摘要
红景天是我国传统的中药和藏药，目前在临床上常用于治疗慢性疲劳症、慢性肾炎和冠心病等。其中大花红景天是《中国药典》（2020年版）收录的最佳品质的红景天属药用植物，其药用价值和价格都高于其它的红景天，因此市场上经常出现用其它品种的红景天冒充大花红景天的现象。而且受到气候和地理环境等因素的影响，不同产地大花红景天的药用价值和价格也存在差异，因此开展红景天药材品种和产地的鉴别研究对保障其临床用药的安全和有效具有十分重要的意义。石斛为我国的名贵药材，历来被称作是滋阴圣品，主治胃阴、肺阴不足和病后虚热不退之症。但是由于石斛属植物种类繁多，形态相似性强，且随着野生资源的匮乏以及需求量的增加，导致市场上经常出现近缘品种混用的情况，所以对石斛进行品种鉴别也具有重要的意义。 中药传统的鉴别手段费时、费力且过多地依赖于工作人员的经验，主观性强。高光谱成像技术是一种结合了成像和光谱技术的无损检测新技术，具有光谱分辨率高、信息量全面、成本低廉、操作简单和准确度高等一系列的优点。本文采用高光谱成像系统结合化学计量学方法对5种红景天、5个产地的大花红景天和5种石斛进行定性鉴别研究，具体的过程和结果如下： 1.研究了红景天品种的快速鉴别方法。首先，分别在可见光和近红外波段内采集大花红景天、长鞭红景天、四裂红景天、狭叶红景天和云南红景天的高光谱图像并获取光谱信息，分别应用SG、SNV、MSC、SG+SNV、SG+MSC、SG+SNV+1st、SG+SNV+2nd、SG+MSC+1st和SG+MSC+2nd对全光谱进行预处理，通过比较分析确定SNV为可见光范围内最优的预处理方法，MSC为近红外范围内最优的预处理方法。随后，分别对最优预处理后的光谱信息采用x-LW、SPA和CARS提取特征波长，并分别建立3种线性判别模型（PLS-DA、SIMCA和LDA）和4种非线性判别模型（PNN、GRNN、RBFNN和BPNN）。比较建模结果发现，在可见光和近红外范围内，线性判别模型中LDA最优，而PLS-DA和SIMCA模型均无法实现红景天的品种鉴别。非线性判别模型PNN、GRNN、RBFNN和BPNN的分类效果均很好，它们对训练集分类的正确率均高于95%，对测试集分类的正确率均高于92%。4种非线性判别模型整体的分类正确率要高于线性判别模型。综合比较模型的预测分类性能，确定SNV-SPA-PNN和SNV-SPA-GRNN为可见光范围内5种红景天定性鉴别的最佳模型，它们对训练集和测试集分类的正确率均为100%；MSC-CARS-BPNN为近红外范围内5种红景天定性鉴别的最佳模型，它对训练集和测试集分类的正确率均为100%。总体上，可见光/近红外高光谱成像技术均可以用于红景天的品种鉴别，并且可见光和近红外波段的判别结果差异不大。 2.研究了大花红景天产地的快速鉴别方法。首先，分别在可见光和近红外波段内采集5个产地大花红景天的高光谱图像并获取光谱信息，分别应用9种光谱预处理组合对全光谱进行预处理，通过比较分析确定SG为可见光范围内最优的预处理方法，而近红外范围内原始光谱建立的模型最优。随后，分别对最优预处理后的光谱信息采用x-LW、SPA和CARS提取特征波长，并分别建立3种线性判别模型（PLS-DA、SIMCA和LDA）和4种非线性判别模型（PNN、GRNN、RBFNN和BPNN）。比较建模结果发现，在可见光和近红外范围内线性判别模型中LDA最优，而PLS-DA和SIMCA模型均无法实现大花红景天的产地鉴别。非线性判别模型PNN、GRNN、RBFNN和BPNN的分类效果均较好，它们对训练集分类的正确率均高于87%，对测试集分类的正确率均高于86%。4种非线性判别模型整体的分类正确率要高于线性判别模型。综合比较模型的预测分类性能，确定SG-CARS-RBFNN为可见光范围内大花红景天产地鉴别的最优模型，它对训练集和测试集分类的正确率分别为98.40%和96.80%；RAW-CARS-RBFNN为近红外范围内大花红景天产地鉴别的最优模型，它对训练集和测试集分类的正确率分别为99.20%和97.60%。总体上，可见光/近红外高光谱成像技术均可用于大花红景天的产地鉴别，并且可见光和近红外波段的判别结果差异不大。 3.研究了石斛品种的快速鉴别方法。首先分别在可见光和近红外波段内采集铁皮石斛、流苏石斛、球花石斛、束花石斛和报春石斛的高光谱图像并获取光谱信息，分别9种光谱预处理组合对全光谱进行预处理，通过比较分析确定SNV为可见光范围内最优的预处理方法，而近红外范围内原始光谱建立的模型最优。随后，分别对最优预处理后的光谱信息采用x-LW、SPA和CARS提取特征波长，并分别建立3种线性判别模型（PLS-DA、SIMCA和LDA）和4种非线性判别模型（PNN、GRNN、RBFNN和BPNN）。比较建模结果发现，在可见光范围内，3种线性判别模型均能够成功鉴别5种石斛，且LDA模型最优。非线性判别模型PNN、GRNN、RBFNN和BPNN的分类效果均很好，它们对训练集和测试集分类的正确率均为100%。4种非线性判别模型整体的分类正确率要高于线性判别模型。综合比较模型的预测分类性能，确定SNV-x-LW-PNN和SNV-x-LW-GRNN为5种石斛定性鉴别的最优模型，它们对训练集和测试集分类的正确率均为100%。在近红外范围内，线性判别模型中LDA最优，而SIMCA模型的整体分类效果最差。非线性判别模型PNN、GRNN、RBFNN和BPNN的分类效果均很好，它们对训练集分类的正确率均高于94%，对测试集分类的正确率均高于88%。4种非线性判别模型整体的分类正确率要高于线性判别模型。综合比较模型的预测分类性能，确定RAW-FULL-PNN和RAW-FULL-GRNN是5种石斛定性鉴别的最优模型，它们对训练集和测试集分类的正确率同样均为100%。总体上，可见光/近红外高光谱成像技术均可用于石斛的品种鉴别，并且可见光波段的判别效果更好。
NETL