摻偽寧夏枸杞近紅外光譜鑒別

張 軒， 高 磊， 何保宏， 徐美隆， 李永華

（1.寧夏林業(yè)研究院股份有限公司，寧夏 銀川750004；2.國家林業(yè)局經(jīng)濟(jì)林產(chǎn)品質(zhì)量檢驗檢測中心，寧夏 銀川750004）

《中國藥典》［1］僅將寧夏枸杞Lycium barbarum L.定義為入藥枸杞［2］，而寧夏回族自治區(qū)是寧夏枸杞唯一的道地性產(chǎn)地［3］。其市場需求量很大，但來源混亂且真?zhèn)坞y辨，經(jīng)常出現(xiàn)其他產(chǎn)地、其他品種枸杞冒充、混摻寧夏枸杞的現(xiàn)象。目前已有紅外［4-5］和近紅外［6-8］光譜等技術(shù)應(yīng)用于不同產(chǎn)地枸杞定性鑒別的研究［9］，但未見針對摻偽寧夏枸杞的近紅外光譜鑒別相關(guān)報道。本研究將寧夏枸杞與其他產(chǎn)地枸杞按比例混合以模擬摻雜其他產(chǎn)地枸杞的摻偽寧夏枸杞，采用偏最小二乘法 （PLS）建立并優(yōu)化了近紅外光譜定量分析模型，實現(xiàn)寧夏枸杞及摻偽寧夏枸杞的快速定量鑒別。

1 儀器與材料

1.1 儀器 AntarisⅡ傅立葉變換近紅外光譜儀（美國Thermo Scientific公司），附帶積分球漫反射附件及TQ Analyst 9.0分析軟件；ST-02 A多功能粉碎機(jī) （上海樹立儀器儀表有限公司）。

1.2 材料 部分枸杞樣本由寧夏枸杞產(chǎn)業(yè)發(fā)展中心、寧夏森淼枸杞科技開發(fā)有限公司提供，其他枸杞樣本采集于青海省海西蒙古族藏族自治州格爾木市、都蘭縣，甘肅省白銀市靖遠(yuǎn)縣、酒泉市瓜州縣，新疆維吾爾自治區(qū)博爾塔拉蒙古自治州精河縣、伊犁哈薩克自治州塔城地區(qū)，以及內(nèi)蒙古自治區(qū)巴彥淖爾市。本研究中寧夏枸杞特指符合GB／T 19742［10］保護(hù)范圍內(nèi)種植的寧夏枸杞 Lycium barbarum L.，該保護(hù)范圍外種植的寧夏枸杞、中華枸杞Lycium chinense Mill.、新疆枸杞Lycium dasystemum Pojark.、北方枸杞Lycium potaninii Pojark.等統(tǒng)稱為其他產(chǎn)地枸杞，以種植省份區(qū)分。

將寧夏枸杞與青海、甘肅、新疆、內(nèi)蒙古等其他產(chǎn)地枸杞按一定比例混合以模擬摻雜其他產(chǎn)地枸杞的摻偽寧夏枸杞，將寧夏枸杞在摻偽樣本中的質(zhì)量分?jǐn)?shù)定義為寧夏枸杞含有量，同時將純寧夏枸杞的含有量定義為100%，純其他產(chǎn)地枸杞的含有量定義為0%。摻偽樣本含有量由摻雜比例計算得到，控制摻雜比例使摻偽樣本含有量在5%～95%范圍內(nèi)梯度分布。使用寧夏枸杞樣本12個分別與青海4個、甘肅4個、新疆2個、內(nèi)蒙古2個共計12個其他產(chǎn)地枸杞摻偽，得到寧夏／青海、寧夏／甘肅、寧夏／新疆、寧夏／內(nèi)蒙古等摻偽寧夏枸杞樣本96個。從以上共計120個樣本中隨機(jī)選取100個作為校正集，剩余20個作為驗證集。

將所有枸杞樣本于冰箱中－18℃下冷凍12 h后取出，用粉碎機(jī)將樣本粉碎成粉末，無需過篩，冷凍儲藏待用。

2 方法與結(jié)果

2.1 近紅外光譜測定 所有樣本依次轉(zhuǎn)移至石英樣本杯 （附帶旋轉(zhuǎn)器）中，直接利用積分球漫反射附件測定其近紅外漫反射光譜。光譜測定條件為光譜范圍為4 000～10 000 cm－1； 分辨率為 8 cm－1；掃描次數(shù)為32次。寧夏枸杞和不同產(chǎn)地?fù)絺螌幭蔫坭降脑冀t外光譜，見圖1。

2.2 定量鑒別模型 利用TQ Analyst 9.0分析軟件建立鑒別模型，選用偏最小二乘法 （PLS）作為定量分析方法，結(jié)合內(nèi)部交叉驗證方法建立模型，以交叉驗證相關(guān)系數(shù) （CCC）、交叉驗證均方差（RMSEC）和預(yù)測均方差 （RMSEP）、預(yù)測相關(guān)系數(shù) （CCP）評估鑒別模型性能。優(yōu)化模型參數(shù)并結(jié)合不同光譜預(yù)處理方法以使相應(yīng)模型的CCC、CCP較高而RMSEC、RMSEP較低則為最優(yōu)化建模方法［11］。

