基于LIBS的山药饮片产地溯源研究

摘要：

山药为薯蓣科植物薯蓣的根茎,其中的多糖、多酚、皂苷、黏蛋白和维生素C等成分使山药具有抗肿瘤、抗氧化、抗炎症、降血糖和降血脂等作用.不同产地的山药由于生长条件存在差异,致使药用成分含量显著不同,结合独特的炮制工艺,进而导致市场价格差别大,所以山药饮片的产地识别至关重要.为对山药饮片进行产地溯源,本文基于激光诱导击穿光谱(LIBS)技术提出多元散射矫正-改进遗传算法-支持向量机(MSC-IGA-SVM)模型对山药产地进行精确识别.使用八个不同产地的山药饮片进行LIBS实验,八种产地的山药饮片磨粉过筛后制成粉末压片,通过采集山药饮片的LIBS光谱,分别使用单一分类器与使用光谱预处理、特征提取及模式识别算法的模型对光谱的识别结果进行对比.将光谱信号按2:1的比例划分为训练集和测试集,使用5次交叉验证K-邻近算法(KNN)模型的测试集准确率作为预处理参数优化的评价指标.各类药材的平均光谱整体趋势一致,所含谱峰基本相同,但因产地不同导致峰值强度各不相同,道地山药对一些金属元素(K,Na,Ca,Mg,Al)的富集能力大于非道地产区山药,其中,K元素特征谱线(769.90 nm)的峰值最高,即山药饮片中K元素含量最多,相关研究表明山药根茎对K元素的富集能力最强.选取35条关键谱线进行分析,在识别种类多、识别难度大的情况下,改进遗传算法(IGA)比主成分分析(PCA)更能清楚辨别光谱中的非线性关系,同时受噪声的影响更小.MSC-IGA-SVM模型的产地溯源效果最好.MSC-IGA-SVM模型的交叉验证集准确率为96.9％,测试集的准确率为97.32％,与直接使用原信号建立的最好模型支持向量机(SVM)(96.43％)相比,测试集准确率提高了0.87％.同时,MSC-IGA-SVM模型将输入变量的维度减少了99.93％.结果表明,LIBS技术结合MSC-IGA-SVM模型能够快速、准确对山药饮片进行产地溯源.

关键词：激光诱导击穿光谱、光谱预处理、特征提取、模式识别、山药

所属期刊栏目：43

分类号：O657.3(分析化学)

资助基金：国家重点研究计划;湖北省教育厅科学研究计划项目;湖北中医药大学青苗计划项目;咸宁市中心医院院级重点项目

在线出版日期：2023-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：138-144