江明珠， 韓邦興， 顏 輝， 賈俊強(qiáng)， 屠 潔， 馬永昆

(1.江蘇大學(xué) 食品與生物工程學(xué)院，江蘇 鎮(zhèn)江 212013； 2.江蘇科技大學(xué) 生物技術(shù)學(xué)院， 江蘇 鎮(zhèn)江 212018； 3.皖西學(xué)院 生物與制藥工程學(xué)院，安徽 六安 237012； 4.中國中醫(yī)科學(xué)院 中藥資源中心，北京 100700)

*通訊作者：馬永昆，教授，博士，博士生導(dǎo)師，研究領(lǐng)域為食品生物技術(shù)。

JIANG Mingzhu

便攜式近紅外光譜儀快速無損鑒別霍山石斛楓斗和河南石斛楓斗

江明珠1,2， 韓邦興3,4， 顏 輝2， 賈俊強(qiáng)2， 屠 潔2， 馬永昆1*

(1.江蘇大學(xué) 食品與生物工程學(xué)院，江蘇 鎮(zhèn)江 212013； 2.江蘇科技大學(xué) 生物技術(shù)學(xué)院， 江蘇 鎮(zhèn)江 212018； 3.皖西學(xué)院 生物與制藥工程學(xué)院，安徽 六安 237012； 4.中國中醫(yī)科學(xué)院 中藥資源中心，北京 100700)

采用便攜式近紅外光譜儀采集231個霍山石斛楓斗和河南石斛楓斗樣品的近紅外光譜，采用一階導(dǎo)數(shù)(1stD)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)、均值中心化(MNCN)、多元散射校正(MSC)、矢量歸一化(N)等方法及其組合的9種方法預(yù)處理原始光譜，應(yīng)用偏最小二乘判別分析(PLS-DA)建立快速無損鑒別霍山石斛楓斗和河南石斛楓斗的數(shù)據(jù)模型，比較不同光譜預(yù)處理方法對PLS-DA建立模型的準(zhǔn)確率影響,以預(yù)測模型的正確率、敏感性、特異性為指標(biāo)，評價模型的優(yōu)劣。結(jié)果表明：1stD+SNV+MNCN預(yù)處理方法的效果最好，模型的準(zhǔn)確率最高，在潛在變量是12的情況下，校正集、交互驗證集、預(yù)測集的準(zhǔn)確率都為100%；模型的敏感性、特異性都為100%。

便攜式近紅外光譜儀；PLS-DA；霍山石斛楓斗；河南石斛楓斗；無損鑒別

石斛為蘭科石斛屬多年生附生草本植物，在我國一般分布在秦嶺以南地區(qū)，其中藥用石斛約40種[1]。石斛具有滋陰清熱、潤肺止咳、益胃生津等功效，現(xiàn)代研究表明：石斛具有抗腫瘤、降血糖、抗衰老等作用，對惡性腫瘤、腸道疾病、關(guān)節(jié)炎等疾病有很好的療效[2- 3]?；羯绞址Q米斛，主產(chǎn)于安徽省霍山縣，是瀕臨滅絕的珍稀藥材，在自然環(huán)境中繁殖率低、生長緩慢，隨著石斛的市場需求量日益增加，導(dǎo)致其被過度采挖，使野生石斛資源逐年減少，故而，市場上的霍山石斛偽品較多?；羯绞某Ｒ妭纹窞楹幽鲜?，從外形和外觀上很難辨認(rèn)，僅能依靠花瓣上是否有黑色斑塊來鑒別二者，對于不在花期的石斛則鑒別難度很大[4- 5]。楓斗是采用藥用石斛的新鮮莖干邊加熱邊扭成螺旋形或彈簧狀后烘干而成的加工品，霍山石斛楓斗和河南石斛楓斗加工成石斛楓斗后就更難區(qū)分了。目前鑒別石斛的常用方法有性狀鑒別、顯微鑒別、光譜鑒別、色譜鑒別以及分子生物學(xué)技術(shù)鑒別等。性狀和顯微鑒別較多的依賴于從業(yè)人員的經(jīng)驗，主觀性較強(qiáng)；分子和色譜等鑒別方法操作復(fù)雜，費(fèi)時費(fèi)力。近紅外光譜分析具有分析速度快、成本低、樣品無損等優(yōu)點[6]，但實驗室研究型的近紅外儀器一般比較大型，不適用于現(xiàn)場的快速檢測，便攜式近紅外光譜儀的出現(xiàn)很好地解決了這一問題。本研究利用便攜式近紅外光譜儀對霍山石斛楓斗和河南石斛楓斗樣品進(jìn)行光譜采集，運(yùn)用偏最小二乘判別分析(PLS-DA)建立快速無損鑒別兩者的數(shù)理模型，并對比了不同光譜預(yù)處理方法對模型的影響，以期為石斛楓斗的快速無損鑒別提供新思路。

