近紅外光譜技術(shù)在寧夏枸杞子產(chǎn)地鑒別中的應(yīng)用研究

周海波 陳 林 閆永利

（寧夏出入境檢驗(yàn)檢疫局 寧夏銀川 750001）

近紅外光譜技術(shù)在寧夏枸杞子產(chǎn)地鑒別中的應(yīng)用研究

周海波 陳 林 閆永利*

（寧夏出入境檢驗(yàn)檢疫局 寧夏銀川 750001）

利用近紅外光譜技術(shù)對寧夏、新疆、青海、內(nèi)蒙的4 個(gè)不同產(chǎn)地427份枸杞子樣品進(jìn)行光譜掃描。在主成分分析基礎(chǔ)上利用判別分析法，在4500-9000 cm-1光譜波數(shù)范圍內(nèi)，光譜經(jīng)用二階導(dǎo)數(shù)，Norris derivative filt-5點(diǎn)平滑的預(yù)處理方法建立判別模型。結(jié)果表明：利用該模型可以將寧夏產(chǎn)地枸杞子與其他三地分開，且寧夏產(chǎn)地分別于新疆、內(nèi)蒙、青海產(chǎn)地比較，判別準(zhǔn)確率分別為98.3％、98.1％、 97.9％。表明該方法在枸杞子產(chǎn)地識(shí)別中具有可行性，能夠滿足寧夏產(chǎn)地枸杞子的鑒別需求。

枸杞子；近紅外光譜；產(chǎn)地鑒別

1 前言

近現(xiàn)代醫(yī)學(xué)研究表明，枸杞子（Lyciun barbarum Linn.）具有抗氧化、抗疲勞、降血脂、降血糖等多方面的藥理功效[1-3]。我國的枸杞屬植物共有7種3個(gè)變種，集中種植在寧夏、新疆、河北、內(nèi)蒙等地區(qū), 以寧夏產(chǎn)枸杞子最為上乘[4,5]。如何科學(xué)、快速地對不同產(chǎn)地的枸杞子進(jìn)行鑒別，以保證其質(zhì)量，促進(jìn)寧夏地區(qū)枸杞子貿(mào)易，已成為當(dāng)前研究的重要課題。近年來，已有SDS-聚丙烯酰胺凝膠電泳[6]和高效液相色譜技術(shù)[7]等用于區(qū)分不同產(chǎn)地、不同品種的枸杞子樣品，但這些方法存在前處理繁雜、耗時(shí)長、需要有機(jī)試劑、成本高等缺點(diǎn)。

近紅外光譜（NIR）分析技術(shù)以其速度快、

無需樣品預(yù)處理、不破壞樣品、操作簡單、穩(wěn)定性好、效率高、無污染、成本低等特點(diǎn), 目前在農(nóng)業(yè)品質(zhì)育種、農(nóng)牧產(chǎn)品品質(zhì)評(píng)價(jià)及產(chǎn)地鑒別、食品品質(zhì)分析中得到廣泛應(yīng)用，許多方法已經(jīng)成為AOAC、AACC、ICC的標(biāo)準(zhǔn)方法[8]。盡管已有學(xué)者利用NIR對人參[9]以及黃芩[10]、靈芝[11]、枸杞子[5,12]等多種中藥材的產(chǎn)地鑒別進(jìn)行了研究，但相對當(dāng)前的迫切程度，實(shí)際應(yīng)用技術(shù)依然較少，不能滿足當(dāng)前枸杞子市場的產(chǎn)地鑒別工作。本研究利用NIR儀采集枸杞子表面光譜，結(jié)合判別分析建立枸杞子NIR數(shù)據(jù)庫和寧夏枸杞子產(chǎn)地光譜模型，為枸杞子產(chǎn)地鑒別提供理論依據(jù)。

