基于近紅外光譜技術(shù)與優(yōu)化光譜預(yù)處理的陳皮產(chǎn)地鑒別研究

余 梅，李尚科，楊 菲，鄭 郁*，李 跑,3*，蔣立文，劉 霞

(1.湖南農(nóng)業(yè)大學(xué) 食品科學(xué)與技術(shù)學(xué)院 食品科學(xué)與生物技術(shù)湖南省重點實驗室，湖南 長沙 410128；2.湖南 師范大學(xué) 醫(yī)學(xué)院，湖南 長沙 410013；3.湖南省農(nóng)業(yè)科學(xué)院 湖南省農(nóng)產(chǎn)品加工研究所，湖南 長沙 410125)

陳皮源自蕓香科植物橘(Citrus reticulate Blanco)，是由成熟柑橘果實皮經(jīng)長時間干燥貯藏而制成的一種中藥材，素有“千年人參、百年陳皮”一說。陳皮中含有豐富的黃酮類、揮發(fā)油類、多糖和微量元素等物質(zhì)，在抗炎、抗氧、抗腫瘤、抗病毒及抗動脈粥樣硬化等方面發(fā)揮著重大作用[1]。受生長環(huán)境(氣候、雨水、光照及土壤等)的影響，不同產(chǎn)地的陳皮在藥理作用和化學(xué)成分的積累上均有差別。通過對不同產(chǎn)地陳皮的調(diào)查研究發(fā)現(xiàn)，廣東新會陳皮在臨床應(yīng)用與藥效功能方面與其它陳皮有顯著差別，其市場價格也遠(yuǎn)高于一般陳皮。近年來，在以市場利益為主導(dǎo)的大環(huán)境下，有不少商家利用陳皮在外觀上的相似性，以次充好、以假亂真，嚴(yán)重?fù)p害了消費者的利益。當(dāng)前對于陳皮產(chǎn)地的鑒別手段主要有感官檢測與理化分析法。前者主要是靠經(jīng)驗豐富的工作人員根據(jù)顏色、形狀、氣味等差異對不同陳皮進(jìn)行鑒別，該方法雖然操作簡便，但易受主觀條件及客觀環(huán)境因素的干擾，其準(zhǔn)確度有待提高。理化分析方法主要是通過檢測陳皮中各成分含量進(jìn)行鑒別，Liu等[2]將高效薄層色譜法(HPTLC)與高效液相色譜法(HPLC)結(jié)合，對陳皮中的鄰氨基苯甲酸二甲酯進(jìn)行測定，實現(xiàn)了不同產(chǎn)地陳皮的鑒別分析。Lv等[3]采用頂空/氣相色譜-離子遷移譜法(HS/GC-IMS)測定了陳皮中揮發(fā)性有機酸的含量，實現(xiàn)了不同產(chǎn)地陳皮的鑒別。但是此類分析法操作繁瑣、樣品前處理復(fù)雜、實驗周期較長、檢測成本高，且對樣品進(jìn)行了破壞性前處理，影響了產(chǎn)品的二次銷售[4]。因此開發(fā)一種快速、準(zhǔn)確的陳皮產(chǎn)地鑒別方法至關(guān)重要。

