摻偽寧夏枸杞近紅外光譜鑒別

張 軒， 高 磊， 何保宏， 徐美隆， 李永華

（1.寧夏林業研究院股份有限公司，寧夏 銀川750004；2.國家林業局經濟林產品質量檢驗檢測中心，寧夏 銀川750004）

《中國藥典》［1］僅將寧夏枸杞Lycium barbarum L.定義為入藥枸杞［2］，而寧夏回族自治區是寧夏枸杞唯一的道地性產地［3］。其市場需求量很大，但來源混亂且真偽難辨，經常出現其他產地、其他品種枸杞冒充、混摻寧夏枸杞的現象。目前已有紅外［4-5］和近紅外［6-8］光譜等技術應用于不同產地枸杞定性鑒別的研究［9］，但未見針對摻偽寧夏枸杞的近紅外光譜鑒別相關報道。本研究將寧夏枸杞與其他產地枸杞按比例混合以模擬摻雜其他產地枸杞的摻偽寧夏枸杞，采用偏最小二乘法 （PLS）建立并優化了近紅外光譜定量分析模型，實現寧夏枸杞及摻偽寧夏枸杞的快速定量鑒別。

1 儀器與材料

1.1 儀器 AntarisⅡ傅立葉變換近紅外光譜儀（美國Thermo Scientific公司），附帶積分球漫反射附件及TQ Analyst 9.0分析軟件；ST-02 A多功能粉碎機 （上海樹立儀器儀表有限公司）。

1.2 材料 部分枸杞樣本由寧夏枸杞產業發展中心、寧夏森淼枸杞科技開發有限公司提供，其他枸杞樣本采集于青海省海西蒙古族藏族自治州格爾木市、都蘭縣，甘肅省白銀市靖遠縣、酒泉市瓜州縣，新疆維吾爾自治區博爾塔拉蒙古自治州精河縣、伊犁哈薩克自治州塔城地區，以及內蒙古自治區巴彥淖爾市。本研究中寧夏枸杞特指符合GB／T 19742［10］保護范圍內種植的寧夏枸杞 Lycium barbarum L.，該保護范圍外種植的寧夏枸杞、中華枸杞Lycium chinense Mill.、新疆枸杞Lycium dasystemum Pojark.、北方枸杞Lycium potaninii Pojark.等統稱為其他產地枸杞，以種植省份區分。

將寧夏枸杞與青海、甘肅、新疆、內蒙古等其他產地枸杞按一定比例混合以模擬摻雜其他產地枸杞的摻偽寧夏枸杞，將寧夏枸杞在摻偽樣本中的質量分數定義為寧夏枸杞含有量，同時將純寧夏枸杞的含有量定義為100%，純其他產地枸杞的含有量定義為0%。摻偽樣本含有量由摻雜比例計算得到，控制摻雜比例使摻偽樣本含有量在5%～95%范圍內梯度分布。使用寧夏枸杞樣本12個分別與青海4個、甘肅4個、新疆2個、內蒙古2個共計12個其他產地枸杞摻偽，得到寧夏／青海、寧夏／甘肅、寧夏／新疆、寧夏／內蒙古等摻偽寧夏枸杞樣本96個。從以上共計120個樣本中隨機選取100個作為校正集，剩余20個作為驗證集。

將所有枸杞樣本于冰箱中－18℃下冷凍12 h后取出，用粉碎機將樣本粉碎成粉末，無需過篩，冷凍儲藏待用。

2 方法與結果

2.1 近紅外光譜測定 所有樣本依次轉移至石英樣本杯 （附帶旋轉器）中，直接利用積分球漫反射附件測定其近紅外漫反射光譜。光譜測定條件為光譜范圍為4 000～10 000 cm－1； 分辨率為 8 cm－1；掃描次數為32次。寧夏枸杞和不同產地摻偽寧夏枸杞的原始近紅外光譜，見圖1。