2 材料與方法

2.1 材料

2.1.1 樣品

枸杞子干燥成熟果實(shí)，分別產(chǎn)自寧夏、內(nèi)蒙古、新疆和青海。為增加模型的穩(wěn)定性和適用性，從每個(gè)產(chǎn)地中隨機(jī)抽取不同顏色深淺、不同大小的枸杞子樣本，每份250g。其中：寧夏157份，內(nèi)蒙古103份，新疆83份，青海84份。

2.1.2 儀器

Nicolet Antaris II近紅外光譜儀：配備有積分球固體采樣模塊和透射分析模塊，儀器波長范圍為780-2500nm。

2.1.3 試劑

甲醇：色譜純，購于Fisher Scientific, Inc.

2.2 方法

2.2.1 光譜采集參數(shù)

分辨率：8.0cm-1；樣品掃描次數(shù)：32；增益：8％；使用標(biāo)準(zhǔn)光譜掃描范圍：4000.00-10000.00 cm-1；數(shù)據(jù)格式：吸光率；每小時(shí)采集1次背景頻率。

2.2.2 樣品光譜采集

光譜采集前，用載玻片將枸杞子表面壓平，然后將50g處理好的枸杞子樣品置于積分球窗口進(jìn)行光譜采集。為避免樣品間光譜干擾，每采集10個(gè)樣品，用甲醇清洗1次積分球窗口，晾干后繼續(xù)采集。

2.2.3 數(shù)據(jù)處理

采用與該光譜儀配套的TQ Analyst光譜數(shù)據(jù)處理軟件。分析方法為判別分析法（Discrimination analysis）；數(shù)據(jù)格式：second derivative；平滑方式：Smoothing/Norris derivative filt：segment 5，gap between segment 5；采用10個(gè)主成份進(jìn)行計(jì)算。

3 結(jié)果與討論

3.1 枸杞子的原始光譜圖

在建立枸杞子產(chǎn)地判別模型之前，為消除基線漂移、高頻隨機(jī)噪聲等因素對樣品NIR的影響，提高模型的預(yù)測準(zhǔn)確性和穩(wěn)定性，需要對光譜進(jìn)行預(yù)處理以獲得有用信息[13]。

不同產(chǎn)地枸杞子的NIR原始光譜圖見圖1，該原始光譜信息量較大，具有一定的代表性，達(dá)到了NIR預(yù)測的要求。枸杞子樣品成分含量不同以及噪聲等因素使得不同光譜存在差異，光譜之間的強(qiáng)度變化較明顯，但由于光譜信息重疊情況嚴(yán)重，各樣品的特征信息很難從峰位、峰強(qiáng)等方面直觀鑒別。因此，必須經(jīng)過數(shù)學(xué)方法處理提取特征信息后，才能利用NIR分析技術(shù)對枸杞子樣品進(jìn)行定性分析。采用平滑處理方法在4000.00-10000.00 cm-1全光譜波數(shù)范圍內(nèi)，比較Savitzky-Golay filter與Norris derivative filt方法平滑對光譜預(yù)處理的影響；同時(shí)，在平滑處理的基礎(chǔ)上對原始光譜分別進(jìn)行一階導(dǎo)數(shù)、二階導(dǎo)數(shù)等2種預(yù)處理方法。通過對比發(fā)現(xiàn)Norris derivative filt-5 點(diǎn)平滑效果優(yōu)于其他方法，二階導(dǎo)數(shù)的方法效果優(yōu)于一階導(dǎo)數(shù)預(yù)處理方法。因此，本研究最終采用二階導(dǎo)數(shù)，Norris derivative filt-5點(diǎn)平滑的預(yù)處理方法建立模型。

