一種基于近紅外光譜技術的不同品種及摻假三七的無損鑒別分析研究

余 梅，李尚科，戴雪婧，鄭 郁*，李 跑，3*，蔣立文，劉 霞

（1.湖南師范大學 醫學院，湖南 長沙 410013；2.湖南農業大學 食品科學技術學院 食品科學與生物技術湖南省重點實驗室，湖南 長沙 410128；3.湖南省農業科學院 湖南省農產品加工研究所，湖南 長沙 410125）

三七為五加科植物三七（Panax notoginseng（Burk.）F.H.Chen）的干燥根和根莖，廣泛種植在廣西、云南、四川及湖南等地，在我國已有400多年的種植歷史［1］。三七作為一種名貴的中藥材，富含氨基酸、皂苷、黃酮苷等活性成分，在止血、活血化瘀及降血壓、降血脂方面有重要作用。然而，受地理環境氣候條件的影響，不同品種三七在組成及含量上有所差別，功效也有較大的不同，價格相差甚遠。三七呈塊狀，但常以粉末狀入藥，現階段，市場上出現了以玉米淀粉和紅薯淀粉摻假三七粉的不法現象［2］。當前關于不同品種和摻假三七的鑒別主要為感官評價法和理化分析法，其中感官檢測易受到主觀因素和客觀環境的影響，結果準確度有待考察；理化分析法主要是通過測定三七成分組成和含量來實現三七品種的鑒別分析，但此類方法需要對樣品進行破壞性前處理，影響樣品的二次銷售，且操作復雜，檢測成本較高。開發一種快速無損鑒別三七品種及摻假的方法對解決三七真偽鑒別難的問題具有實際意義。

近紅外光譜技術是一種光譜波長介于可見光譜區和中紅外光譜區之間的電磁波技術，其波長為780～2526nm，波數為10000～4000cm－1，主要包含含氫基團化學鍵伸縮振動倍頻及合頻信息［3］。近年來，近紅外光譜技術因綠色無損、分析速度快、操作簡單的特點在食品、醫藥、化工等行業得到了廣泛應用［4－6］。本課題組［7］采集了不同年份陳皮的近紅外光譜數據，利用單一和組合預處理方法對光譜數據進行預處理，結合線性判別分析方法實現了不同年份陳皮的鑒別分析。李運等［8］采集了來自云南省12個產地的96個三七樣品的近紅外光譜數據，通過一階導數、二階導數結合Savitsky－Golay平滑方法對數據進行預處理，實現了三七及其野生近緣種的親緣關系分析。鐘玉蘭等［9］采集了三七粉末以及混有三七葉或淀粉的三七粉末樣品的近紅外數據，運用一階導數法結合九點平滑處理優化光譜數據，采用獨立軟模式簇類判別分析法建立了定性鑒別模型，該模型對于真品和摻假比例高于10%的偽品的識別成功率為100%。然而，在實際分析中，由于存在樣品物理性狀的不均勻性以及儀器自身問題，導致采集的近紅外光譜存在譜帶較寬、重疊較嚴重、吸收信號強度弱等干擾，因此僅用原始光譜數據較難實現對復雜樣品的定性定量分析，需采用預處理方法消除光譜中的干擾。而每一種預處理方法針對的問題有所不同，如何選擇合適的預處理方法是研究的重點與難點。去偏移（De-bias）［10］和去趨勢（DT）［11］常被用于消除光譜中存在的基線漂移；標準正態變量變換（SNV）［12］和多元散射校正（MSC）［12］常被用于消除固體顆粒大小、表面散射以及光程改變對漫反射光譜的影響；最大最小歸一化（Min－Max）［13］用于消除光譜的絕對吸收值及多余信息，提高模型的穩健性和預測能力；一階導數（1st）和二階導數（2nd）等導數方法［14］和連續小波變換（CWT）［15］常被用于扣除儀器背景或漂移對信號的影響。在實際情況中，光譜中往往存在多種干擾，僅用一種預處理難以得到理想的結果。卞希慧等［16－17］發現，采用合適的預處理組合方法可以提高建模效果，對于不同數據集，得到的最佳預處理組合也不相同，對已有預處理方法按照預處理目的進行分類再排列組合是選擇最佳預處理方法的一種有效途徑。因此，本試驗采集了不同品種完整、粉末及摻假三七樣品的近紅外光譜數據，采用單一和組合預處理方法對數據進行處理，篩選出最優預處理方法，并結合主成分分析法構建了不同品種以及摻假三七樣品的鑒別模型，以期實現對不同品種三七完整、粉末以及摻假樣品的鑒別分析。

