許春瑾，張 睿，于修燭*，王 寧

（西北農(nóng)林科技大學(xué)食品科學(xué)與工程學(xué)院，陜西 楊凌 712100）

基于近紅外光譜的中寧枸杞子判別分析

許春瑾，張 睿，于修燭*，王 寧

（西北農(nóng)林科技大學(xué)食品科學(xué)與工程學(xué)院，陜西 楊凌 712100）

為實(shí)現(xiàn)中寧枸杞子產(chǎn)地的自動(dòng)化快速鑒別，利用近紅外光譜儀對(duì)不同產(chǎn)地42個(gè)枸杞子樣品進(jìn)行掃描，對(duì)枸杞子近紅外光譜分別進(jìn)行距離判別分析和聚類分析，建立枸杞子產(chǎn)地判別模型。結(jié)果表明：在6 500～5 200 cm－1波數(shù)范圍內(nèi)，采用多元散射校正和標(biāo)準(zhǔn)正態(tài)變量變換預(yù)處理，對(duì)樣品的識(shí)別率均達(dá)到100%，模型預(yù)測(cè)效果好；采用馬氏距離結(jié)合離差平方和法，枸杞子可分為寧夏中寧枸杞和非寧夏中寧枸杞兩大類群，樣品判別率達(dá)到96.9%。利用近紅外光譜對(duì)中寧枸杞子產(chǎn)地判別分析是可行的。

枸杞子；近紅外光譜；判別分析；聚類分析

枸杞（Lycium barbarum L.）為茄科枸杞屬多分枝灌木[1-2]，枸杞子為枸杞的干燥成熟果實(shí)[3]，具有味甘、性平，滋補(bǔ)肝腎、增強(qiáng)免疫、抗癌、保肝、降低血脂和膽固醇等功效[4-9]。枸杞子有效成分的形成與土壤、氣候、生態(tài)環(huán)境有密切聯(lián)系?！吨袊?guó)藥典》（2010版） 僅將寧夏產(chǎn)枸杞子定義為入藥枸杞，而中寧縣枸杞子為其中珍品，有“中寧枸杞甲天下”的美譽(yù)[10]。不同產(chǎn)地枸杞子品質(zhì)差異較大，價(jià)格相差懸殊。一些不法商販為牟取暴利，濫標(biāo)產(chǎn)地、以次充好，嚴(yán)重?cái)_亂了中寧枸杞市場(chǎng)，傷害了當(dāng)?shù)剞r(nóng)民的經(jīng)濟(jì)利益[11]。目前在枸杞子產(chǎn)地的判別分析中，仍以形態(tài)學(xué)特征的鑒定和化學(xué)方法為主，形態(tài)學(xué)法鑒定枸杞子的產(chǎn)地[12]，易受人為和外界因素的影響；而化學(xué)方法[13]，需對(duì)樣品進(jìn)行預(yù)處理，方法繁瑣，成本高。建立自動(dòng)、準(zhǔn)確、環(huán)保的枸杞子產(chǎn)地鑒別方法，以保證寧夏中寧枸 杞子的品質(zhì)，具有十分重要意義。近紅外光譜對(duì)應(yīng)分子基頻振動(dòng)的倍頻和組合頻，其特征隨著樣品成分含量的變化而變化[14]，具有無(wú)損、綠色、實(shí)時(shí)監(jiān)控的特點(diǎn)[15]，非常適合農(nóng)產(chǎn)品和食品的快速判別分析[16]。目前有關(guān)枸杞子近紅外光譜產(chǎn)地鑒定報(bào)道較少，湯麗華等[17]采用近紅外光譜技術(shù)結(jié)合簡(jiǎn)易分類（simple modeling of class analogy，SMICA）法對(duì)枸杞子進(jìn)行了產(chǎn)地溯源分析，雖然取得一定進(jìn)展，但溯源分析建立于化學(xué)指標(biāo)上，操作比較繁瑣。本實(shí)驗(yàn)以寧夏中寧枸杞子為主要材料，利用傅里葉變換近紅外光譜（fourier transform near infrared spectrometer，F(xiàn)T-NIR）技術(shù)結(jié)合判別分析、聚類分析等方法，建立枸杞子產(chǎn)地判別模型。以期快捷、準(zhǔn)確的鑒定中寧枸杞子，為中寧枸杞子地理標(biāo)志產(chǎn)品保護(hù)提供參考。

