基于光譜數據分析的中藥材鑒別研究

摘" 要： 對基于光譜數據分析的中藥材鑒別方法進行研究，利用紅外反射光譜提取中藥材的差異性特征，進而實現對其種類和產地的鑒別。建立模糊聚類模型對425組中藥材樣品的光譜數據進行聚類，利用SIMCA軟件完成主成分分析，實現了對藥材樣本的種類劃分和產地鑒別。

關鍵詞： 模糊聚類法； 主成分分析法； SIMCA方法； BP神經網絡

中圖分類號：TP301.6" " " " " 文獻標識碼：A" " "文章編號：1006-8228（2023）12-158-04

Study on identification of Chinese herbal medicine based on spectral data analysis

Zhang Yiqian， Wang Yue

（Jinan Vocational College， Jinan， Shandong 250014， China）

Abstract： The spectral data based identification method of Chinese herbal medicine is introduced， which uses infrared reflectance spectra to extract the differential features of Chinese herbal medicines， thus achieving the identification of their species and origins. A fuzzy clustering model is established to cluster the spectral data of 425 groups of Chinese herbal medicine samples， and the principal component analysis is completed using SIMCA software， which realizes the identification of species and origin of the herbal samples.

Key words： fuzzy clustering; principal component analysis; SIMCA method; BP neural network

0 引言

中藥材的道地性是決定其質量和藥效的重要因素，其中以產地為主要指標之一。傳統中藥材鑒定鑒別主要依賴人工。隨著計算機、光譜分析、大數據分析等技術的發展，以及對藥材研究理論的不斷深入，利用不同種類、不同產地中藥材在近紅外、中紅外頻段內反射光譜的差異性，為中藥材種類和產地的鑒定鑒別提供了新的技術手段。

不同產地、不同種類中藥材存在差異性。傳統的鑒別主要依賴人工經驗，難以適應中藥制藥產業發展要求。現代常用的檢驗技術包括：理化檢驗法、薄層色譜法、氣相色譜法、液相色譜法等，極大地保證了中藥的質量可靠性；但也存在局限性，如需要破壞樣本、需要專業儀器、檢測時間長、人員技術要求高等。

紅外反射光譜檢測可快速提取不同藥材樣品的特征數據，為科學評價樣品間的相似程度、實現藥材鑒別，提供了依據和技術基礎[1-7]。利用SIMCA軟件對近紅外光譜數據的預處理，采用k折交叉驗證方法建立樣品的正交投影偏最小二乘法（OPLS）定量校正模型，實現對姜黃丸原料混合物的檢測[1]。基于近紅外光譜儀采集得到的樣本，在無監督主成分分析基礎上利用線性判別分析模式識別方法建立了定性分析模型，可以實現對僵蠶產地、僵蠶-麩炒僵蠶的快速判別[2]。基于近紅外光譜技術，實現了對水牛角[3]、金銀花[4]、梔子[5]等藥材的質量、光譜特征、產地識別進行研究。近紅外光譜檢測技術在名貴中藥材的真偽鑒定、種類鑒定、含量測定、質量評價等方面的研究進展進行了綜述[6]。文獻[7]介紹了近紅外光譜技術在中藥質量監控中的研究和進展[7]。本文根據中藥材近紅外、中紅外光譜的公開數據集，對藥材分類及產地的劃分問題開展研究。

1 藥材種類劃分模型的建立與求解

利用聚類分析法，選取較為合適的特征，將相似度較大的樣本聚類，具有相似特征的樣本聚集在某一特定的空間區域，而相似度較低的樣本分布在不同的空間區域。同時生成聚類圖，直觀反映樣本親疏關系。

如圖1所示，在[625～1700cm-1]和[3000～3500cm-1]波段范圍內，藥材吸光度具有良好區分性，其波峰位置、強度均存在一定差異，適合作為藥材樣本的“特征”。將波峰所在波長，輔以波峰強度、峰形進行綜合分析。

針對樣本數據，擬選取離散程序較大的數據列作為聚類的“特征”。計算數據的極差、標準差、方差、變異系數，對比發現“極差”的變化最明顯，極差曲線的極大值點分布最廣泛，因而用“極差”這一統計量描述其區分能力，并針對全部樣本各波段下的極差、方差繪制曲線。

結合極差曲線和方差曲線，選擇峰值的較大的波段，將這些波段的吸光率作為“特征”，先模糊聚類，后分析聚類結果。分析中，若滿足“同類對象的特征保持一致，不同類對象的特征存在差異”，即認為是合理分類。

