受限于技术人员个人经验且工作量大，化学分析方法无法做到对每个药材的无损鉴别，难于在实际中药制剂生产中运用。近红外高光谱技术可采集红参近红外光谱信息和图像纹理信息，经信息预处理并建立合适的模型，能做到无损准确鉴别。

近红外光谱所主要反映的信息主要是分子内含氢基团（如CH、OH、NH等）振动时倍频和合频的吸收，其分析领域基本包括了全部的有机化合物和混合物。从不同产地红参的平均近红外光谱看，光谱有一定的差异，其中黑龙江红参的反射强度最低，与其他2个产地的红参区别较大，吉林和辽宁红参的光谱曲线较为接近。这一现象可能由于吉林和辽宁产地的土壤环境、纬度、光照条件更接近所致。但仅仅依靠原始光谱，鉴别准确率不高，需去除光谱的干扰信息。从不同预处理方法看，简单的SG平滑无法提高鉴别效果，MSC算法反而降低了鉴别准确率，可能采用 MSC算法丢失了部分有用信息，基于SG平滑的一阶导数和二阶导数以及SNV算法处理后光谱数据的模型准确率有不同程度地提高，其中使用二阶导数预处理后的光谱数据构建的模型效果最佳，在测试集中准确率接近90％。从二阶导数预处理后的光谱曲线可以看出预处理后能够减轻光谱基线移位、漂移等干扰。