近紅外光譜技術(shù)是一種光譜波長介于可見光譜區(qū)和中紅外光譜區(qū)之間的電磁波技術(shù)，波長在780～2 500 nm 范圍，波數(shù)為4 000～12 000 cm-1，可直接實現(xiàn)復(fù)雜樣品成分的定性與定量分析。與傳統(tǒng)分析方法相比，近紅外光譜技術(shù)具備操作簡單、檢測成本低及分析速度快的優(yōu)點，被廣泛應(yīng)用于食品、石油、醫(yī)藥、煙草等相關(guān)領(lǐng)域樣品的分析[5-7]。目前有關(guān)近紅外光譜檢測技術(shù)對陳皮的研究以成分檢測、產(chǎn)地鑒別與品種識別為主，本課題組[8]通過近紅外光譜技術(shù)采集了不同年份陳皮的光譜，利用單一預(yù)處理及優(yōu)化預(yù)處理方法對光譜數(shù)據(jù)進(jìn)行處理，最后結(jié)合線性判別分析方法成功實現(xiàn)了不同年份陳皮的鑒別分析。孫素琴等[9]利用傅里葉變換紅外光譜法對7個產(chǎn)地陳皮中的揮發(fā)油進(jìn)行分析，根據(jù)不同成分峰高比值的不同實現(xiàn)了新會陳皮和廣西陳皮的鑒別分析。然而不同產(chǎn)地陳皮在顏色、形狀、厚度等方面的差異較小，目前有關(guān)不同產(chǎn)地陳皮無損鑒別的研究也相對匱乏。此外，在采集光譜過程中，由于受儀器或樣品自身的干擾，原始光譜中存在譜峰重疊、基線漂移等干擾，建立的模型穩(wěn)定性差，精確度不高[7]，通常需要結(jié)合合適的化學(xué)計量學(xué)方法如去趨勢校正(DT)[10]、去偏校正(De-bias)[11]、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)[12]、多元散射校正(MSC)[12]、最大最小歸一化(Min-Max)[13]、一階導(dǎo)數(shù)(1st)[14]、二階導(dǎo)數(shù)(2nd)[14]和連續(xù)小波變換(CWT)[15]等對光譜進(jìn)行預(yù)處理。每種預(yù)處理消除的干擾不同，如DT主要用于消除光譜中存在的基線漂移等現(xiàn)象；De-bias可消除儀器狀態(tài)、測試環(huán)境、光程變化等對光譜造成的干擾；SNV與MSC主要用于消除光譜中的光散射干擾問題；Min-Max用于消除光譜的絕對吸收值及多余信息，以增加樣品之間的差異，提高模型的穩(wěn)健性和預(yù)測能力；而1st、2nd及CWT常用于消除光譜中存在的背景干擾等。褚小立等[16]對常見的近紅外光譜預(yù)處理方法進(jìn)行了詳細(xì)總結(jié)，并給出了這些方法的具體算法以及一些應(yīng)用實例。但由于近紅外光譜的復(fù)雜性，僅用一種預(yù)處理方法難以達(dá)到理想的效果。卞?；鄣萚17-18]發(fā)現(xiàn)，采用合適的預(yù)處理組合方法可以提高建模效果，對于不同數(shù)據(jù)集，得到的最佳預(yù)處理組合也不相同，對已有預(yù)處理方法按照預(yù)處理目的進(jìn)行分類再排列組合是選擇最佳預(yù)處理方法的一種有效途徑。

為了實現(xiàn)不同產(chǎn)地陳皮的無損鑒別分析，本研究利用近紅外光譜技術(shù)采集了四川、福建及廣東新會陳皮內(nèi)側(cè)和外側(cè)的近紅外光譜數(shù)據(jù)，以8種單一預(yù)處理及預(yù)處理組合的形式對光譜數(shù)據(jù)進(jìn)行處理，結(jié)合主成分分析法(PCA)建立了陳皮產(chǎn)地的鑒別模型。通過考察單一預(yù)處理與組合預(yù)處理的鑒別結(jié)果，篩選出陳皮產(chǎn)地鑒別的最優(yōu)預(yù)處理方法并建立可靠的鑒別模型，實現(xiàn)了不同產(chǎn)地陳皮的快速無損鑒別。

1 實驗部分

1.1 儀器與材料

賽默飛世爾科技Antaris Ⅱ傅里葉變換近紅外光譜儀，光譜預(yù)處理與鑒別分析由MATLAB R2010b(The Mathworks,Natick,USA)軟件實現(xiàn)。

于藥店購買廣東新會、四川及福建3個地區(qū)的陳皮樣品，以一片完整陳皮為1個樣本，每個產(chǎn)地的陳皮取10個樣本，共計30個樣本，依次為新會(黑)、四川(紅)、福建(藍(lán))。

1.2 光譜采集

本次實驗在常溫條件下進(jìn)行，采用的近紅外波數(shù)范圍為4 000～10 000 cm-1，最小間隔約為4 cm-1，共采集1 557個數(shù)據(jù)點。為保證光譜測量的準(zhǔn)確性，每一樣本重復(fù)測量3次，取平均值作為該樣本的原始光譜。