1 材料與方法

1.1材料

試驗用石斛楓斗樣品231份，其中霍山石斛(DendrobiumhuoshanenseC. Z. Tang et S. J. Cheng)楓斗123份，河南石斛(D.henanenseJ. L. Lu et L. X. Gao)楓斗為108份，楓斗樣品的具體信息見表1。為實現(xiàn)無損檢測，所有石斛楓斗樣品不做干燥粉碎等處理，保持楓斗的原始加工狀態(tài)，進(jìn)行檢測。

表1 石斛樣品信息Table 1 Information of Dendrobium sample

1.2儀器

基于線性濾光片的MicroNIR1700便攜式光譜儀(JDSU公司，USA)，見圖1。光譜范圍為950～1650 nm，光譜采樣間隔為12.5 nm，每次光譜采集的積分時間為15 ms，掃描次數(shù)為50次，每個石斛楓斗樣品采集光譜3次，以3次平均值作為每個樣品的原始光譜[7]。

圖1 便攜式近紅外光譜儀Fig.1 Protable MicroNIR1700 spectrometer

1.3光譜采集

將123個霍山石斛楓斗樣品和108個河南石斛楓斗樣品，2種楓斗各取2/3作為校為預(yù)測集，隨機(jī)選取相應(yīng)的樣本建立校正集、預(yù)測集，采用微型近紅外光譜儀分別采集石斛楓斗樣品桿壁的光譜信號。

1.4光譜預(yù)處理

由于石斛楓斗樣品的大小、粗細(xì)、均勻度、加工工藝等的差異，所采集光譜信號中除樣品的待測成分信息外，還可能會包含高頻噪聲、雜散光、基線漂移、樣品背景等，故需對光譜進(jìn)行預(yù)處理，以減弱非目標(biāo)因素對光譜信息的影響[8- 9]。一階導(dǎo)數(shù)(1stD)處理可以消除光譜的基線漂移，標(biāo)準(zhǔn)正態(tài)變換(SNV)和多元散射校正(MSC)可以消除光散射造成的誤差，均值中心化(MNCN)可以突顯光譜差異，矢量歸一化(N)可以減少變量間數(shù)值差異過大對建模結(jié)果的影響[10- 11]。

為了確定最佳預(yù)處理方法，實驗比較了9種預(yù)處理方法，分別是：1stD，SNV，MNCN，SNV+MNCN,1stD+MNCN,1stD+SNV，1stD+N，1stD+MSC和1stD+SNV+MNCN。

1.5快速分析模型的建立

目前常用的判別分析法主要有：主成分分析法、簇類獨(dú)立軟模式法、支持向量機(jī)法、偏最小二乘判別分析(PLS-DA)等。本試驗采用的PLS-DA是一種基于PLS回歸的判別分析方法，它能夠?qū)⒉杉墓庾V數(shù)據(jù)與分類變量建立線性回歸模型，利用特定的判別閾值對模型結(jié)果進(jìn)行分析[12- 13]，在構(gòu)造因素時考慮到了輔助矩陣以代碼形式提供的類成員信息，因此,PLS-DA法比軟獨(dú)立模式分類法(SIMCA)表現(xiàn)出更高效的鑒別能力,也使得出現(xiàn)錯誤鑒別的概率降低。模型的分離效果可以用計算結(jié)果中兩組樣品分離的程度來表示，分離程度越大，分類效果越顯著[14- 15]。本試驗采用留一法(LOO)進(jìn)行交叉驗證確定模型采用的潛在變量。建模過程中，將2個品種石斛楓斗分別賦予數(shù)值(虛擬變量)1和2，則霍山石斛楓斗的類別轉(zhuǎn)化為[10]，河南石斛楓斗的類別轉(zhuǎn)化為[01]，作為光譜數(shù)據(jù)的參考值，然后進(jìn)行PLS建模。

本試驗采用PLS Toolbox 6.2工具箱在Matlab R2009b上建立PLS-DA模型。

1.6模型評價

PLA-DA模型以預(yù)測正確率、特異性和敏感性為評價指標(biāo)。校正集、交叉驗證集和預(yù)測集的正確率越高，判別效果越好，同時也需要考慮到模型采用的潛在變量數(shù)，潛在變量數(shù)越少則模型在后期的應(yīng)用中越穩(wěn)健。模型的特異性與敏感性越高，則模型的判別效果也越好[16]。

圖2 全部樣品原始近紅外光譜圖Fig.2 Original spectra of all samples

2 結(jié)果與分析

2.1原始光譜分析

通過MicroNIR1700采集的231份石斛楓斗樣品的近紅外光譜的原始光譜圖如圖2所示。從圖2可以看出，兩類石斛的特征信息在峰形、峰位和峰強(qiáng)等方面重疊較多，很難直觀區(qū)分，這是因為這二類石斛樣品的組成成分多數(shù)相似，但因樣品的品種不同，特征化合物會有差異，需要借助化學(xué)計量學(xué)方法對近紅外光譜信號進(jìn)行分析處理，提取特征信息之后才能顯示出這些差異，這才使得近紅外技術(shù)應(yīng)用于分類鑒別成為可能[17- 18]。

2.2不同預(yù)處理模型正確率結(jié)果比較

對光譜進(jìn)行預(yù)處理后提取出光譜的主成分，并采用LOO法進(jìn)行交叉驗證(LOOCV)，建立PLS-DA模型對石斛楓斗進(jìn)行鑒別。不同光譜預(yù)處理方法建立模型的判別結(jié)果見表2。

表2 不同光譜預(yù)處理方法對建模效果的影響Table 2 Effect of different spectral pretreatments methods on modeling

1) 1stD:1階導(dǎo)數(shù)1st derivative; SNV: 標(biāo)準(zhǔn)正態(tài)變量變換standard normalized variate; MNCN: 均值中心化 mean center; N:矢量歸一化normalize；MSC：多元散射校正multiplicative scatter correction

從表2可以看出，2種石斛的光譜數(shù)據(jù)經(jīng)不同光譜預(yù)處理方法處理后，采用SNV+MNCN、SNV和MNCN預(yù)處理對石斛正確判別率較低，為90%～95%；1stD+SNV+MNCN正確判別率最高：校正集、交互驗證集、預(yù)測集的正確率都為100%；其余各預(yù)處理的正確判別率居中，說明采用1stD+SNV+MNCN 并結(jié)合LOOCV交叉驗證法所建模型可將2種石斛楓斗完全區(qū)分開，此方法應(yīng)用于霍山石斛楓斗和河南石斛楓斗的判別是可行的。

2.3模型潛在變量的選擇及兩種石斛鑒別結(jié)果分析

提高潛在變量可以提高模型預(yù)測結(jié)果的正確率，但潛在變量太多可引起過擬合，模型的預(yù)測正確率反而下降[19]。圖3是最佳分類鑒別效果時的交叉驗證圖。從圖3可以看出：隨著潛在變量的增加，預(yù)測錯誤率顯著下降，當(dāng)潛在變量達(dá)到12時，錯誤率為0；潛在變量繼續(xù)上升時，錯誤率上升，出現(xiàn)過擬合現(xiàn)象。因此，本試驗中潛在變量選取12最適合，交叉驗證的正確率最高，校正集和預(yù)測集的正確率也最高，都是100%。

圖4為判別分析結(jié)果，圖5為霍山石斛楓斗預(yù)測的概率圖。

圖3PLS-DA模型的交叉驗證圖

Fig.3CrossvalidationofPLS-DAmodel

圖4霍山石斛楓斗的預(yù)測分類圖

Fig.4PredictionclustersoftheDHSF

圖5霍山石斛楓斗的預(yù)測概率圖

Fig.5PredictionprobabilityoftheDHSF

由圖4可見，校正集及預(yù)測集中霍山石斛楓斗樣本聚集在數(shù)值1這一側(cè)，而河南石斛楓斗在校正集和預(yù)測集的分類變量聚集在數(shù)值0這一側(cè)?？拷诸惥€的樣品數(shù)量幾乎為0，兩類樣品得到很好的區(qū)分。從圖5中可見絕大多數(shù)霍山石斛楓斗的預(yù)測概率是1，河南石斛楓斗樣品的概率為0，概率位于0.5附近的樣品為0。根據(jù)PLS-DA法的判別準(zhǔn)則可知：預(yù)測集中所有霍山石斛楓斗樣本均被正確判別為霍山石斛楓斗，而河南石斛楓斗樣本不具有霍山石斛楓斗的特征，說明PLS-DA判別模型對霍山石斛楓斗樣本的判別準(zhǔn)確率為100%，預(yù)測集錯誤率為0。