利用模糊C均值聚類分析法，建立數學模型，對樣本進行種類的劃分。

將所給的425個樣本劃分為[c]類[（2≤c≤425）]，記[c]類的聚類中心為[V=v1，v2，…，vn]，其中[vi=vi1，vi2，…，vip]

[（i=1，2，…c）]。在模糊劃分中，每個樣本不是嚴格地被劃分為某一類，而是計算其對于每一種類的隸屬度，根據隸屬度將該樣本劃分為某一類。

1.1 利用MATLAB軟件進行模糊聚類分析

根據預處理后的數據，利用MATLAB軟件對種類參數j從2開始循環，得到不同分類下的分類中心和每個樣本對應的隸屬矩陣。

根據類間距，可將425個樣本分為兩類、三類或四類。最優的種類劃分應滿足“種內有共同性、種間有差異性”。種類劃分過多時，雖然種內一定具有共同性，但種間也會出現小部分共同性，結果不合理。因此只要結果在一定誤差內，就認為分類通過。

1.2 利用SIMCA軟件進行主成分分析

由于波長涉及范圍內較廣，判斷自主選取的幾組數據作為特征是否具有準確性，可通過提取其特征光譜曲線，用主成分分析法對圖譜進行解析。

主成分分析法利用特征分析的數學方法對數據矩陣求取特征值和特征矢量。將原變量進行變換，使數目較少的新變量成為原變量的線性組合，且新變量最大限度地表征原變量的數據結構特征，同時不丟失信息。分析目的是將數據降維，以消除眾多信息共存中相互重疊的部分，適合眾多觀測數據的特征提取。

SIMCA分類法是建立在主成分分析基礎上的一種模式識別方法，利用SIMCA 軟件進行主成分分析判別。由于高維度的可視化效果及劃分存在困難，使用SIMCA軟件對九個主成分數據進行了數據標準化及數據降維，呈現更為直觀的二維散點圖。

對425個編號的藥材樣本進行分類的過程可以利用SIMCA軟件生成，如圖2所示。

利用該模型劃分425個藥材的種類時，同樣可以把樣本分為兩、三、四類或更多類。

中藥材樣品分類的解決分別應用了模糊聚類模型和主成分分析模型，后者可視為前者的檢驗模型。比對兩種模型的結果得出，分類情況基本一致。

2 中藥材產地劃分模型的建立與求解

選取中藥材樣品光譜數據中“極差”較大的列作為聚類的特征。針對全部樣本各波段下的極差繪制曲線，波段的吸光率就是區分藥材產地最為明顯的特征。

2.1 BP神經網絡模型的建立

BP神經網絡是經典的神經網絡模型，可應用于分析藥材的特征、差異性，并鑒別產地。具體實現步驟為：

⑴ 網絡初始化[W]矩陣，賦值期間由激活函數的值域決定，確定最大訓練次數[M]和學習精度值，選擇激活函數[ f（x）]；

⑵ 數據預處理，選擇樣本數據輸入，得到隱函數[hj]和輸出層[yk]的輸出；

⑶ 利用網絡的實際輸出值[yk]和期望值[dk]計算誤差；

⑷ 分別計算誤差函數對隱函數和輸出層的神經元的偏導數[δhj]和[δyk]，利用誤差信號調整各層的連接權值，隱含層到輸出層[wN+1jk]和輸入層到隱含層權值[vN+1ij]，再計算全局誤差[E]。

實現流程如圖3所示：

在BP神經網絡仿真測試后，通過計算預測值與真實值的偏差，判斷每次訓練是否達到了預期效果。若訓練效果良好，則當將“產地數據缺失行”作為測試集導入網絡時，其輸出值與真實值吻合的概率極高。

當需要進行一個預測時，選取一部分數據進行訓練，其余數據用于檢驗誤差值。通過調整隱含層神經元個數、迭代次數、學習率、修正值等網絡參數，使訓練出來的神經網絡對“產地數據”具有極高的預測能力。

2.2 BP神經網絡模型的求解與檢驗

分析樣品的光譜數據，不同產地的同種藥材既有相似性又有差異性，使得BP神經網絡可能出現小部分誤差，因而需要進一步優化。

觀測光譜圖，利用數形結合的思想，通過極差降維，得到特征較明顯的35組波長數據，選取了全部藥材的降維波段下的吸光度數據以及一部分波段下的藥材，采用主成分分析法，對降維數據進行主成分提取，并進行BP神經網絡學習訓練，步驟如下：