1 材料與方法

1.1 材料

枸杞子樣品分別采集于：寧夏中寧縣田灘村、鐵渠村、舟塔村、五道渠、曹橋村等12個(gè)地區(qū)（寧杞1號(hào)、2號(hào)、4號(hào)、7號(hào)等不同品種）；寧夏平羅縣、同心縣（苦水枸杞）；甘肅省靖遠(yuǎn)縣（寧杞2號(hào)）、武威市民勤縣（寧杞4號(hào)）；青海省格爾木市河西村、柴達(dá)木諾木洪、德令哈市尕海（柴達(dá)木枸杞）、柴達(dá)木盆地（野生黑枸杞）；河北?。ㄑ剑?；新疆博州精河縣（精河枸杞）；內(nèi)蒙古烏拉特前旗（寧杞1號(hào)、蒙杞1號(hào)、2號(hào)）、沙海鎮(zhèn)（綠洲沙海紅）。其中寧夏中寧枸杞品種28個(gè)，其他地區(qū)14個(gè)。隨機(jī)分為兩類，35個(gè)為校正集樣品，其中中寧枸杞23個(gè)，其他地區(qū)12個(gè)；7個(gè)為驗(yàn)證集樣品，其中中寧枸杞5個(gè)，其他地區(qū)2個(gè)（分別為寧夏平羅縣和甘肅靖遠(yuǎn)縣）。

1.2 儀器與設(shè)備

MPA-TM傅里葉變換近紅外光譜儀（檢測(cè)器為InGaSe） 德國(guó)布魯克光學(xué)儀器公司；數(shù)據(jù)分析軟件為OPUS 5.5、OMNIC 7.3、TQ Analyst 7.2和DPS 7.55等。

1.3 光譜采集條件

光譜采集方法：積分球漫反射。積分球載樣器件：直徑為50 mm，高為50 mm旋轉(zhuǎn)樣品杯，光譜采集時(shí)枸杞子顆粒需基本裝滿旋轉(zhuǎn)式樣品杯，并保證樣品杯中枸杞子分布均勻，偏心距為10 mm。光譜采集范圍：12 000～4 000 cm－1；掃描次數(shù)：32次；分辨率：4 cm－1。1.4 判別分析

判別分析是根據(jù)樣品不同的特征值來(lái)判別其類型歸屬，是一種多變量統(tǒng)計(jì)分類方法。對(duì)光譜進(jìn)行預(yù)處理后，在選定的特征波段截取枸杞子樣品的近紅外光譜，先根據(jù)各類間的馬氏距離建立判別模型，然后將未知樣本與各類樣本判別模型進(jìn)行擬合，計(jì)算未知樣本與校正集之間的馬氏距離，進(jìn)行判別歸類[18]。馬氏距離的計(jì)算公式[19]如下：

式中：Mij為第i個(gè)和第j個(gè)樣本之間的距離；（xi－xj）T為（xi－xj）的轉(zhuǎn)置矩陣。V－1為協(xié)方差矩陣的逆矩陣，其元素用vij表示為：xi、xj分別為第i個(gè)和第j個(gè)樣本的行向量，xik為第i個(gè)樣本的第k個(gè)特征變量，xjk為第j個(gè)樣本的第k個(gè)特征變量，分別為第i個(gè)和第j個(gè)樣本所有特征變量的均值。

1.5 聚類分析

聚類分析具有無(wú)管理模式識(shí)別方法的特點(diǎn)，利用相似樣本在多維空間中彼此的距離小，而不相似樣本在多維空間中彼此的距離大，使相似的樣本聚在一起，從而達(dá)到分類的目的。光譜的距離表明了譜圖的相似度，兩張光譜的距離值隨譜圖差別的增加而增大，將相似光譜按組分類，組的形式用樹(shù)狀圖表示[20]。

2 結(jié)果與分析

2.1 判別分析

2.1.1 光譜分析

利用近紅外光譜儀在分辨率4 cm－1、掃描次數(shù)32次的條件下采集枸杞子樣品光譜，其光譜見(jiàn)圖1。

圖1 不同產(chǎn)地枸杞子樣品的原始光譜Fig.1 Original NIR spectra of Chinese wolfberry samples from different regions