表1 3類預(yù)處理方法Table 1 Three types of pretreatment methods

1.3 聚類分析與光譜預(yù)處理

將3個地區(qū)的陳皮樣品數(shù)據(jù)按照Kennard-Stone方法以8∶2的比例分組選取校正集和預(yù)測集。將DT、De-bias、SNV、MSC、Min-Max、1st、2nd和CWT 8種預(yù)處理方法按功能分成3類(表1)。采用單一預(yù)處理、兩個預(yù)處理組合及3個預(yù)處理組合的方法共計119種方法對光譜進(jìn)行處理，其中CWT采用范圍為20的“haar”小波基；1st和2nd方法采用Savitzky-Golay平滑求導(dǎo)，結(jié)合鑒別率選取最優(yōu)窗口參數(shù)為17。表2給出了119種預(yù)處理方法。最后結(jié)合PCA分析計算對應(yīng)的鑒別率，實現(xiàn)對不同產(chǎn)地陳皮的無損鑒別分析。

表2 119種預(yù)處理方法Table 2 119 pretreatment methods

(續(xù)表2)

2 結(jié)果與討論

2.1 不同產(chǎn)地陳皮原始光譜分析

為了實現(xiàn)不同產(chǎn)地陳皮的快速無損鑒別，采集了不同地區(qū)陳皮的近紅外光譜。圖1A為對不同產(chǎn)地陳皮樣品的外側(cè)測量3次取平均后得到的原始光譜圖，可以清楚地看到光譜曲線趨勢一致，且大多具有相同或相似的吸收峰，但大部分譜線有重疊現(xiàn)象，同時光譜存在較為嚴(yán)重的背景干擾和基線漂移問題。其原因可能是，陳皮外側(cè)表皮凹凸不平導(dǎo)致其光譜在采集的過程中出現(xiàn)了明顯的散射干擾。由于譜峰重疊且背景干擾嚴(yán)重，故較難從原始光譜中找到不同產(chǎn)地陳皮的差異信息。

為了消除這些由樣品自身或儀器引起的背景以及基線漂移等干擾，分別對圖1A的原始光譜數(shù)據(jù)進(jìn)行多種單一光譜預(yù)處理。圖1B～I(xiàn)分別為采用DT、De-bias、SNV、MSC、Min-Max、1st、2nd及CWT預(yù)處理后的光譜圖。可見，經(jīng)DT與De-bias方法預(yù)處理后，基線干擾得到明顯消除(圖1B，C)，SNV與MSC方法處理后可消除光散射及基線漂移的干擾(圖1D，E)；Min-Max預(yù)處理后的光譜消除了數(shù)據(jù)尺度差異過大帶來的不良影響，但仍存在明顯的譜峰重疊問題(圖1F)；采用1st與2nd進(jìn)行預(yù)處理可以消除光譜中的背景干擾，但同時在10 000～7 000 cm-1范圍引入了一定的噪聲干擾(圖1G，H)；運用CWT方法對光譜進(jìn)行預(yù)處理后，背景干擾得以消除，譜峰信息更加明確，在7 000、5 500 cm-1兩處有明顯的吸收峰(圖1I)。

2.2 基于單一光譜預(yù)處理的不同產(chǎn)地陳皮鑒別分析

圖2給出了陳皮內(nèi)、外側(cè)光譜校正集和預(yù)測集的鑒別率。從圖2A(內(nèi)側(cè)校正集)可見，內(nèi)側(cè)原始光譜數(shù)據(jù)的鑒別率只有12.5%，光譜數(shù)據(jù)經(jīng)DT、De-bias與Min-Max預(yù)處理后的鑒別率均提高至83.33%；采用SNV、MSC、1st、2nd和CWT預(yù)處理后鑒別率均提高至91.67%；圖2B(內(nèi)側(cè)預(yù)測集)中，經(jīng)1st與2nd預(yù)處理后的鑒別率分別為83.33%和66.67%；運用DT、De-bias、SNV、MSC、Min-Max與CWT預(yù)處理后鑒別率均達(dá)到100%。圖2C與圖2D分別為陳皮外側(cè)校正集與預(yù)測集的鑒別結(jié)果，其原始數(shù)據(jù)的鑒別率均在50%以上，校正集與預(yù)測集在經(jīng)DT、De-bias、1st、2nd與CWT方法處理后的鑒別率均略有下降，SNV與MSC預(yù)處理后的鑒別率與原始光譜結(jié)果一致，僅通過Min-Max預(yù)處理后的校正集與預(yù)測集鑒別結(jié)果得到了提高，鑒別率分別為70.83%和66.67%。以上結(jié)果說明，采用合適的預(yù)處理方法可以扣除多種干擾，進(jìn)而挖掘到光譜中隱藏的有用信息，提高鑒別準(zhǔn)確率。但預(yù)處理選擇不當(dāng)可能會扣除光譜中的有用信息，導(dǎo)致鑒別率降低。由于陳皮內(nèi)側(cè)和外側(cè)光譜中存在的干擾情況不同，且不同預(yù)處理方法只能解決光譜中某一類干擾問題，故選用的最佳預(yù)處理方法有所差異。同時結(jié)果表明僅用單一預(yù)處理方法無法實現(xiàn)對陳皮產(chǎn)地的準(zhǔn)確鑒別分析。

