摘要：采用小波變換技術(shù)對近紅外光譜壓縮，減少訓(xùn)練時間，并以聚類法定性，以鑒別不同產(chǎn)地的大黃（Rheum palmatum L.）。該方法可有效鑒別不同產(chǎn)地的大黃，與傳統(tǒng)鑒別結(jié)果基本一致。結(jié)果表明，近紅外漫反射光譜法作為一種快速簡便的分析技術(shù)，可用于大黃等中草藥的質(zhì)量控制，為大黃的生藥鑒定提供參考。

關(guān)鍵詞：大黃（Rheum palmatum L.）；近紅外光譜；小波變換；鑒別；聚類分析

中圖分類號：O657.33 文獻標(biāo)識碼：A 文章編號：0439-8114（2013）16-3971-03

大黃（Rheum palmatum L.）為多種蓼科大黃屬植物的合稱，是我國特產(chǎn)中草藥，藥用歷史悠久，主產(chǎn)于四川、青海、甘肅，為苦寒瀉下之品，其燙滌腸胃，峻下力猛，走而不守，活血化瘀，破癥瘕積聚，廣泛應(yīng)用于臨床。但只有藥典規(guī)定的正品大黃（唐古特大黃、掌葉大黃、藥用大黃）具有以上功效，而市面上的偽品大黃（華北大黃、臧邊大黃、河套大黃等）雖然含有蒽醌衍生物成分，但是不含雙蒽醌疳和番瀉疳，故不具有瀉熱通腸的作用，不可藥用。因此，大黃真?zhèn)舞b別方法的開發(fā)和研究十分必要。

近紅外光譜技術(shù)在中草藥鑒別方面的應(yīng)用已有許多報道[1-3]，但將小波變換技術(shù)應(yīng)用到近紅外光譜，并且把聚類分析應(yīng)用到中草藥大黃的鑒別應(yīng)用中報道較少[4-5]。本試驗將大黃小波變換的近紅外光譜與聚類分析相結(jié)合，分析了41種不同產(chǎn)地的中草藥大黃，以期對大黃的鑒別提供參考。

1 材料與方法

1.1 材料

選用的41個大黃材料為不同品種和不同產(chǎn)地的樣品。樣品由北京同仁堂股份有限公司科學(xué)研究所提供，依據(jù)我國藥典的要求，將這些樣品分為正品大黃和非正品大黃，其中23個為正品大黃，18個為非正品大黃。均由北京醫(yī)科大學(xué)誠靜容和陳虎彪教授鑒定。

1.2 儀器

6500型近紅外光譜儀（Foss公司），石英鹵燈，PbS檢測器。

1.3 方法

1.3.1 前處理方法 藥材經(jīng)烤箱烘干，機器粉碎，過60目篩，取約2.5 g樣品于樣品池中，按試驗條件掃描，每個樣品重復(fù)測定30次，求平均光譜。

1.3.2 NIR（近紅外）光譜的測定 為減小重復(fù)裝樣的誤差，一般需測定多次，求平均光譜。取約2.5 g過60目篩的大黃樣品，重復(fù)測定30次，當(dāng)測定次數(shù)大于20次時，測量值接近于真實值。本試驗每個樣品重復(fù)測定30次，求平均光譜。

1.3.3 粒度大小對NIR的影響 取經(jīng)干燥的大黃樣品，粉碎，分別過40、60、80、100目篩，取約2.5 g樣品在上述條件下測定。

1.3.4 裝樣量差異對NIR的影響 分別取約0.5、1.0、1.5、2.0、2.5、3.0 g過60目篩的大黃樣品進行測定。

1.3.5 掃描次數(shù)對NIR的影響 掃描次數(shù)分別設(shè)置為30、40、50、60、70次時，取約2.5 g過60目篩的大黃樣品進行測定。

1.3.6 數(shù)據(jù)采集和處理 大黃樣品的測量波長范圍為1 100～2 500 nm，每隔2 nm采集一個數(shù)據(jù)點。光譜采集所用樣品池直徑為38 mm，厚度為10 mm。為了保證樣品數(shù)據(jù)的代表性，進行若干次測量后將樣品池取出搖動，使樣品池中的樣品得到重新填充。每個樣品掃描測量50次，然后取其平均值作為該樣品的光譜。

