[发明专利]基于核函数优化的甘草近红外光谱分析模型构建方法及甘草质量评价方法

说明书

本发明公开了一种基于核函数优化的甘草近红外光谱分析模型构建方法及甘草质量评价方法，包括：首先根据采集的甘草光谱数据以及样本参比值建立样本数据库；选择径向基、多项式以及广义T学生函数分别作为核主成分分析的核函数实现高维光谱数据的特征提取；以此为基础，选择径向基函数作为核偏最小二乘模型的核函数。同时采用遗传算法优化核函数的相关超参数，建立甘草近红外光谱分析模型，将品质评价问题转化为回归问题，对甘草质量进行分析。本发明不仅具有操作简单、无损等优点，且保证了甘草质量的安全、有效。

技术领域

本发明属于近红外光谱分析检测技术领域，涉及甘草药材近红外光谱检测和分析模型构建方法。

背景技术

甘草，又称甜草根、蜜草，为豆科植物甘草Glycyrrhiza uralensis Fisch.的根和根茎，具有补脾益气、祛痰止咳、缓急止痛等药用价值。目前市场上的甘草药材也多为人工种植，由于种植方式的多样化以及种植环境的差异性导致甘草质量参差不齐，影响治疗效果。目前甘草质量评价方法主要有人工经验法和超微形态法、DNA条形码鉴定法、高效液相色谱法等方法，存在受主观因素影响较大、操作复杂、分析周期长、需要消耗大量试剂等弊端。

近红外光谱分析技术是通过物质对近红外光的吸收而建立起来的一种快速分析方法，具有分析速度快、无损、样品无需预处理等诸多优势。利用近红外光谱技术结合化学计量学，可实现甘草成分含量的快速预测，为甘草质量评价提供参考。

发明内容

本发明的目的在于提供一种基于核函数优化的甘草近红外光谱分析模型构建方法及甘草质量评价方法。

为实现上述目的，本发明采用如下技术方案：

基于核函数优化的甘草近红外光谱分析模型构建方法，包括如下步骤：

步骤1：收集甘草样本，并进行编号；

步骤2：对于步骤1收集到的甘草，选取甘草酸铵作为甘草的质量控制指标，并进行其含量测定；

步骤3：获得甘草样本对应的近红外光谱数据；

步骤4：单个样本数据包括样本的近红外光谱数据和甘草酸铵含量，将样本数据集划分为训练集与测试集；

步骤5：将训练集作为核主成分分析-核偏最小二乘回归模型的输入，利用遗传算法进行核函数参数寻优，得到具有最佳参数的核主成分分析-核偏最小二乘模型；

步骤6：利用训练好的核主成分分析-核偏最小二乘模型对测试集样本进行预测，基于预测均方根误差PRMSE、相对误差PRSE和相关系数指标R评估预测值与实际值的相关性。

优选的，步骤3中所述近红外光谱扫描条件为：光谱范围为10001.03cm^-1-3999.6400cm^-1，分辨率为4cm^-1，扫描次数64次，取平均值作为甘草样本的原始光谱；环境条件为温度22℃±0.5℃，相对湿度40％±2％。

优选的，步骤5中，采用径向基函数作为核主成分分析的核函数，其模型为：

K(x_i,x_j)＝exp(-|x_i-x_j|²/2σ₁²)

优选的，步骤5中，采用多项式函数作为核主成分分析的核函数，其模型为：

K(x_i,x_j)＝(x_i^Tx_j)^d

优选的，步骤5中，采用广义T学生函数作为核主成分分析的核函数，其模型为：