2.3 基于兩種預(yù)處理方法組合的不同產(chǎn)地陳皮鑒別分析

采用兩種預(yù)處理方法組合方式以進(jìn)一步消除光譜中的干擾，提高鑒別率。表2詳細(xì)介紹了38種不同的組合方式。圖3A、圖3B分別為陳皮內(nèi)側(cè)光譜經(jīng)兩種預(yù)處理組合處理后校正集和預(yù)測集的鑒別結(jié)果，在38種組合中，DT+Min-Max組合預(yù)處理(No.32)的鑒別結(jié)果最優(yōu)，其鑒別率為95.83%。同時，考察了同一種預(yù)處理不同組合順序?qū)﹁b別結(jié)果的影響，采用Min-Max+DT的組合對光譜數(shù)據(jù)進(jìn)行預(yù)處理，其鑒別率為91.67%，表明預(yù)處理的組合順序不同鑒別結(jié)果也會有所差異。其余37種組合中除Min-Max+DT、Min-Max+SNV、Min-Max+MSC與CWT+De-bias 4組組合的鑒別率與單一鑒別結(jié)果一致外，其他組合的鑒別率相對于單一預(yù)處理結(jié)果均降低。圖3C與圖3D分別為陳皮外側(cè)光譜經(jīng)兩種預(yù)處理組合處理后校正集和預(yù)測集的鑒別結(jié)果。校正集與預(yù)測集中共有9組組合(SNV+1st、1st+MSC、CWT+SNV、1st+SNV、SNV+CWT、Min-Max+1st、Min-Max+CWT、MSC+CWT與CWT+MSC)鑒別率達(dá)到100%，這是由于SNV與MSC有效扣除了由顆粒大小引起的散射現(xiàn)象，1st與CWT消除了基線漂移和背景干擾。

由于采用多種組合方法對光譜數(shù)據(jù)進(jìn)行處理時扣除掉了光譜中更多無用的信息，使有效信息被提取出來，從而提高了鑒別率。對于陳皮外側(cè)光譜數(shù)據(jù)，僅用兩個預(yù)處理組合的形式即可實現(xiàn)100%鑒別，但內(nèi)側(cè)光譜數(shù)據(jù)中由于存在較多相似信息，僅用現(xiàn)有的兩個組合形式無法達(dá)到100%的鑒別；同時，同一種預(yù)處理方法的不同組合順序得到的結(jié)果也不相同。

2.4 基于3種預(yù)處理方法組合的不同產(chǎn)地陳皮鑒別分析

在兩個組合預(yù)處理之后，基于內(nèi)側(cè)數(shù)據(jù)仍無法實現(xiàn)陳皮產(chǎn)地的準(zhǔn)確鑒別分析，可能是因為不同產(chǎn)地陳皮的內(nèi)側(cè)光譜相似性較大，且光譜中存在多種干擾，僅用兩個組合預(yù)處理方法無法得到理想的效果。因此以求導(dǎo)+散射+尺度化等形式進(jìn)行3種預(yù)處理方法組合，并對光譜數(shù)據(jù)進(jìn)行預(yù)處理，表2中給出了72種不同的組合方式。圖4A、圖4B為3種預(yù)處理方法組合對陳皮內(nèi)側(cè)光譜數(shù)據(jù)預(yù)處理后的鑒別結(jié)果，由圖4A(陳皮內(nèi)側(cè)光譜校正集)可知，在72種組合中以1st+Min-Max+MSC、CWT+Min-Max+MSC、Min-Max+1st+MSC和Min-Max+CWT+MSC 4種組合預(yù)處理后的結(jié)果最佳，鑒別率均為87.50%，與單一預(yù)處理結(jié)果的91.67%和兩個組合預(yù)處理結(jié)果的95.83%相比，其鑒別率有所下降。出現(xiàn)這種情況的原因可能是采用多種預(yù)處理時扣除了光譜數(shù)據(jù)中的有用信息，導(dǎo)致鑒別率降低。由圖4B(陳皮內(nèi)側(cè)光譜預(yù)測集)可知，CWT+Min-Max+MSC、Min-Max+1st+MSC等19種組合實現(xiàn)了100%的鑒別。

