[发明专利]一种近红外光谱无损鉴别山参真伪的方法

说明书

技术领域

本发明属于中药检测技术领域，具体涉及一种应用近红外光谱分析技术快速无损鉴别山参真伪的方法。

背景技术

人参(Panax ginseng C.A.Myer)系五加科植物，其根是我国最为名贵的中药材之一。由于人参因生长年限和生长环境不同，其内在有效活性物质存在差异。传统观点和现代研究都认为，在防治疾病和医疗保健中山参的质量和疗效均显著优于人工栽植的园参，故其市场价格可相差几倍、几十倍甚至上百倍。不法参商在利益驱使下，用园参冒充山参，造成了市场混乱，损伤了消费者的利益。“工艺参”，又称“拼接山参”，是常见的山参造假方式。造假者将家养园参的不同部分，用粘合剂人为拼接，把人参的“芦”接长、“须”接多，使其外观上酷似生长多年的优质野生山参。目前山参及其伪品的鉴别主要采用经验鉴别和理化鉴别的方法。经验鉴别的方法不仅涉及植物形态学，还涉及山参生态学和植物地理学，要求鉴定人员具有丰富的药材知识以及多年的实际鉴别经验，即使知识和技能达到要求，鉴别结果也存在着极大的偶然性和人为因素。对于理化方法鉴别，不仅耗用时间长、操作复杂，还会用到大量有机试剂，造成环境污染，且分析过程破坏了山参的形体，降低了山参的价格，因此，需要一种近红外光谱无损鉴别山参真伪的方法。

发明内容

本发明的目的在于解决现有技术鉴别山参真伪过程中存在的鉴别结果不确定及鉴别过程破坏山参形体的问题，提出了一种近红外光谱无损鉴别山参真伪的方法。

为实现上述目的，本发明一种近红外光谱无损鉴别山参真伪的方法具体实施步骤为：

步骤一：应用近红外光纤附件采集生长环境及生长年份不同的山参和工艺参的光谱数据，并将获得的山参和工艺参的光谱数据存入计算机；

步骤二：对步骤一获得的光谱数据进行数据预处理，获得山参和工艺参的光谱图，将山参和工艺参的光谱图进行比对，根据异常光谱信息选择光谱信息异常波段，提取出光谱信息异常波段中山参和工艺参的光谱数据；

步骤三：将提取出光谱信息异常波段中山参和工艺参的光谱数据采用主成分分析法提取出主成分变量，将主成分变量作为输入变量，同时根据提取出的山参和工艺参光谱数据的光谱属性设定山参和工艺参的属性代码，将山参和工艺参的属性代码作为目标变量；

步骤四：根据输入变量和目标变量建立BP人工神经网络模型；

步骤五：应用近红外光纤附件采集待鉴别样品的光谱数据；

步骤六：将获得的待鉴别样品的光谱数据进行数据预处理，将处理后的光谱数据经建立的BP人工神经网络模型进行仿真，输出待鉴别样品的预测值，参照步骤三中所设定的山参和工艺参的属性代码判断待鉴别样品，当待鉴别样品的预测值与山参属性代码匹配时，鉴定为山参，当待鉴别样品的预测值与工艺参属性代码匹配时，鉴定为工艺参。

所述的光谱数据具体指山参和工艺参的芦、体和须部位的光谱数据。

所述的将测得的光谱数据采用主成分分析法提取出主成分变量具体为：山参样品的光谱数据经主成分分析，当前n个主成分的累积贡献率达到99％以上，则提取前n个的主成分。

所述的数据预处理是指将采集直接得到的山参和工艺参的光谱数据中的杂散光及基线漂移去除。

本发明的工作原理：本发明一种近红外光谱无损鉴别山参真伪的方法，应用近红外光纤附件，将光纤探头对准待测位置，分别对山参的芦、体和须部位进行近红外光谱采集，将采集的全部数据作为神经网络的输入，不仅计算量大，增加了建模难度，而且容易导致神经网络的训练时间过长，模型难以收敛；另一方面，无关的噪声信息也会融入到模型中反而降低了模型的预测精度，因此，需要根据工艺参人工粘合部位的异常光谱信息选择敏感波段，确定少量数据点，随后根据主成分分析法将光谱数据降维，消除众多信息中相互重叠的信息部分，经主成分分析后，提取光谱数据的主成分变量，其中前n个主成分的累积贡献率达到99％，则选取前n个主成分作为神经网络的输入变量，根据光谱数据设定属性设定代码，建立BP人工神经网络模型，采集待鉴别样品芦、体和须部位的光谱数据，将测得的待鉴别样品的光谱数据经建立的BP人工神经网络进行仿真，得到待鉴别样品的属性预测值，当待鉴别样品的属性预测值与山参的属性代码匹配时，鉴定为山参；若与工艺参的属性预测值匹配时，鉴定为工艺参。