由圖1a可以看出，寧夏中寧枸杞子與非寧夏中寧枸杞子的光譜比較接近，且都在8 264、6 793、6 323、5 780、5 166、4 720 cm－1處有特征吸收，為幾個(gè)較寬的譜帶，譜圖分辨率較差，化學(xué)成分的吸收峰出現(xiàn)多次重疊，很難對(duì)近紅外譜帶進(jìn)行精確歸屬[21]。圖1b為波數(shù)區(qū)域?yàn)? 000～5 000 cm－1光譜，在6 800～5 200 cm－1范圍內(nèi)寧夏中寧枸杞子和非寧夏中寧枸杞子有著較明顯差異，可進(jìn)一步為選擇校正集建模的波長(zhǎng)范圍提供依據(jù)。枸杞子近紅外譜圖的差異主要由樣品化學(xué)成分的差異決定的。湯麗華[17]和白雪梅[22]等的研究表明，中寧枸杞子的多糖含量最高，達(dá)6.19%，比其他地區(qū)的平均值高出1.96%，人體必需氨基酸絲氨酸、蘇氨酸、纈氨酸及苯丙氨酸的含量分別為0.740、0.664、0.064、0.057 mg/g，比其他地區(qū)的平均值高出0.585、0.378、0.0197、0.019 mg/g。不同地區(qū)枸杞子化學(xué)成分的差異，可能是由于其生長(zhǎng)的生態(tài)環(huán)境不同而引起的。

2.1.2 光譜預(yù)處理對(duì)判別分析結(jié)果的影響

建立枸杞子判別分析模型之前，為消除偏移或基線的變化，以保證枸杞子近紅外光譜數(shù)據(jù)和樣品性質(zhì)之間的相關(guān)性，需對(duì)光譜進(jìn)行預(yù)處理[23]。對(duì)原始光譜分別進(jìn)行一階求導(dǎo)、二階求導(dǎo)、多元散射校正（multiplicative scatter correction，MSC）、標(biāo)準(zhǔn)正態(tài)變量變換（standard normal v ariate，SNV）等預(yù)處理。光譜預(yù)處理結(jié)果見(jiàn)表1。

表1 不同光譜預(yù)處理對(duì)校正模型樣品識(shí)別結(jié)果的影響（主成分?jǐn)?shù)為1100）Table1 Effect of different spectral pretreatments on recognition rate of calibration samples (the number of principal components = 10)

由表1可知，不同波長(zhǎng)范圍和光譜預(yù)處理方法，對(duì)識(shí)別率的影響很大。6 500～5 200 cm－1為識(shí)別率較好的波數(shù)范圍，建模前對(duì)波段進(jìn)行篩選，可消除部分波段噪音的影響且可提高軟件計(jì)算速度；MSC方法可去除樣品的鏡面反射及不均勻性造成的噪聲，SNV方法是將光譜數(shù)據(jù)矩陣按行進(jìn)行歸一化而消除散射效應(yīng)的影響，導(dǎo)數(shù)法可消除基線漂移、強(qiáng)化譜帶特征，但同時(shí)會(huì)引入噪聲，降低信噪比[19]。因此，在6 500～5 200 cm－1波數(shù)范圍，原始光譜結(jié)合MSC與原始光譜結(jié)合SNV預(yù)處理方法均較好，優(yōu)于原始光譜、一階求導(dǎo)、二階求導(dǎo)、一階求導(dǎo)結(jié)合MSC或二階求導(dǎo)等預(yù)處理方法，校正集識(shí)別率可達(dá)100%，模型效果好。采用原始光譜結(jié)合MSC與原始光譜結(jié)合SNV的預(yù)處理方法均適合于枸杞子的產(chǎn)地判別分析。

2.1.3 模型的建立

對(duì)35個(gè)校正集樣品在6 500～5 200 cm－1波數(shù)內(nèi)采用原始光譜結(jié)合MSC、原始光譜結(jié)合SNV光譜預(yù)處理方式，圖2a為原始光譜結(jié)合MSC光譜預(yù)處理方法時(shí)，寧夏中寧枸杞子與非寧夏中寧枸杞子判別分析圖，圖2b為原始光譜結(jié)合SNV光譜預(yù)處理方法時(shí)，寧夏中寧枸杞子與非寧夏中寧枸杞子判別分析圖。

圖2 枸杞子的判別分析結(jié)果Fig.2 Distance discrimination plots for Chinese wolfberry samples

由圖2可知，在寧夏中寧枸杞子區(qū)域和非寧夏中寧枸杞子區(qū)域，無(wú)被錯(cuò)判樣品，對(duì)所有樣品的識(shí)別率達(dá)到100%。說(shuō)明采用MSC、SNV光譜預(yù)處理結(jié)合判別分析法均可較好地實(shí)現(xiàn)寧夏中寧枸杞子與非寧夏中寧枸杞子的分類。

