10.16155/j.0254-1793.2021.04.22
基于近红外高光谱成像结合分水岭算法鉴别酸枣仁药材的产地
目的:基于近红外高光谱成像结合分水岭算法建立一种快速、无损、绿色的鉴别酸枣仁药材产地的方法.方法:对不同来源的2 215个酸枣仁样品进行高光谱扫描,从高光谱数据中提取相应的光谱和图像信息,并采用分水岭算法对聚集的酸枣仁样品进行目标分割识别,实现单粒样本平均光谱的自动提取.进一步比较 了一阶导数(derivative 1)、二阶导数(derivative 2)、多元散射校正(multiplicative scatter correction,MSC)、Savitzky-Golay 平滑(S-G smoothing)和标准正态变量变换(standard normal variate,SNV)5种不同预处理方法对建模的影响.同时建立了最小二乘法判别分析(partial least squares discrimination analysis,PLS-DA)、支持向量机(support vector classification,SVC)、随机森林(random forest,RF)3种不同的判别模型.并对所建立的模型性能采用准确率、混淆矩阵(confusion matrix)、受试者工作特征曲线(receiver operating characteristic curve,ROC)和曲线下面积(area under the curve,AUC)这4个指标进行评价.结果:二阶导数是最有效的预处理方法,对预处理后的数据采用PLS-DA建立的模型较优,其训练集、验证集和测试集的准确率分别为99.87％、99.27％和99.14％,并且其混淆矩阵、ROC曲线和AUC均显示了该模型对于酸枣仁药材产地分类的优越性.结论:本研究建立的近红外高光谱成像技术结合分水岭算法对酸枣仁药材产地的鉴别能力较强,可为工业化在线检测方法的开发提供技术支撑.
高光谱成像、近红外、分水岭算法、酸枣仁、产地鉴别、最小二乘法判别分析、支持向量机、随机森林
41
R917(药物基础科学)
浙江省自然科学基金No.Y20H280079
2021-06-11（万方平台首次上网日期，不代表论文的发表时间）
共9页
726-734
