專利名稱：一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種藥材的鑒別方法，尤其涉及一種水草楓斗、鐵皮楓斗和紫皮楓斗的的鑒別方法。
背景技術(shù)：
正宗鐵皮楓斗加工后的干品稱為鐵皮楓斗，其藥效成分主要是楓斗多糖、楓斗堿和總氨基酸等。能提高人體免疫能力，增強(qiáng)記憶力，補(bǔ)五臟虛勞，抗衰老，抑制腫瘤，改善糖尿病癥狀，抗缺氧，對放化療以及夜生活、煙酒過度者有顯著效果。我國第一部藥學(xué)專著《神農(nóng)本草經(jīng)》，稱楓斗為上品，認(rèn)為它是滋補(bǔ)佳品，且適宜于久服，“補(bǔ)五臟虛勞羸瘦”，李時珍在《本草綱目》中，強(qiáng)調(diào)了楓斗“強(qiáng)陰益精，厚腸胃，補(bǔ)內(nèi)絕不足，輕身延年”功效。清代著名藥學(xué)著作《本草思辨錄》，認(rèn)為楓斗的功用十分廣泛:“為腎藥，為肺藥，為腸胃藥”?，F(xiàn)代的臨床應(yīng)用和藥理研究證實(shí)，楓斗具有神奇功效，適宜于治療多種病癥。鐵皮楓斗自古以來都是達(dá)官顯貴的養(yǎng)生補(bǔ)品，一般民眾根本不可能消費(fèi)。目前，人工栽培成功的在全國屈指可數(shù)，純正鐵皮楓斗國內(nèi)市場供應(yīng)價在30000元/公斤以上。國際市場則在5000美元以上，市場上幾百、幾千元就可以買I公斤的楓斗，只是楓斗類其它品種，決非“鐵皮”楓斗。他們利用了藥用楓斗的神奇的保健功效和人們對“鐵皮”楓斗的不了解，用楓斗類中的“紫皮”，“黃草”等其它品種制成的楓斗，打著“鐵皮”楓斗的名義對消費(fèi)者進(jìn)行了不負(fù)責(zé)任的欺騙性銷售，因此對楓斗的鑒別就十分重要，但現(xiàn)有技術(shù)中未見此類技術(shù)的報道。
發(fā)明內(nèi)容
為了解決現(xiàn)有技術(shù)中的楓斗難以鑒別的不足，本發(fā)明的目的是提供一種水草楓斗、鐵皮楓斗和紫皮楓斗的的鑒 別方法。為達(dá)到上述目的，本發(fā)明所采用的技術(shù)手段是:一種水草楓斗、鐵皮楓斗和紫皮楓斗的的鑒別方法，包括如下步驟:一、樣品處理:將水草楓斗、鐵皮楓斗、紫皮楓斗置于烘箱中60°C烘干多余水分至恒重，在室內(nèi)相對濕度低于40%的環(huán)境下，將水草楓斗、鐵皮楓斗、紫皮楓斗在粉碎機(jī)中粉碎，然后將粉末過100目篩,取過篩后粉末以備光譜檢測之用；二、光譜采集:設(shè)定環(huán)境溫度20±2°C，相對濕度小于40%，光譜掃描范圍4000 QOOOcnT1，分辨率4CHT1，掃描次數(shù)32次，將樣品粉末置于光譜采集杯底部石英片上方、壓實(shí)，將采集杯置于近紅外光譜采集孔正上方，采集光譜；三、光譜數(shù)據(jù)預(yù)處理:為消除光譜基線漂移和光譜彎曲以及樣品所含有不同成分之間的相互干擾而導(dǎo)致的近紅外吸收光譜重疊，在Matlab軟件中采用一階導(dǎo)數(shù)或二階導(dǎo)數(shù)進(jìn)行預(yù)處理:①一階導(dǎo)數(shù)公式:y=(x(i+A)-X(i))/A 二階導(dǎo)數(shù)公式:y= (X (i+ A ) -2x ⑴ +X (1- A )) / A2其中:A為光譜間距，X為求導(dǎo)前的光譜吸光度，y為求導(dǎo)后的光譜吸光度；