2 結(jié)果與分析

2.1 各種因素對NIR的影響

試驗研究了各種因素對NIR的影響，研究結(jié)果表明，大于60目篩的樣品光譜的重現(xiàn)性好，為保證樣品的均勻性，試驗取過60目篩的大黃樣品進行測定；當(dāng)裝樣量超過2.0 g時，光譜基本無變化，裝量不足1.5 g時，光譜產(chǎn)生漂移，試驗取每份大黃樣品質(zhì)量約為2.5 g進行測定；掃描次數(shù)越多，噪音影響越小。試驗設(shè)掃描次數(shù)為50次。

2.2 樣品NIR光譜

大黃樣品的近紅外光譜（圖1）非常相似，且近紅外光譜圖中光譜變量點多，導(dǎo)致鑒別速度較慢。

樣品的掃描測量數(shù)據(jù)以ASCⅡ碼存儲，然后再用另一臺微機進行計算處理，得大黃樣品的NIR（近紅外）光譜。為了減少光譜的變量，提高聚類分析速度，通過小波變換法對NIR光譜進行壓縮，經(jīng)小波壓縮后的光譜變量點由原來的700個減少為44個（圖2）。利用小波變換技術(shù)既能高效減少數(shù)據(jù)變量數(shù)目，又能保持原光譜特征。

將不同產(chǎn)地大黃樣品的近紅外光譜比較。對于吸收峰出現(xiàn)較多的區(qū)域，則擴大該區(qū)域，比較同一位置是否都出現(xiàn)吸收峰，不同樣品的吸收峰強度是否相同，同一樣品在不同位置出現(xiàn)吸收峰的相對強度是否相同。顯然，雖然近紅外光譜有細微的差別，但是區(qū)域重復(fù)較多，而且還有暗紋，所以這種方法并不能區(qū)分大黃樣品。

將測量得到大黃樣品的NIR光譜經(jīng)二階導(dǎo)數(shù)處理（圖3），消除了斜坡背景的影響。但仍難以區(qū)分不同產(chǎn)地的大黃樣品。

2.3 大黃NIR光譜的聚類分析

將大黃樣品的NIR進行聚類分析，利用MATLAB 7.0中的dendrogram函數(shù)生成聚類樹圖（圖4）。

將分類結(jié)果和大黃樣品對比，其中25、26、40、10、20、23號樣品識別錯誤，25、26、40被識別為正品，10、20、23被識別為非正品，剩余樣品的識別與傳統(tǒng)鑒定結(jié)果相一致，識別正確率達85.36%。聚類分析結(jié)果客觀反映了正品大黃與非正品大黃的不同，該方法可用于中草藥大黃的質(zhì)量控制。

3 結(jié)論

本試驗基于大黃近紅外光譜的二階導(dǎo)數(shù)光譜，通過聚類分析，對41種不同產(chǎn)地的大黃樣品進行鑒別，大黃樣品粉碎后無需復(fù)雜的處理就可用近紅外光譜儀分析監(jiān)測。NIR光譜經(jīng)小波變換壓縮后，將光譜變量從700減少到44個，用小波壓縮的NIR光譜輸入到聚類樹鑒別模型，采用聚類分析方法對大黃正品與非正品實現(xiàn)了分類，識別正確率達到85.36%。本試驗建立了一種快速鑒別大黃正品與非正品的分析模型，為大黃和其他中草藥的質(zhì)量控制提供了一種可行的參考方法。

參考文獻：

[1] 段和祥，劉永鎖，羅國安，等.程度相似度結(jié)合聚類分析在金銀花藥材質(zhì)量評價中的應(yīng)用[J].中成藥，2007，29（3）：318-321.

[2] 嚴(yán)拯宇，姜新民，胡育筑.金銀花的模式識別[J].計算機與應(yīng)用化學(xué)，2002，19（2）：193-196.

[3] 王躍飛，文紅梅，郭立瑋，等.不同產(chǎn)地甘草的聚類分析[J].中草藥，2006，37（3）：435-439.

[4] 范積平，張柳瑛，張貞良，等.不同產(chǎn)地大黃藥材的近紅外漫反射光譜法鑒別[J].藥學(xué)實踐雜志，2005，23（3）：148-150.

[5] 孫玉琦，馬永剛，肖小河，等.大黃不同炮制品指紋特征的識別研究[J].中草藥，2009，40（5）：725-728.