⑴ 生成訓練集、測試集

對待測產地空白值編號進行選取，作為空白待測集；在剩余藥材中，選取三分之二作為訓練集，按照誤差反向傳播算法進行BP神經網絡的訓練，調整神經網絡參數，包括隱含層神經元個數、迭代次數、學習率、修正值，使訓練后的神經網絡對未知數據輸出具有預測能力。將其余三分之一作為測試集，用于檢驗網絡誤差并計算模型的準確率，不再進行反向傳播更新模型參數。

⑵ 創建/訓練BP神經網絡及仿真測試

利用MATLAB神經網絡工具箱，完成網絡的創建、訓練及仿真測試。訓練前對相關的訓練參數進行設置。

⑶ 檢驗模型的性能

采用兩個評價指標測試該網絡的泛化能力。采用公式如下：

[Ei=yi-yiyi" " " " i=1，2，…，n]" ⑴

計算相對誤差[E]，結果為0.0226。該相對誤差較小，表明模型的性能較好。采用公式如下：

[R2=ni=1nyiyi-i=1nyi2[ni=1nyi2-i=1nyi2][ni=1nyi2-i=1nyi2]]" ⑵

計算決定系數[R2]，結果為0.9999，該值在[0，1]范圍內且接近于1，表明模型的擬合性能較好。

⑷ 展示計算結果

訓練后，對比測試集的期望值與預測值可知，神經網絡預測的準確度達到99%。由預測誤差看出，該誤差在0左右波動，且波動范圍較小。將空白待測集導入模型，輸出待測集的產地結果。

3 中藥材種類與產地鑒別優化模型的建立與求解

分析發現，藥材的紅外光譜數據表現出的特征，能較準確地鑒別藥材種類。而鑒別產地時，由于同一波段的數據比較接近，單獨分析中紅外或近紅外數據，存在一定誤差。因而采用兩種波長數據相互驗證綜合鑒別。當類別、產地都未知時，要做到有效鑒別是有一定困難的。為此建立“Class_OP”雙因子串行分析，優化BP神經網絡。

分析發現，“類別對波長數據的差異性影響”大于“產地對波長數據的差異性影響”，因而將類別作為主因子，產地作為次因子，建立“Class_OP”雙因子串行優化的神經網絡模型，串行運算中采用輸出反饋模式，如圖4所示。

基本BP神經網絡初始參數是隨機的，雖然訓練集不斷修正參數，但受初始值影響，其結果隨機性較強，在迭代次數不夠或樣本數較少的情況下，會導致預測值的準確性較低。考慮到藥材類別數目較少，且類別差異性易于分辨，使用類別進行訓練，使得修正值能快速接近最優值，從而構建最優神經網絡，在有限的迭代或樣本數據量下的訓練模型較好。

雙因子串行優化神經網絡的應用，是對上述問題的一個整合。如果鑒別藥材時不能如愿獲得類別、產地、近中紅外對照的光譜數據，或者針對某種藥材只能進行中紅外的數據勘測，則應根據樣本數據，以類別為主、產地為輔串行運算。

4 結束語

該模型的建立過程清晰，求解算法成熟，數據分析處理均經過比對校驗，具有較強的準確性、真實性；對求解結果進行了檢驗，可靠性強。模型貼近實際，在物質分類、鑒別方面具有一定的通用性與借鑒意義。

參考文獻（References）：

[1] 謝夢迪，桂新景，曹英杰，等.手持式近紅外儀快速測定姜黃丸

原料混合物中姜黃素含量[J].湖北醫藥學院學報，2023，42（2）：115-120.

[2] 鐘紅，駱勇，石志強，等.便攜式近紅外光譜儀的僵蠶快速檢驗

應用研究[J].安徽醫藥，2022，26（12）：2399-2402，2548.

[3] 張升盛.基于近紅外光譜技術對中藥水牛角質量控制的

研究[D].貴陽：貴州師范大學，2022.

[4] 厲博文，石子薇，李菁，等.金銀花藥材與粉末近紅外光譜特征的

比較研究[J].河北中醫藥學報，2022，37（4）：37-40.

[5] 周聰，王慧，楊健，等.基于高光譜成像技術的中藥梔子產地

識別[J].中國中藥雜志，2022，47（22）：6027-6033.

[6] 黃志偉，郭拓，黃文靜，等.近紅外光譜技術在名貴中藥材質量

評價中的研究進展[J].中草藥，2022，53（20）：6328-6336.

[7] 胡楊，李先芝，劉洋，等.近紅外光譜技術在中藥質量監控中的

研究進展[J].安徽農業科學，2022，50（1）：8-11.