2.1.4 模型驗(yàn)證分析

采用判別分析法對(duì)預(yù)測(cè)集的7個(gè)樣品進(jìn)行預(yù)測(cè)分析，判別分析結(jié)果見(jiàn)表2。

表2 7個(gè)驗(yàn)證樣品判別預(yù)測(cè)分析結(jié)果Table2 Results of discrimination analysis for 7 samples in the validationn sseett

由表2可以看出，7個(gè)預(yù)測(cè)樣品中無(wú)錯(cuò)誤判別，預(yù)測(cè)正確率為100%，表明在波數(shù)范圍為6 500～5 200 cm－1，采用MSC、SNV光譜預(yù)處理結(jié)合判別分析法能較好預(yù)測(cè)枸杞子的產(chǎn)地，可建立枸杞子近紅外指紋圖譜。

2.2 聚類分析

將枸杞子樣品原始近紅外光譜的波長(zhǎng)及其對(duì)應(yīng)的吸光度組成新的光譜數(shù)據(jù)，組成聚類分析的樣本矩陣，采用DPS 7.55軟件提供的聚類分析模塊中的馬氏距離結(jié)合離差平方和法對(duì)其進(jìn)行處理，并得到聚類分析的樹(shù)狀圖，如圖3所示。

由圖3可以看出，以距離570劃分，將寧夏中寧枸杞子分為一類，非寧夏中寧枸杞子分為一類，其中有一個(gè)樣品出現(xiàn)誤判。誤判樣品為21號(hào)枸杞子，其產(chǎn)地為內(nèi)蒙古烏拉特前旗鎮(zhèn)，品種為寧杞1號(hào)，可能因其是引種的寧杞品種，與中寧枸杞性質(zhì)上比較接近，將其誤判為中寧枸杞。枸杞子近紅外光譜聚類分析結(jié)果正確率為96.9%，聚類結(jié)果比較理想，表明利用聚類分析對(duì)寧夏中寧枸杞子產(chǎn)地鑒別是可行的。

圖3 枸杞子的聚類分析結(jié)果Fig.3 Cluster analysis results of Chinese wolfberry

3 結(jié) 論

采用近紅外光譜分析技術(shù)結(jié)合判別分析法對(duì)寧夏中寧和非寧夏中寧的枸杞子進(jìn)行了產(chǎn)地判別分析，通過(guò)建模及模型驗(yàn)證分析，在6 500～5 200 cm－1波數(shù)范圍內(nèi)，原始光譜結(jié)合MSC、原始光譜結(jié)合SNV變換預(yù)處理，對(duì)樣品的識(shí)別率均達(dá)100%，模型預(yù)測(cè)效果較好。聚類分析中，利用馬氏距離結(jié)合離差平方和法，枸杞子可分為寧夏中寧枸杞與非寧夏中寧枸杞兩大類，樣品的判別率達(dá)到96.9%。利用近紅外光譜技術(shù)進(jìn)行中寧枸杞子產(chǎn)地的快速判別分析是可行的。

[1] 楊薇, 譚自力. 枸杞的價(jià)值及栽培技術(shù)[J]. 河北農(nóng)業(yè)科技, 2008(6): 35-36.

[2] 鄭國(guó)琦, 胡正海. 寧夏枸杞的生物學(xué)和化學(xué)成分的研究進(jìn)展[J]. 中草藥, 2008(5): 796-780.

[3] 周群, 孫素琴, 梁曦云. 枸杞產(chǎn)地的紅外指紋圖譜與聚類分析法研究[J]. 光譜學(xué)與光譜分析, 2003, 23(3): 509-511.

[4] 王亞軍, 安巍, 石志剛, 等. 枸杞藥用價(jià)值的研究進(jìn)展[J]. 安徽農(nóng)業(yè)科學(xué), 2008, 36(30): 13213-13214.

[5] 呂海棠, 劉同慧, 馮瑞琴. FTIR法測(cè)定枸杞中的有效成分[J]. 食品工業(yè)科技, 2012, 33(6): 102-104.

[6] ROBERT J R, DELPHINE C, WANG Juankuan, et al. Cell wall polysaccharides of Chinese wolfberry (Lyceum barbarum)[J]. Carbohydrate Polymers, 2011, 84(3): 1344-1349.

[7] H E Nianwu, YANG Xingbin, JIAO Yadong, et al. Characterisation of antioxidant and antiproliferative acidic polysaccharides from Chinese wolfberry fruits[J]. Food Chemistry, 2012, 133(3): 978-989.

[8] 郭建宏, 符虎剛. 枸杞多糖提取條件初探[J]. 陜西農(nóng)業(yè)科學(xué), 2007(6): 34-38.