1 實驗部分

1.1 實驗材料

從本地藥店購買四川的景天三七、河北的菊三七、陜西的血三七和云南的田三七完整樣品及粉末樣品，每個品種樣品分別取10份。現階段市場上摻假三七粉大多是不良商家用毫無藥用價值的淀粉、毛根、三七莖葉磨出來的粉，三七莖葉摻假的三七粉中存在少許磨不碎的植物葉脈纖維，較容易鑒別，而淀粉摻假的三七粉較難鑒別。因此，以田三七為摻假對象，將淀粉按照1∶0.25 、1∶0.5 、1∶0.75 及1∶1的質量比例加入田三七中得到摻假樣品，每個比例制備3份樣品，共12份摻假樣品。

1.2 儀器與光譜采集

采用賽默飛世爾科技AntarisⅡ傅里葉變換近紅外光譜儀漫反射模式得到近紅外光譜數據，在MATLAB R2010b（The Mathworks，Natick，USA）軟件中實現光譜數據的預處理和鑒別分析。

試驗在室溫條件下進行，波數為10000～4000cm－1，最小間隔約為4cm－1，共采集1557個數據點，采集方式為漫反射。為保證光譜測量的準確性，每一樣品重復3次，取平均值作為該樣品的原始光譜。

1.3 光譜預處理與聚類分析

40份樣品數據按照Kennard－Stone方法以8∶2的比例分為32個校正集和8個預測集。受樣品、環境和儀器的干擾，光譜往往存在基線漂移及譜峰重疊的現象，如直接使用原始數據建立的模型易出現精確度不高、穩定性差等情況。本試驗采用De-bias等8個單一預處理方法對光譜數據進行預處理，提取有效信息，提高模型的精確度與準確度；考慮到光譜的復雜性，采用組合預處理方法對光譜數據進行進一步處理。表1給出了詳細的單一和組合預處理方法。最后利用主成分分析（PCA）方法建立不同品種完整、粉末及摻假三七樣品的鑒別模型，得到不同品種及摻假三七的鑒別率。

表1 47種預處理方法Table147 pretreatment methods

2 結果與討論

2.1 不同品種三七完整樣品的原始光譜及聚類分析

通過近紅外光譜儀采集4個品種三七完整樣品的光譜信息，圖1A為4個品種三七完整樣品的原始光譜，綠色、紅色、藍色和紫色分別代表了景天三七、菊三七、血三七和田三七。圖中譜線趨勢大致走向一致，說明不同品種三七具有相似組成成分。光譜中存在明顯的譜峰重疊、基線漂移等干擾，可能是由于固體樣品表面凹凸不平的原因，故僅采用原始光譜無法找到不同品種三七的差異信息。為了實現對不同品種三七的鑒別分析，采用PCA對光譜數據進行處理，由于第一主成分（PC1）與第二主成分（PC2）的累計方差貢獻率之和在90%以上，因此選用PC1及PC2繪制PCA圖。圖1B為完整樣品原始光譜的PCA圖。圖中實心表示校正集，空心表示預測集，橫坐標代表PC1的方差貢獻率，縱坐標代表PC2的方差貢獻率。由圖可知，4個品種三七完整樣品的置信橢圓呈重疊交織狀，4個品種中僅有景天三七中2個校正集樣本與血三七中1個校正集樣本被成功鑒別，鑒別率僅為9.38 %。因此通過完整樣品原始光譜無法實現對不同品種三七的準確鑒別分析。

圖1 完整樣品的原始光譜圖（A）及PCA圖（B）Fig.1 Original spectra（A）and PCA plots（B）of the complete samples solid：calibration set；hollow：verification set