通常認(rèn)為采用多種預(yù)處理組合會消除光譜中存在的多種干擾，得到更好的結(jié)果，但從陳皮內(nèi)側(cè)數(shù)據(jù)結(jié)果來看，過多預(yù)處理在去除無效信息的同時也扣除了有用信息，從而降低了鑒別準(zhǔn)確率。

2.5 基于優(yōu)化預(yù)處理方法的主成分分析

圖5給出了原始光譜及最優(yōu)組合預(yù)處理的PCA結(jié)果，可見基于PC1與PC2的累計方差貢獻(xiàn)率在80%以上，因此選用PC1及PC2進(jìn)行PCA分析。從陳皮內(nèi)側(cè)(圖5A)和外側(cè)(圖5B)原始光譜圖的PCA結(jié)果可見，圖5A中只有四川陳皮校正集中的3個樣本得到了準(zhǔn)確鑒別，其余產(chǎn)地陳皮的置信橢圓呈相互交錯狀態(tài)，其內(nèi)側(cè)數(shù)據(jù)的鑒別率僅為12.5%。圖5B中新會陳皮校正集4個樣本、四川陳皮校正集4個樣本及福建陳皮校正集3個樣本得到了準(zhǔn)確鑒別，陳皮外側(cè)數(shù)據(jù)得到的鑒別率僅為45.83%，故僅用原始光譜數(shù)據(jù)無法實現(xiàn)陳皮產(chǎn)地的準(zhǔn)確鑒別分析。圖5C和圖5D分別為基于DT+Min-Max預(yù)處理的內(nèi)側(cè)數(shù)據(jù)結(jié)果以及經(jīng)SNV+1st預(yù)處理后的外側(cè)數(shù)據(jù)結(jié)果。由圖5C可以明顯看到，福建陳皮與新會陳皮、四川陳皮的置信橢圓呈完全分離狀態(tài)，而新會陳皮與四川陳皮的置信橢圓存在一定的重疊情況，四川陳皮中有2個校正集樣本落入新會陳皮的置信橢圓內(nèi)，陳皮內(nèi)側(cè)數(shù)據(jù)的鑒別率為95.83%。在圖5D中，經(jīng)SNV+1st預(yù)處理后3個產(chǎn)地陳皮外側(cè)數(shù)據(jù)的置信橢圓完全分開，實現(xiàn)了陳皮產(chǎn)地的100%鑒別分析。

3 結(jié) 論

本文利用近紅外光譜技術(shù)采集四川、福建及廣東新會陳皮的內(nèi)側(cè)和外側(cè)光譜，以單一預(yù)處理及預(yù)處理組合的形式對光譜數(shù)據(jù)進(jìn)行處理，篩選出最佳的預(yù)處理方法，最后結(jié)合主成分分析法建立了陳皮產(chǎn)地的鑒別模型。結(jié)果表明：使用預(yù)處理方法可以消除光譜中存在的干擾；預(yù)處理方法組合順序不同，鑒別結(jié)果也會不同；過多預(yù)處理在進(jìn)行無效信息去除的同時也扣除了有用信息，從而降低了鑒別準(zhǔn)確率。近紅外光譜技術(shù)結(jié)合光譜預(yù)處理可以實現(xiàn)不同產(chǎn)地陳皮的無損鑒別分析，其中陳皮產(chǎn)地外側(cè)光譜數(shù)據(jù)經(jīng)兩個預(yù)處理組合優(yōu)化處理后即可實現(xiàn)100%鑒別分析。