均值離差平方和在近紅外光譜識別靈芝和云芝提取物的應用

盧　艷，王　鈞，戴陽軍

（1.江蘇費森尤斯醫(yī)藥藥品有限公司，江蘇常熟215533；2.浙江工業(yè)大學食品科學系，浙江杭州310014；3.常熟理工學院生物與食品工程學院，江蘇常熟215500）

均值離差平方和在近紅外光譜識別靈芝和云芝提取物的應用

盧艷1，王鈞2，戴陽軍3

（1.江蘇費森尤斯醫(yī)藥藥品有限公司，江蘇常熟215533；2.浙江工業(yè)大學食品科學系，浙江杭州310014；3.常熟理工學院生物與食品工程學院，江蘇常熟215500）

摘要：為實現(xiàn)靈芝提取物和云芝提取物的自動化快速鑒別，利用近紅外光譜儀對靈芝提取物和云芝提取物進行近紅外光譜分析，根據(jù)正確率和均值離差平方和（Average of Sum of Difference Square，ASDS）確定最佳預處理方法，建立距離匹配（Distance Match，DM）判別分析模型.結(jié)果表明：在全波長范圍內(nèi)，采用FD和MSC+FD預處理，在建模集中，對樣品的識別率達到90.79%，模型預測效果好；在外部驗證中，驗證的識別率達到100%，具有很強的應用性.上述結(jié)果表明：利用近紅外光譜和均值離差平方和，得出經(jīng)過一階導數(shù)處理的光譜，在DM模型對靈芝和云芝提取物分類中是可行的.

關鍵詞：近紅外光譜；距離匹配判別分析；均值離差平方和；靈芝和云芝提取物

1　引言

近紅外光譜（near infrared spectroscopy, NIR）技術是一項新的無損分析技術，在分析化學領域得到了迅速發(fā)展，并在材料科學領域也陸續(xù)得到應用.由于近紅外光譜是波長在780～2 500 nm范圍的電磁波，對植物多糖十分敏感，因此，嘗試利用近紅外光譜技術對靈芝提取物和云芝提取物識別進行研究［1］.許春瑾等利用傅里葉變化近紅外光譜技術結(jié)合判別分析、聚類分析等方法，建立枸杞子產(chǎn)地判別模型，結(jié)果經(jīng)MSC和SNV處理后，其正確率都達到100%，但是作者并沒有針對預處理作進一步分析［2］. Downey等采用可見-近紅外光譜技術，對特級初榨橄欖油中摻雜葵花籽油進行識別研究，取得了令人滿意的結(jié)果［3］.榮菡等在原光譜的基礎上，利用PLS-模式識別近紅外光譜技術快速檢測鮮乳和摻假乳，判別準確率就達到100%［4］.

靈芝和云芝提取物都含有多糖、萜類等活性物質(zhì)，在組分、色澤、顆粒等理化性質(zhì)上很相似，容易混淆，但其臨床應用、功能主治等各不相同，這給消費者購買、企業(yè)日常監(jiān)測、行業(yè)部門執(zhí)法監(jiān)管都帶來了難度.目前品種鑒別方法主要有感官鑒別、顯微鑒別、物理鑒別（排水法、熱重分析法、微量升華法等）、化學鑒別（薄層、光譜、色譜等）等［4-5］.但傳統(tǒng)的鑒別方法比較繁瑣，對樣品也會造成污染.

為解決近紅外檢測和鑒別模型適用性有限的問題，本研究選擇不同產(chǎn)地靈芝和云芝的提取物，采用近紅外漫反射光譜技術結(jié)合距離判別分析，建立靈芝提取物和云芝提取物的判別模型，以期快速，準確識別靈芝和云芝提取物，為食用菌提取物實際生產(chǎn)監(jiān)管、鑒別提供一種快速鑒別的方法.

2　材料與方法

2.1材料

儀器：稱量瓶，傅里葉變換近紅外光譜儀，德國光譜儀器公司Bruke Optics，型號：MPA.以儀器內(nèi)置背景為參比，采集樣品的漫反射近紅外光譜.波數(shù)范圍為12 500～4 000 cm-1，波數(shù)分辨率為8 cm-1，每個樣品掃描16次，取其平均光譜作為該樣品的原始光譜.

來自不同產(chǎn)地的靈芝和云芝提取物各96個樣品.在外部的驗證過程中，樣品近似按3：1隨機分為建模集和驗證集，152個樣品用于建模（76個靈芝提取物，76個云芝提取物），40個樣品用于模型驗證（20個靈芝提取物，20個云芝提取物）.