2.2 不同品種三七粉末及摻假粉末樣品的原始光譜及聚類分析

圖2A為4個品種三七粉末及摻假樣品的原始光譜，綠色、紅色、藍色、紫色和黃色分別代表了景天三七、菊三七、血三七、田三七和摻假樣品。相較于完整樣品光譜，粉末樣品光譜中的背景干擾和基線漂移得到了明顯改善。此外，粉末狀樣品與完整樣品光譜具有相似的特征峰。然而，直接采用原始光譜依舊無法實現對粉末與摻假樣品的鑒別分析。因此采用PCA方法對數據進行聚類分析。圖2B為粉末及摻假樣品原始光譜的PCA圖，由圖可知，4個品種粉末樣品的置信橢圓得到完美分離，鑒別準確率為100%。此外，摻假樣品的數據點未落入4個品種粉末樣品的置信橢圓中，表明摻假樣品與粉末樣品實現了100%的鑒別。

圖2 粉末及摻假樣品的原始光譜圖（A）及PCA圖（B）Fig.2 Original spectra（A）and PCA plots（B）of powder and adulterate samples

2.3 基于預處理方法優化三七光譜數據的鑒別分析

為進一步提高鑒別準確率，采用預處理方法對光譜數據進行處理以消除干擾。圖3為采用單一預處理后完整、粉末樣品原始光譜數據的鑒別率，黑色線表示原始光譜數據的鑒別率。圖3A、B分別為完整樣品校正集與預測集的鑒別準確率，完整樣品原始光譜鑒別率僅為9.38 %，然而采用預處理方法后，鑒別準確率得到了顯著提高，其中以CWT預處理方法的結果最佳，鑒別準確率為93.75%，說明預處理方法可在一定程度上扣除光譜存在的干擾，提高鑒別準確率。對于預測集的分析，原始數據鑒別率僅為0%，采用1st與CWT預處理后鑒別準確率達到了100%。圖3C、D為粉末樣品校正集與預測集的鑒別率。由圖3C（校正集）可知，粉末樣品采用原始光譜數據即可實現100%的鑒別分析。由圖3D（預測集）可知，經MSC預處理后鑒別率有所下降，說明預處理方法選擇不當會扣除光譜中的有用信息，從而導致鑒別準確率下降。

圖3 采用單一預處理方法得到的鑒別準確率Fig.3 Identification accuracies with single pretreatment method

為了進一步提高對完整樣品的準確鑒別分析，采用組合預處理方法對光譜數據進行預處理。表1中給出了詳細的38種組合預處理方法。圖4A、B為完整樣品校正集與預測集采用組合預處理后的鑒別準確率，灰色的線表示單一預處理后的最優鑒別率（93.75 %）。由圖4A（校正集）可知，38種組合中僅有De-bias+1st、De-bias+CWT與2nd+SNV3個組合預處理的鑒別準確率與單一預處理最優鑒別率保持一致，鑒別準確率為93.75%。同時，考察了同一種預處理不同組合順序對結果的影響，結果表明，采用1st+De-bias組合預處理后鑒別準確率為78.13%，CWT+De-bias預處理后鑒別準確率為75%，SNV+2nd預處理后的鑒別準確率為43.75%，表明預處理的組合順序對結果會產生不同影響。由圖4B（驗證集）可知，De-bias+1st和De-bias+CWT及2nd+SNV3個組合預處理鑒別準確率為100%。綜上所述，采用多種預處理組合方法會扣除光譜中存在的多種干擾，但是，不準確的預處理組合會降低鑒別準確率，可能是由于多種預處理組合在進行無效信息去除的同時也扣除了有用信息。

圖4 采用組合預處理方法得到的完整樣品的鑒別準確率Fig.4 Identification accuracies of complete samples with combined pretreatment methods

3 結 論

近紅外光譜技術結合化學計量學方法可有效實現不同品種以及摻假三七的鑒別分析。粉末樣品鑒別結果明顯優于塊狀樣品。預處理可以消除光譜中的多種干擾，顯著提高鑒別率；預處理方法的組合順序對結果也有影響；預處理方法選擇不當會扣除光譜中的有用信息，導致鑒別率下降。在未來研究中，我們將針對其它品種三七摻假田三七以及多頭數三七粉冒充少頭數三七粉的鑒別進行進一步深入研究。