四、建立鑒別模型:首先，指定水草楓斗、鐵皮楓斗和紫皮楓斗類別值分別為1、2和3，利用Matlab軟件，以水草楓斗、鐵皮楓斗和紫皮楓斗預(yù)處理后光譜值為模型自變量，以指定的類別值為因變量，建立水草楓斗、鐵皮楓斗和紫皮楓斗的預(yù)測模型，然后，分別預(yù)測校正集和驗(yàn)證集中楓斗的種類；根據(jù)判別依據(jù):當(dāng)預(yù)測值大于O、小于1.5為水草楓斗，當(dāng)預(yù)測值大于1.5、小于2.5為鐵皮楓斗，當(dāng)預(yù)測值大于2.5、小于3.5為紫皮楓斗；通過校正集和驗(yàn)證集的決定系數(shù)R2、均方根誤差RMSE、相關(guān)誤差RM和判別率指標(biāo)對模型性能進(jìn)行評價；五、預(yù)測:采集測試集樣本光譜值、進(jìn)行光譜預(yù)處理，再將測試集預(yù)處理后光譜值輸入預(yù)測模型，得到預(yù)測值，根據(jù)判別依據(jù):當(dāng)預(yù)測值大于O、小于1.5為水草楓斗，當(dāng)預(yù)測值大于1.5、小于2.5為鐵皮楓斗，當(dāng)預(yù)測值大于2.5、小于3.5為紫皮楓斗。本發(fā)明的有益效果在于:提供了一種簡單有效的鐵皮楓斗的鑒別方法，鑒別準(zhǔn)確率 100%。
下面結(jié)合附圖對本發(fā)明的技術(shù)方案進(jìn)行說明。圖1是本發(fā)明的一階導(dǎo)數(shù)光譜預(yù)處理偏最小二乘判別模型預(yù)測值；圖2是本發(fā)明的二階導(dǎo)數(shù)光譜預(yù)處理偏最小二乘判別模型預(yù)測值；圖3是本發(fā)明的一階導(dǎo)數(shù)光譜預(yù)處理徑向基人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測值；圖4是本發(fā)明的二階導(dǎo)數(shù)光譜預(yù)處理徑向基人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測值；圖5是本發(fā)明的工藝流程圖。
具體實(shí)施例方式結(jié)合圖5所示，本發(fā)明提供一種水`草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，包括步驟如下:一、樣品處理:將水草楓斗、鐵皮楓斗、紫皮楓斗置于烘箱中60°C烘干多余水分至恒重，在室內(nèi)相對濕度低于40%的環(huán)境下，將水草楓斗、鐵皮楓斗、紫皮楓斗在粉碎機(jī)中粉碎，然后將粉末過100目篩,取過篩后粉末以備光譜檢測之用；二、光譜采集:設(shè)定環(huán)境溫度20±2°C，相對濕度小于40%，光譜掃描范圍4000 QOOOcnT1，分辨率4CHT1，掃描次數(shù)32次，將樣品粉末置于光譜采集杯底部石英片上方、壓實(shí)，將采集杯置于近紅外光譜采集孔正上方，采集光譜；三、光譜數(shù)據(jù)預(yù)處理:為消除光譜基線漂移和光譜彎曲以及樣品所含有不同成分之間的相互干擾而導(dǎo)致的近紅外吸收光譜重疊，在Matlab軟件中采用一階導(dǎo)數(shù)或二階導(dǎo)數(shù)進(jìn)行預(yù)處理:①一階導(dǎo)數(shù)公式:y=(X(i+A)-x(i))/A 二階導(dǎo)數(shù)公式:Y二 (X ( + Δ ) -2x (i) +X (1- Δ )) / Δ2其中:Δ為光譜間距，X為求導(dǎo)前的光譜吸光度，y為求導(dǎo)后的光譜吸光度；四、建立鑒別模型:首先，指定水草楓斗、鐵皮楓斗和紫皮楓斗類別值分別為1、2和3，利用Matlab軟件，以水草楓斗、鐵皮楓斗和紫皮楓斗預(yù)處理后光譜值為模型自變量，以指定的類別值為因變量，建立水草楓斗、鐵皮楓斗和紫皮楓斗的預(yù)測模型，然后，分別預(yù)測校正集和驗(yàn)證集中楓斗的種類；根據(jù)判別依據(jù):當(dāng)預(yù)測值大于O、小于1.5為水草楓斗，當(dāng)預(yù)測值大于1.5、小于2.5為鐵皮楓斗，當(dāng)預(yù)測值大于2.5、小于3.5為紫皮楓斗；通過校正集和驗(yàn)證集的決定系數(shù)R2、均方根誤差RMSE、相關(guān)誤差RM和判別率指標(biāo)對模型性能進(jìn)行評價；五、預(yù)測:采集測試集樣本光譜值、進(jìn)行光譜預(yù)處理，再將測試集預(yù)處理后光譜值輸入預(yù)測模型，得到預(yù)測值，根據(jù)判別依據(jù):當(dāng)預(yù)測值大于O、小于1.5為水草楓斗，當(dāng)預(yù)測值大于1.5、小于2.5為鐵皮楓斗，當(dāng)預(yù)測值大于2.5、小于3.5為紫皮楓斗。預(yù)測模型可以為偏最小二乘回歸判別模型，其首先指定模型啞變量水草楓斗、鐵皮楓斗和紫皮楓斗為1、2和3，然后建立近紅外光光譜數(shù)據(jù)和楓斗啞變量的偏最小二乘回歸判別預(yù)測模型；預(yù)測模型也可以為徑向基人工神經(jīng)網(wǎng)絡(luò)鑒別模型，該模型為前向網(wǎng)絡(luò)，第一層為輸入層，其數(shù)據(jù)為光譜導(dǎo)數(shù)值，第二層為隱含層，隱含層神經(jīng)元個數(shù)由光譜預(yù)處理方法決定，第三層為輸出層，輸出樣品類型值。偏最小二乘回歸判別模型和徑向基人工神經(jīng)網(wǎng)絡(luò)鑒別模型分析通過決定系數(shù)R2，均方根誤差RMSE和相關(guān)誤差RM判斷；決定系數(shù)R2、均方根誤差RMSE和相關(guān)誤差RM計(jì)算公式如下:
權(quán)利要求
1.一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，步驟如下: 一、樣品處理:將水草楓斗、鐵皮楓斗、紫皮楓斗置于烘箱中60°C烘干多余水分至恒重，在室內(nèi)相對濕度低于40%的環(huán)境下，將水草楓斗、鐵皮楓斗、紫皮楓斗在粉碎機(jī)中粉碎，然后將粉末過100目篩，取過篩后粉末以備光譜檢測之用； 二、光譜采集:設(shè)定環(huán)境溫度20± 2 °C，相對濕度小于40%，光譜掃描范圍4000 QOOOcnT1，分辨率4CHT1，掃描次數(shù)32次，將樣品粉末置于光譜采集杯底部石英片上方、壓實(shí)，將采集杯置于近紅外光譜采集孔正上方，采集光譜； 三、光譜數(shù)據(jù)預(yù)處理:為消除光譜基線漂移和光譜彎曲以及樣品所含有不同成分之間的相互干擾而導(dǎo)致的近紅外吸收光譜重疊，在Ma 11 ab軟件中采用一階導(dǎo)數(shù)或二階導(dǎo)數(shù)進(jìn)行預(yù)處理:①一階導(dǎo)數(shù)公式:y=(X(i+A)-x(i))/A 二階導(dǎo)數(shù)公式:y= (X (i+ A ) -2x ⑴ +X (1- A )) / A2 其中:△為光譜間距，X為求導(dǎo)前的光譜吸光度，y為求導(dǎo)后的光譜吸光度； 