2.2模型以及模型的評價

距離匹配判別法是通過計算1個未知樣本的光譜與已知類別樣品的平均光譜的距離進行分類的一種方法，通過平均測量距離來確定如何用一種未知材料與兩種或兩種以上的已知材料進行精確匹配的方法［6-9］.

對于建立的識別模型，其判斷模型的好壞取決于識別率，但由于樣品數(shù)量的限制，往往出現(xiàn)幾種預處理條件下得到相同識別率的情況.均值離差平方和表示樣品散點的分散情況，可以解決樣品量少、預測識別率相同時，對于預處理方法同樣能夠做出最優(yōu)的選擇.

2.3數(shù)據(jù)處理

本實驗采用TQ Analysis 8.6軟件進行數(shù)據(jù)分析.

3　結(jié)果與分析

3.1樣品近紅外光譜采集

通過近紅外漫反射分析儀采集靈芝和云芝提取物的全部樣品的原始光譜，分別求其平均光譜.靈芝和云芝平均光譜見圖1.

由圖1可見，兩者之間具有一致的吸收峰形，但是兩者之間的差異也是比較明顯的.整體看來，云芝提取物吸光度明顯高于靈芝提取物.在12 000～3 500 cm-1之間兩者近紅外的光譜差異比較大，這主要是與兩種提取物的表面顏色和發(fā)色集團的差異有關，在3 500 cm-1以后，兩者的光譜重疊嚴重.因此需要結(jié)合化學計量學的方法才能加以分析和利用.

圖1　靈芝和云芝提取物的近紅外光譜

3.2光譜數(shù)據(jù)預處理

由于近紅外光譜儀所采集的光譜除樣品的自身信息外，還包含了其他無關信息和噪聲，如電噪聲、樣品背景和雜散光等.因此在用DM識別模型時，消除光譜數(shù)據(jù)無關信息，選擇噪聲的預處理方法變得十分關鍵和必要.常用的光譜預處理方法有多元散射校正（MSC）、變量標準化（SNV）、一階導數(shù)（FD）、二階導數(shù)（SD）等.不同預處理方法建立識別模型結(jié)果如表1所示.經(jīng)過預處理的光譜的識別率明顯要高于原始光譜.但是很明顯，經(jīng)過FD、MSC+FD預處理后，識別模型的正確率（CCr%）達到90.79%，高于其他的預處理方法.

兩種不同的預處理的方法，針對本實驗樣品識別模型的正確率都達到90.79%，模型的效果比較好.所以采用FD，MSC+FD方法適合于靈芝提取物和云芝提取物判別分析模型.

表1　不同光譜預處理對校正模型識別結(jié)果的影響（主成分數(shù)為10）

圖2　靈芝和云芝提取物的判別分析結(jié)果

3.3模型的建立

對152個建模集樣品（靈芝提取物76個，云芝提取物76個）在12 500～4 000 cm-1波數(shù)內(nèi)采用FD，MSC+ FD光譜預處理方法，圖2（a）為原始光譜結(jié)合FD預處理方法時，靈芝提取物和云芝提取物判別分析圖，圖2（b）為原始光譜結(jié)合MSC+FD預處理方法時，靈芝提取物和云芝提取物判別分析圖.由圖2可以看出，3種不同預處理方法最后的識別率是相同的.但是很明顯，兩種不同預處理方法的散點圖的分類是不一樣的.

表2　靈芝和云芝提取物的判別分析的均值離差平方和

圖2（a）的散點分布的效果明顯優(yōu)于圖2（b）的，為了更加量化（a）與（b）的差異，引進了均值離差平方和（ASDS）. ASDS值越大，散點的分布就越偏離y=x，即模型針對靈芝和云芝提取物的分離效果就越好.

由表2可知，盡管經(jīng)過FD，F(xiàn)D+MSC預處理后，靈芝和云芝提取物的識別率是相同的，但是經(jīng)過FD預處理后樣品的ASDA值要明顯大于經(jīng)過FD+MSC預處理的，所以，F(xiàn)D預處理后樣品的識別效果明顯優(yōu)于FD+MSC預處理的效果.

3.4模型的驗證

根據(jù)上述討論，40個預測樣品對DM模型進行驗證.由圖3可知，無論是靈芝提取物還是云芝提取物，識別率都達到100%.實驗表明：在12 500～4 000 cm-1波數(shù)范圍內(nèi)，采用FD預處理結(jié)合距離匹配判別分析法可以很好地對靈芝和云芝提取物進行識別分類.