圖1 不同產(chǎn)地枸杞子的NIR原始光譜圖

3.2 波長范圍篩選

波長選擇一方面可以簡化模型，更主要的是由于不相關(guān)或非線性變量的剔除，可以得到預(yù)測能力強(qiáng)、穩(wěn)健性好的校正模型[14]。預(yù)處理后的枸杞子樣品NIR圖（見圖2 ）表明，枸杞子NIR比較粗糙，并且易受到外界雜散光影響，光譜兩端波段噪音較大。因此，在后續(xù)數(shù)據(jù)分析時(shí)采用4500-9000 cm-1這一波段建立模型，以增加模型的穩(wěn)健性。

圖2 預(yù)處理后的一個(gè)枸杞子樣品NIR圖

3.3 判別模型的建立

對原始光譜進(jìn)行二階導(dǎo)數(shù)和Norris derivative filt-5點(diǎn)平滑的預(yù)處理后，在4500-9000 cm-1光譜范圍內(nèi)對4個(gè)產(chǎn)地枸杞子樣品NIR進(jìn)行主成分分析，主成分?jǐn)?shù)選取10。全部427份樣品的樣品點(diǎn)在該二維平面上的投影見圖3，整個(gè)樣品集光譜矩陣的第一主成分、第二主成分的方差貢獻(xiàn)率分別為85.1％、14.0％，累計(jì)方差貢獻(xiàn)率大于99％，因此，樣本在二維平面的投影分布能夠充分反映樣品在多維空間的分布特征。

圖3 4個(gè)產(chǎn)地枸杞子樣品的主成分得分圖

圖3顯示，4個(gè)產(chǎn)地的樣品基本可以區(qū)分開，而寧夏與其他3個(gè)產(chǎn)地樣品可以明顯分開；其他3個(gè)產(chǎn)地的樣品分布較集中，且樣品有部分重疊。新疆、內(nèi)蒙、青海樣品分別與寧夏樣品判別分析得到的分類分布圖（見圖4）顯示，3地樣品均可以與寧夏樣品分開。統(tǒng)計(jì)結(jié)果（見表1）表明，新疆、內(nèi)蒙、青海樣品與寧夏樣品的判別準(zhǔn)確率分別為98.3％、98.1％、97.9％，且誤判為寧夏的枸杞子樣品僅有5份，所建立的寧夏產(chǎn)地判別模型基本能夠達(dá)到正確識(shí)別寧夏枸杞子樣品的目的。

4 結(jié)論

本研究利用NIR技術(shù)，采用主成分分析法結(jié)合判別分析法判別枸杞子產(chǎn)地，建立了枸杞子樣品的判別模型，該模型基本能夠正確識(shí)別4 個(gè)產(chǎn)地的枸杞子，尤其是可以將寧夏枸杞子與其他產(chǎn)地區(qū)分，且準(zhǔn)確率在95％以上。說明運(yùn)用NIR技術(shù)可以準(zhǔn)確、無損地對枸杞子品種進(jìn)行產(chǎn)地鑒別，能滿足實(shí)驗(yàn)室處理方法簡單、出入境檢驗(yàn)檢疫快速通關(guān)及國內(nèi)貿(mào)易產(chǎn)地判別的要求，具有廣闊的應(yīng)用前景。

表1 寧夏樣品分別與新疆、內(nèi)蒙、青海樣品比較的判別結(jié)果

圖4 新疆、內(nèi)蒙、青海樣品分別與寧夏樣品的判別分析分類分布圖

［1］魏智清，楊涓，談?dòng)榔?，? 不同采摘期寧夏枸杞葉降血糖作用的研究[J]. 時(shí)珍國醫(yī)國藥，2012，23(11)：2786-2787.

［2］李進(jìn)，李淑珍，馮文娟，等. 黑果枸杞葉總黃酮的體外抗氧化活性研究[J]. 食品科學(xué)，2010, 31(13)：259-262.

［3］馬婷婷，張旭，饒建華，等. 枸杞葉成分及藥理作用研究進(jìn)展[J]. 北方園藝，2011，13：194-196.

［4］白壽寧. 寧夏枸杞研究[M] . 銀川： 寧夏人民出版社, 1998.

