摘要
三七是一种中国特有的名贵中药材，主产于云南省。皂苷是三七最重要的药效成分，是评价三七质量的重要指标。在三七采购、验收、入库、投料等生产质量检验工序中，通常使用液相色谱法，但液相色谱法成本高、周期长、试剂消耗大且会破坏样品，不便于推广。随着检测技术的进步，光谱技术已应用于皂苷检测领域。但由于三七中化学信息在空间上分布不均匀，光谱技术点源采样获得信息不全面，检测精度不高。高光谱成像技术通过区域采样的方式有效地弥补了光谱技术的缺陷。本研究使用高光谱成像技术结合化学计量学方法对三七中人参皂苷Rg1、人参皂苷Rb1和三七皂苷R1和总皂苷含量进行预测。主要研究内容和结论如下： 1.使用可见-近红外高光谱成像系统采集了160个三七样本的高光谱图像，并提取光谱信息。使用高效液相色谱仪测定三七中人参皂苷Rg1、人参皂苷Rb1和三七皂苷R1的真实值，并以三七皂苷真实值为依据划分校正集和预测集，使校正集分布均匀，提高模型的稳定性。为了探明高光谱成像技术无损检测三七皂苷含量的机理，观察不同皂苷含量三七的在可见光光谱（480~780nm）和近红外光谱（780~1000nm）区域的光谱表现，分析了三七的有机物含量差异和细胞结构变化与光谱特征之间的相关性，可以为高光谱成像技术无损检测三七皂苷含量提供可行性依据。 2.使用卷积平滑混合多元散射校正（Savitzky-golaymixedmultiplicationscattercorrection，SG-MSC）对原始光谱进行预处理，提高光谱的信噪比。采用竞争性自适应重加权采样（Competitiveadaptivereweighedsampling，CARS）、变量空间迭代收缩（Variableiterativespaceshrinkageapproach，VISSA）和自助软收缩（Bootstrappingsoftshrinkage，BOSS）三种特征选择方法分别提取能够表征三七中3种皂苷的特征波长。通过比较特征波长的交互验证均方根误差（RMSECV）和建模精度，选择与皂苷信息相关性最高特征波长组合。基于CARS、VISSA和BOSS构建最小二乘支持向量回归（Leastsquaressupportvectorregression，LSSVR）模型，发现VISSA-LSSVR模型对人参皂苷Rg1、人参皂苷Rb1含量的预测精度较高，CARS-LSSVR模型对三七皂苷R1含量的预测精度较高，得到人参皂苷Rg1、人参皂苷Rb1和三七皂苷R1的特征波长数分别为180、211和70。为了进一步提高模型的精度，本研究引入蛇优化器（Snakeoptimizer，SO）、算数优化算法（Arithmeticoptimizationalgorithm，AOA）、平衡优化器（Equilibriumoptimizer，EO）对LSSVR模型中参数γ和σ2进行寻优。结果显示人参皂苷Rg1、人参皂苷Rb1、三七皂苷R1的最优预测模型分别为SO-VISSA-LSSVR、EO-VISSA-LSSVR、AOA-CARS-LSSVR。人参皂苷Rg1真实值和预测值拟合的Rp2、RPDP、MAEP和RMSEP分别为0.9645、5.3076、0.1133和0.0860；人参皂苷Rb1真实值和预测值拟合的Rp2、RPDP、MAEP和RMSEP分别为0.9582、4.8911、0.1160和0.0908；三七皂苷R1真实值和预测值拟合的Rp2、RPDP、MAEP和RMSEP分别为0.9861、8.4916、0.0371和0.0287。因此，利用高光谱成像技术无损检测三七皂苷含量是可行的。 3.采用CARS、VISSA和BOSS提取能够表征三七总皂苷的特征波长。通过比较基于CARS、VISSA和BOSS构建LSSVR模型的结果和3种特征波长的RMSECV，发现VISSA特征选择的效果最好，得到三七总皂苷的特征波长数为192。最后，引入SO、AOA、EO优化LSSVR模型。结果表明，三七总皂苷的最优预测模型为AOA-VISSA-LSSVR。三七总皂苷含量真实值和预测值拟合的Rp2、RPDP、MAEP和RMSEP分别为0.9808、7.2119、0.2074和0.1716。将人参皂苷Rg1、人参皂苷Rb1和三七皂苷R1的预测值相加，并与三七总皂苷的真实值进行拟合，Rp2、RPDP、MAEP和RMSEP分别为0.9714、5.9131、0.2474和0.1849。可以发现直接对三七总皂苷含量进行预测的精度更高。因此，对三七总皂苷含量进行直接预测是必要的。 本研究利用高光谱成像技术结合化学计量学建模方法实现了三七皂苷含量的无损和精确检测，为三七皂苷含量的快速检测装置研发提供部分理论依据和技术支持，同时为其它五加科物料的无损、精确检测提供了参考。
NETL