圖3　靈芝和云芝提取物的驗證判別分析結(jié)果

4　結(jié)論

采用近紅外光譜分析技術結(jié)合距離匹配判別分析法對靈芝和云芝提取物進行識別分析.在建模集中，在12 500～4 000 cm-1波數(shù)范圍內(nèi)，原始光譜結(jié)合FD和原始光譜結(jié)合FD+MSC預處理后，對樣品的識別率都是90.79%.再根據(jù)均值離差平方和確定原始光譜結(jié)合FD明顯優(yōu)于原始光譜結(jié)合FD+MSC預處理，模型的預測效果較好.再根據(jù)40個樣品的外部驗證，其識別率達到100%.表明基于近紅外光譜技術結(jié)合化學計量學建立的模型可準確識別靈芝和云芝提取物.該結(jié)果對其他食用菌提取物的分類應用具有實際意義.

在近紅外識別分析中，當樣品量比較少時，模型的識別率不能完全代表模型的優(yōu)劣，但均值離差平方和可以代表樣品散點的分散情況，不僅在DM模型的運用，而且在主成分分析和馬氏距離識別分析等一些定性分析中可以得到很好的運用.

參考文獻：

［1］楊忠，呂斌，黃安民，等.近紅外光譜技術快速識別針葉材和闊葉材的研究［J］.光譜學與光譜分析，2012，32（7）：1785-1789.

［2］CHEN Y, XIE M Y, YAN Y, et al. Discrimination of Ganoderma lucidum according to geographical origin with near infrared diffuse reflectance spectroscopy and pattern recognition techniques［J］. Science Direct, 200835（2）：121-130.

［3］榮菡，劉波平，鄧澤元，等.基于PLS-模式識別近紅外光譜技術快速檢測鮮乳和摻假乳［J］.食品科學，2008，29（8）：492-495.

［4］許春瑾，張睿，于修燭，等.基于近紅外光譜的中寧枸杞子判別分析［J］.食品科學，2014，35（2）：164-167.

［5］DOWNEY G. Food and food authentication by mid-infrared spectroscopy and chemometrics［J］. TrAC Trends in Analytical Chemistry, 1998, 17（7）：418-424.

［6］陸婉珍，袁洪福，徐廣通.現(xiàn)代近紅外光譜分析技術［M］.北京：中國石化出版社，2000：165.

［7］王靈靈，黃亞偉，戚淑葉，等.基于主根橫斷面近紅外光譜的西洋參和人參鑒別研究［J］.光譜學與光譜分析，2012，32（4）：925-929.

［8］劉心如，張利平，王建福，等.可見_近紅外漫反射光譜技術對羊毛和羊絨的鑒別研究［J］.光譜學與光譜分析，2013，33（8））：2092-2095.

［9］張菊花，朱向榮，李高陽，等.近紅外光譜法結(jié)合化學計量學方法用于茶油真?zhèn)舞b別分析［J］.分析化學，2011，39（5）：748-751.

Application of Average of Sum of Difference Square in Discrimination of the Extractions of Ganoderma Lucidum and Versicolor Using Near Infrared Reflectance

LU Yan1, WANG Jun2, DAI Yangjun3
（1. Fresenius Medical Products Co., Ltd. Changshu 215533, China；2. Department of Food Science and Technology, Hangzhou 310014, China；3. School of Biology and Food Engineering, Changshu Institute of Technology, Changshu 215500, China）

Abstract：To develop an automatic and quick method to discriminate between the extractions of Ganoderma lucidum and versicolor by near infrared reflectance（NIR）spectroscopy, the optimum pretreatment method was determined by the correct rate and the average of sum of different square value. And the NIR spectral data of the extractions of Ganoderma lucidum and versicolor samples were analyzed with the Distance Match model. The results showed that in the full wavelengths, with the pretreatment of FD, the total correct rate was 90.79%in the calibration set, and that in the validation set, the total correct rate was 100%，which has a good application. In conclusion, according to the pretreatment of FD, it is feasible to apply NIR to discriminate the extractions of Ganoderma lucidum and versicolor.

Key words：Near infrared reflectance（NIR）；Distance Match；Average of Sum of Difference Square；the extractions of Ganoderma lucidum and versicolor

中圖分類號：O657.33

文獻標識碼：A

文章編號：1008-2794（2016）02-0110-04

收稿日期：2015-07-11

通信作者：盧艷，化學分析師，碩士，研究方向：藥物研發(fā)分析，E-mail：wj19890816@163.com.