四、建立鑒別模型:首先，指定水草楓斗、鐵皮楓斗和紫皮楓斗類別值分別為1、2和3，利用Matlab軟件，以水草楓斗、鐵皮楓斗和紫皮楓斗預(yù)處理后光譜值為模型自變量，以指定的類別值為因變量，建立水草楓斗、鐵皮楓斗和紫皮楓斗的預(yù)測模型，然后，分別預(yù)測校正集和驗(yàn)證集中楓斗的種類；根據(jù)判別依據(jù):當(dāng)預(yù)測值大于O、小于1.5為水草楓斗，當(dāng)預(yù)測值大于1.5、小于2.5為鐵皮楓斗，當(dāng)預(yù)測值大于2.5、小于3.5為紫皮楓斗；通過校正集和驗(yàn)證集的決定系數(shù)R2、均方根誤差RMSE、相關(guān)誤差RM和判別率指標(biāo)對模型性能進(jìn)行評價； 五、預(yù)測:采集測試集樣本光譜值、進(jìn)行光譜預(yù)處理，再將測試集預(yù)處理后光譜值輸入預(yù)測模型，得到預(yù)測值，根據(jù)判別依據(jù):當(dāng)預(yù)測值大于O、小于1.5為水草楓斗，當(dāng)預(yù)測值大于1.5、小于2.5為鐵皮楓斗，當(dāng)預(yù)測值大于2.5、小于3.5為紫皮楓斗。
2.根據(jù)權(quán)利要求1所述的一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，所述步驟4中的預(yù)測模型為偏最小二乘回歸判別模型，其首先指定模型啞變量水草楓斗、鐵皮楓斗和紫皮楓斗為1、2和3，然后建立近紅外光光譜數(shù)據(jù)和楓斗啞變量的偏最小二乘回歸判別預(yù)測模型。
3.根據(jù)權(quán)利要求1所述的一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，所述步驟4中的預(yù)測模型為徑向基人工神經(jīng)網(wǎng)絡(luò)鑒別模型，該模型為前向網(wǎng)絡(luò)，第一層為輸入層，其數(shù)據(jù)為光譜導(dǎo)數(shù)值，第二層為隱含層，隱含層神經(jīng)元個數(shù)由光譜預(yù)處理方法決定，第三層為輸出層，輸出樣品類型值。
4.根據(jù)權(quán)利要求1或2所述的一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，所述決定系數(shù)R2、均方根誤差RMSE和相關(guān)誤差RM計(jì)算公式如下: R2 =1-1, W":, SMSE^ 1%；,^ IlfWzK.上式中Ii是參考值、V1:是預(yù)測值、-是平均參考值、n是校正集樣品數(shù)。
5.根據(jù)權(quán)利要求3所述的一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，所述決定系數(shù)R2、均方根誤差RMSE和相關(guān)誤差RM計(jì)算公式如下:
全文摘要
本發(fā)明公開了提供了一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，通過如下步驟，一、樣品處理，二、光譜采集，三、光譜數(shù)據(jù)預(yù)處理，四、建立鑒別模型，五、預(yù)測，對市場上的水草楓斗、鐵皮楓斗、紫皮楓斗進(jìn)行鑒別。本發(fā)明是一種簡單有效的水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，鑒別準(zhǔn)確率100%。
文檔編號G01N21/35GK103245629SQ20131015652
公開日2013年8月14日 申請日期2013年4月27日 優(yōu)先權(quán)日2013年4月27日
發(fā)明者張龍, 趙鸝, 梁巧玲 申請人:麗水學(xué)院