高光譜成像儀在茯苓產(chǎn)地鑒別中的應(yīng)用

傳統(tǒng)鑒別茯苓產(chǎn)地的方法，多依賴主觀判斷，像觀察形態(tài)、咀嚼感受口感、嗅聞氣味、掂量質(zhì)地等。這類方法易受主觀因素干擾，難以形成統(tǒng)一規(guī)范并廣泛推廣。借助測量化合物含量鑒別產(chǎn)地的方法，如 HPLC、紫外分光光度法、UPLC - QTOF - MS/MS 等，需要將樣品粉碎配制成溶液進行測量。但這些方法受場地、儀器、材料價格、專業(yè)人員等條件限制，存在耗時久、成本高、樣品無法還原等問題。因此，迫切需要一種快速、便捷、耗時短且操作簡單的茯苓產(chǎn)地鑒別方法，高光譜成像技術(shù)應(yīng)運而生。

高光譜成像儀在茯苓產(chǎn)地鑒別中的應(yīng)用

1. 樣品選擇：廣泛搜集不同區(qū)域的茯苓產(chǎn)品，每個區(qū)域選取多塊茯苓，以此確保測試數(shù)據(jù)的準(zhǔn)確性與代表性。

2. 光譜數(shù)據(jù)采集：運用高光譜成像儀采集樣品光譜數(shù)據(jù)。采集時，需將環(huán)境溫度控制在 20℃，把茯苓樣品按規(guī)定放置于移動平臺，每次可同時掃描多個樣品。

3. 光譜數(shù)據(jù)處理

• 圖像校正：利用儀器自帶校正軟件，對收集到的原始高光譜圖像數(shù)據(jù)進行校正，消除儀器、電流等外部因素對樣品數(shù)據(jù)的干擾。

• ROI 區(qū)域提取：借助 ROI 工具，從校正后的高光譜圖像數(shù)據(jù)中，提取每個樣品感興趣區(qū)域的數(shù)據(jù)，用于后續(xù)處理。

• 光譜預(yù)處理：采用不同預(yù)處理方法，如 S - G 平滑法、一階導(dǎo)數(shù)法、二階導(dǎo)數(shù)法等，去除原始光譜數(shù)據(jù)中的干擾信息。

• 分類模型建立：運用偏最小二乘法辨別分析等不同分析方法，結(jié)合各類預(yù)處理方法，構(gòu)建茯苓產(chǎn)地識別模型。

• 模型評價：產(chǎn)地識別模型構(gòu)建完成后，通過不同組合訓(xùn)練集和預(yù)測集的準(zhǔn)確率來評估模型性能。不過在實際應(yīng)用中，若數(shù)據(jù)分組不均衡，單純依靠準(zhǔn)確率評估存在明顯缺陷。所以，需采用多種方法對模型進行綜合評價，以保障分類模型的精度。