[9] ZHAO Lili, LI Aihua, XING Guosheng, et al. Determination of mineral elements in Lycium barbarum L. from Ningxia by sealed microwave digestion ICP-AES[J]. Medicinal Plant, 2012, 3(5): 49-51.

[10] 郝近大. 中華人民共和國(guó)藥典輔助說(shuō)明[M]. 北京: 中國(guó)中醫(yī)藥出版社, 2010: 392.

[11] 雷建剛, 劉敦華, 郭進(jìn). 不同產(chǎn)地枸杞干果品質(zhì)的差異性研究[J]. 現(xiàn)代食品科技, 2013, 29(3): 494-497.

[12] 孫素琴, 王米渠, 梁曦云, 等. 枸杞子四種原性狀的FTIR光譜法鑒別[J]. 光譜學(xué)與光譜分析, 2001, 21(6): 7 87-789.

[13] 李紅英, 彭勵(lì), 王林. 不同產(chǎn)地枸杞中微量元素和黃酮含量的比較[J]. 微量元素與健康研究, 2007, 24(5): 14-16.

[14] SIERLER H W, OZAKI Y, KAWANO S, et al. Near infrared spectroscopy[M]. Weinheim: Wiley-VCH, 2004.

[15] 蒙杰丹. 近紅外光譜法快速無(wú)損分析測(cè)定中藥活性成分的研究[D].重慶: 西南大學(xué), 2012.

[16] 吳海云, 劉洋, 左月明. 近紅外光譜數(shù)據(jù)分析方法的研究進(jìn)展[J]. 農(nóng)產(chǎn)品加工, 2010(3): 76-79.

[17] 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.

[18] 成浩, 王麗鴛, 周健, 等. 基于化學(xué)指紋圖譜的綠茶原料品種判別分析[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2008, 41(8): 2413-2418.

[19] 陸婉珍, 袁洪福, 徐廣通. 現(xiàn)代近紅外光譜分析技術(shù)[M]. 北京: 中國(guó)石化出版社, 2000: 13-31.

[20] MA Cunhua, DAI Bin, XU Caixia, et al. Cluster analysis and fingerprint study of inorganic elements in Xinjing Glycyrrhiza uralensis Fisch[J]. Medicinal Plant, 2010, 1(5): 21-23.

[21] 杰爾·沃克曼, 洛伊斯·文依. 近紅外光譜解析實(shí)用指南[M]. 北京:化學(xué)工業(yè)出版社, 2009: 13.

[22] 白雪梅, 田嘉銘, 王德寶. 高效液相色譜法測(cè)定枸杞子中氨基酸的含量[J]. 時(shí)珍國(guó)醫(yī)國(guó)藥, 2005, 16(8): 742-743.

[23] 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), 2010.

Discrimination of Chinese Wolfberry from Zhongning Based on Near Infrared Spectroscopy

XU Chun-jin, ZHANG Rui, YU Xiu-zhu*, WANG Ning
(College of Food Science and Engineering, North west A & F University, Yangling 712100, China)

To develop an automatic and quick method to discriminate the g eographical origin of Chinese wol fberry from Zhongning, 42 Chinese wolfberry samples from different regions in China were scanned with a near infrared spectrometer (NIR). The NIR spectral data of wolfberry samples were analyzed with distance discriminant analysis (DDA) and cluster analysis to discriminate their geographical origins. The DDA analysis indicated that good prediction results were achieved with 100% recogn ition rate for the origin of wolfberry based on the multipl icative scatter correction and standard normal variate transformation of spectral data ranging from 6 500 to 5 200 cm-1. The wolfberry samples could be clustered into two groups using the Mahalanobis distances i n combination with the Ward’s method: one group consist ing of those from Zhongning, Ningxia and the other from other regions. The recognition rate was 96.9%. In conclusion, it is feasible to apply NIR to discriminate the geographical origin of Chinese wolfberry from Zhongning.

Chinese wolfberry; near infrared spectrometer (NIS); discrimination analysis; cluster analysis

TS255.2

A

1002-6630（2014）02-0164-04

10.7506/spkx1002-6630-201402030

2013-04-22

“十二五”國(guó)家科技支撐計(jì)劃項(xiàng)目（2012BAD36B04）

許春瑾（1989—），女，碩士研究生，研究方向?yàn)楣δ苄允称钒踩珯z測(cè)。E-mail：springxuchunjin@163.com

*通信作者：于修燭（1974—），男，副教授，博士，研究方向?yàn)楣δ苄允称钒踩珯z測(cè)。E-mail：xiuzhuyu1004@hotmail.com