2.3 光譜范圍選擇 分析近紅外光譜時可以選擇全譜分析，也可以只選擇含有特征吸收峰的部分波數(shù)段光譜進(jìn)行分析。為了有效提取特征光譜信息，原始光譜經(jīng)二階導(dǎo)數(shù)處理后，見圖2，分別考察不同波數(shù)范圍選取對于模型性能的影響，見表1。表明選取4 100～9 900 cm－1作為光譜分析特征波段，相應(yīng)模型性能最優(yōu)，原因是此波段完全涵蓋樣本特征信息，并且避開了測量端區(qū)噪音信號干擾。本研究中，定量模型建立的光譜范圍確定為4 100～9 900 cm－1。

2.4 光譜預(yù)處理 近紅外光譜分析時，為了提高信噪比和消除基線漂移等，通常需要對原始光譜進(jìn)行適當(dāng)預(yù)處理，常用的預(yù)處理方法有一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、Savitzky-Golay平滑、Norris Derivative平滑、多元散射校正 （MSC）、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）等。結(jié)合上述方法對摻偽寧夏枸杞樣本近紅外光譜進(jìn)行預(yù)處理，由相應(yīng)模型參數(shù)，見表2，可見采用二階導(dǎo)數(shù)／MSC／Savitzky-Golay（7，3） 平滑的預(yù)處理方法可以得到最優(yōu)分析模型，因此選定此預(yù)處理方法建立定量鑒別模型。

2.5 主因子數(shù) 在已確定的光譜預(yù)處理方法和所選波段內(nèi)，以RMSEC、RMSEP值來確定最佳主因子數(shù)，RMSEC、RMSEP值最小或達(dá)到一固定水平的第一點(diǎn)時的主因子數(shù)為最佳主因子數(shù)，相應(yīng)模型的預(yù)測能力最佳。模型RMSEC及RMSEP隨主因子數(shù)的變化曲線，見圖3，表明主因子數(shù)為10時模型預(yù)測能力最好［12-13］。

表2 不同光譜預(yù)處理對模型性能的影響Tab.2 Effects of different spectral pretreatments on performance of calibration models

2.6 定量鑒別模型建立 最優(yōu)化偏最小二乘法定量鑒別模型建模參數(shù)為光譜范圍4 100～9 900 cm－1；光譜預(yù)處理方法為二階導(dǎo)數(shù)／MSC／Savitzky-Golay（7，3）平滑；主因子數(shù)為10。定量鑒別模型校正結(jié)果見圖4，模型交叉驗證相關(guān)系數(shù)為0.999 0，交叉驗證均方差為1.33。通過對外部驗證樣本的預(yù)測來考察所建模型的準(zhǔn)確性，模型對于驗證集20個驗證樣本預(yù)測均方差為3.85，預(yù)測相關(guān)系數(shù)為0.994 1，平均預(yù)測偏差為3.2%，最大預(yù)測偏差為7.7%，見表3。表明所建鑒別模型可通過預(yù)測枸杞樣本含有量來鑒別待測樣本是否為寧夏枸杞 （含有量約為100%）或摻偽寧夏枸杞（含有量不足100%），針對摻偽寧夏枸杞可定量判定摻偽比例。

圖3 交叉驗證均方差、預(yù)測均方差隨主因子數(shù)的變化Fig.3 Changes of RMSEC and RMSEP with main factor numbers

圖4 定量分析模型校正結(jié)果Fig.4 Calibration results of quantitative analysis model

表3 定量分析模型驗證結(jié)果 （%）Tab.3 Validation results of quantitative analysis model（% ）

3 結(jié)論

對近紅外光譜結(jié)合偏最小二乘法建模快速定量鑒別摻偽寧夏枸杞進(jìn)行了初步研究，以寧夏枸杞與其他產(chǎn)地枸杞按比例混合模擬摻偽寧夏枸杞，建立了摻偽寧夏枸杞含有量與近紅外光譜之間的校正模型。結(jié)果表明，采用適宜的波段和光譜預(yù)處理方法，應(yīng)用近紅外光譜結(jié)合偏最小二乘法建模可以對摻偽寧夏枸杞含有量進(jìn)行預(yù)測。模型的交叉驗證均方差為1.33，交叉驗證相關(guān)系數(shù)為0.999 0。初步驗證了模型準(zhǔn)確性，驗證集預(yù)測均方差為3.85，相關(guān)系數(shù)0.994 1。針對寧夏枸杞市場經(jīng)常出現(xiàn)混摻現(xiàn)象而缺乏有效鑒別手段的現(xiàn)狀，模型能夠?qū)崿F(xiàn)對于摻偽寧夏枸杞快速篩查的目的。