［5］杜敏，鞏穎，林兆洲，等. 樣品表面近紅外光譜結(jié)合多類支持向量機(jī)快速鑒別枸杞子產(chǎn)地[J]. 光譜學(xué)與光譜分析，2013，3(5)：1211-1214.

［6］張曉薇. SDS-PAGE對不同產(chǎn)地及質(zhì)量枸杞的鑒別研究[J]. 光明中醫(yī)，2011，26(5)：917-918.

［7］張自萍，廖國玲，李弘武. 寧夏枸杞黃酮類化合物HPLC指紋圖譜研究[J]. 中草藥，2008，39(1)：103-105.

［8］王多加，周向陽，金同銘，等. 近紅外光譜檢測技術(shù)在農(nóng)業(yè)和食品分析上的應(yīng)用[J]. 光譜學(xué)與光譜分析，2004，24(4)：447-450.

［9］Woo Y A, Kim H J, Cho J H. Identification of Herbal Medicines Using Pattern Recognition Techniques with Near-Infrared Reflectance Spectra[J]. Microchemical journal, 1999, 63(1)：61-70.

［10］Li W, Xing L, Cai Y, et al. Classification and quantification analysis of Radix scutellariae from different origins with near infrared diffuse reflection spectroscopy[J]. Vibrational Spectroscopy, 2011, 55(1)：58-64.

［11］劉志剛，李德仁，秦前清，等. 支持向量機(jī)在多類分類問題中的推廣[J]. 計(jì)算機(jī)工程與運(yùn)用，2004，40(7)： 10-13.

［12］湯麗華，劉敦華. 基于近紅外光譜技術(shù)的枸杞產(chǎn)地溯源研究[J].食品科學(xué)，2011， 32(22)：175-178.

［13］張曉炎. 基于近紅外光譜的柑桔產(chǎn)地溯源及橙汁摻假識(shí)別研究[D]. 重慶： 西南大學(xué)博士論文，2010.

［14］褚小立，袁洪福，陸婉珍. 近紅外分析中光譜預(yù)處理及波長選擇方法進(jìn)展與應(yīng)用[J]. 化學(xué)進(jìn)展，2004，16(4)： 529-531.

Origin Identif cation of Chinese Wolfberry from Ningxia Using Infrared-Based Discrimination Analysis

Zhou Haibo, Chen Lin, Yan Yongli*
(Ningxia Entry-Exit Inspection and Quarantine Bureau, Yinchuan, Ningxia, 750001)

427 Chinese wolfberry samples from 4 different regions of China were scanned by near infrared spectrometer. The original spectra were preprocessed by the second derivative, norris derivative f lt-5 point smoothing and discrimination analysis and were subjected to principle component analysis over the wave number range of 4500-9000 cm-1. The results revealed that Chinese wolfberry from Ningxia and other place can be distinguished by the discriminant model. Compared Ningxia with Xinjiang, Neimeng and Qinghai, precision rate of discriminant was 98.3％, 98.1％, 97.9％, respectively. These results supported the feasibility of applying NIR to identify the geographic origin of Chinese wolfberry from Ningxia.

Chinese Wolfberry；Near Infrared Spectroscopy；Origin Identif cation

∶ 寧夏科技支撐計(jì)劃項(xiàng)目（寧夏枸杞揮發(fā)性次生物質(zhì)鑒定及其生態(tài)功能研究）；2013年度留學(xué)人員科技活動(dòng)項(xiàng)目擇優(yōu)

資助項(xiàng)目（E-β-法尼烯對寧夏枸杞蚜蟲的生態(tài)功能評(píng)估）；寧夏科技廳科技公關(guān)項(xiàng)目（枸杞真實(shí)屬性表征與特征及枸杞產(chǎn)地識(shí)別技術(shù)研究）

*通訊作者E-mail∶ yanyl@nxciq.gov.cn

O657.33