2.2 定量鑒別模型 利用TQ Analyst 9.0分析軟件建立鑒別模型，選用偏最小二乘法 （PLS）作為定量分析方法，結合內部交叉驗證方法建立模型，以交叉驗證相關系數 （CCC）、交叉驗證均方差（RMSEC）和預測均方差 （RMSEP）、預測相關系數 （CCP）評估鑒別模型性能。優化模型參數并結合不同光譜預處理方法以使相應模型的CCC、CCP較高而RMSEC、RMSEP較低則為最優化建模方法［11］。

2.3 光譜范圍選擇 分析近紅外光譜時可以選擇全譜分析，也可以只選擇含有特征吸收峰的部分波數段光譜進行分析。為了有效提取特征光譜信息，原始光譜經二階導數處理后，見圖2，分別考察不同波數范圍選取對于模型性能的影響，見表1。表明選取4 100～9 900 cm－1作為光譜分析特征波段，相應模型性能最優，原因是此波段完全涵蓋樣本特征信息，并且避開了測量端區噪音信號干擾。本研究中，定量模型建立的光譜范圍確定為4 100～9 900 cm－1。

2.4 光譜預處理 近紅外光譜分析時，為了提高信噪比和消除基線漂移等，通常需要對原始光譜進行適當預處理，常用的預處理方法有一階導數、二階導數、Savitzky-Golay平滑、Norris Derivative平滑、多元散射校正 （MSC）、標準正態變量變換（SNV）等。結合上述方法對摻偽寧夏枸杞樣本近紅外光譜進行預處理，由相應模型參數，見表2，可見采用二階導數／MSC／Savitzky-Golay（7，3） 平滑的預處理方法可以得到最優分析模型，因此選定此預處理方法建立定量鑒別模型。

2.5 主因子數 在已確定的光譜預處理方法和所選波段內，以RMSEC、RMSEP值來確定最佳主因子數，RMSEC、RMSEP值最小或達到一固定水平的第一點時的主因子數為最佳主因子數，相應模型的預測能力最佳。模型RMSEC及RMSEP隨主因子數的變化曲線，見圖3，表明主因子數為10時模型預測能力最好［12-13］。

表2 不同光譜預處理對模型性能的影響Tab.2 Effects of different spectral pretreatments on performance of calibration models

2.6 定量鑒別模型建立 最優化偏最小二乘法定量鑒別模型建模參數為光譜范圍4 100～9 900 cm－1；光譜預處理方法為二階導數／MSC／Savitzky-Golay（7，3）平滑；主因子數為10。定量鑒別模型校正結果見圖4，模型交叉驗證相關系數為0.999 0，交叉驗證均方差為1.33。通過對外部驗證樣本的預測來考察所建模型的準確性，模型對于驗證集20個驗證樣本預測均方差為3.85，預測相關系數為0.994 1，平均預測偏差為3.2%，最大預測偏差為7.7%，見表3。表明所建鑒別模型可通過預測枸杞樣本含有量來鑒別待測樣本是否為寧夏枸杞 （含有量約為100%）或摻偽寧夏枸杞（含有量不足100%），針對摻偽寧夏枸杞可定量判定摻偽比例。

圖3 交叉驗證均方差、預測均方差隨主因子數的變化Fig.3 Changes of RMSEC and RMSEP with main factor numbers

圖4 定量分析模型校正結果Fig.4 Calibration results of quantitative analysis model

表3 定量分析模型驗證結果 （%）Tab.3 Validation results of quantitative analysis model（% ）

3 結論

對近紅外光譜結合偏最小二乘法建模快速定量鑒別摻偽寧夏枸杞進行了初步研究，以寧夏枸杞與其他產地枸杞按比例混合模擬摻偽寧夏枸杞，建立了摻偽寧夏枸杞含有量與近紅外光譜之間的校正模型。結果表明，采用適宜的波段和光譜預處理方法，應用近紅外光譜結合偏最小二乘法建?？梢詫絺螌幭蔫坭胶辛窟M行預測。模型的交叉驗證均方差為1.33，交叉驗證相關系數為0.999 0。初步驗證了模型準確性，驗證集預測均方差為3.85，相關系數0.994 1。針對寧夏枸杞市場經常出現混摻現象而缺乏有效鑒別手段的現狀，模型能夠實現對于摻偽寧夏枸杞快速篩查的目的。