圖6 PLS-DA模型的敏感性與特異性Fig.6 Sensitivity and specificity curves of PLS-DA model

敏感性和特異性也是光譜分類研究中極為重要的考察指標(biāo)[16]，2種石斛楓斗PLS-DA模型的敏感性和特異性見圖6。圖6(a)和圖6(c)是預(yù)測ROC圖，圖6(b)和圖6(d)是預(yù)測響應(yīng)圖。受試者工作特征(ROC)曲線圖是反映敏感性和特異性連續(xù)變量的綜合指標(biāo)，用構(gòu)圖法揭示敏感性和特異性相互關(guān)系的曲線圖。在ROC圖上，最靠近坐標(biāo)圖左上方的點為敏感性和特異性均較高的臨界值，ROC曲線越靠近左上角，試驗的準(zhǔn)確性就越高。最靠近左上角的ROC曲線的點是錯誤最少的最好閾值，其假陽性和假陰性的總數(shù)最少，錯判和漏判幾率最低。從圖6(a)和圖6(c)可以看出：霍山石斛楓斗(Y1)、河南石斛楓斗(Y2)的模型閾值錯誤最少，其假陽性率和假陰性率最低，特異性和敏感性為1，ROC圖和預(yù)測響應(yīng)圖表達(dá)的意思相同，只是方式不同。圖6(b)圖中x軸是閾值，同時也是預(yù)測值，用于對霍山石斛楓斗的判別。隨著閾值的增加，特異性增加，對霍山石斛楓斗的判別能力增加，出現(xiàn)假陽性(將河南石斛楓斗錯判為霍山石斛楓斗)的可能性下降，在閾值0.5時，特異性最大，為100%(即為1)，閾值大于0.5后，特異性一直保持為100%。敏感性在閾值小于等于0.5時為100%(即為1)，大于0.5時，由100%開始下降，將會導(dǎo)致假陰性上升(霍山石斛楓斗被漏判為河南石斛楓斗)。因此，需要在特異性和敏感性間找到一個平衡點，最大可能的減少錯判(假陰性和假陽性)。由圖可知，在閾值取0.5時，特異性和敏感性均為100%，此時，判別能力最強(qiáng)，錯判率為0。圖6(d)是對河南石斛楓斗的預(yù)測響應(yīng)結(jié)果分析，在閾值取0.5時，特異性和敏感性也均為100%，此時，判別能力最強(qiáng)，錯判率為0。對于交叉驗證集和預(yù)測集，敏感性和特異性都是100%。因此，本試驗建立的方法在實際應(yīng)用中將會非常可靠。

3 結(jié) 論

本試驗運(yùn)用1stD+SNV+MNCN的方法預(yù)處理光譜數(shù)據(jù)，減少了非目標(biāo)因素的影響，提高了信噪比；PLS-DA建立的分析模型，不僅對于校正集的154個楓斗樣品實現(xiàn)了準(zhǔn)確的鑒定，準(zhǔn)確率100%，而且對77個外部的未知石斛楓斗樣品的判別的準(zhǔn)確率也達(dá)到了100%，敏感性和特異性也很高，都為100%。由此可見：便攜式近紅外光譜儀結(jié)合化學(xué)計量學(xué)方法可以精準(zhǔn)地挖掘霍山石斛楓斗和河南石斛楓斗在近紅外光譜中潛在的化學(xué)成分差異信息；可以進(jìn)行這二種石斛楓斗的評價和鑒別，能實現(xiàn)在目前市場環(huán)境下，石斛楓斗的現(xiàn)場、快速、無損鑒別；可以對石斛產(chǎn)業(yè)和中藥材產(chǎn)業(yè)的可持續(xù)健康發(fā)展提供了有力的技術(shù)支撐。

[1]解愛華.不同品種石斛的性狀和鑒別[J]．湖南中醫(yī)藥導(dǎo)報，2004,10(3)：57 - 58．

XIE A H. The character and differentiation between diffrent kinds ofDendrobiumstem[J]. Hunan Guiding Journal of Traditional Chinese Medicine,2004,10(3):57 - 58.

[2]陳曉梅，郭順星．石斛屬植物化學(xué)成分和藥理作用的研究進(jìn)展[J]．天然產(chǎn)物研究與開發(fā)，2001，13(1)：70 - 71．

CHEN X M,GUO S X. Advances in the research of constituents and pharmacology ofDendrobium[J]．Natural Product Research and Development，2001，13(1)：70 - 71．

[3]中華人民共和國藥典委員會.中華人民共和國藥典:第一部[M]．北京：中國醫(yī)學(xué)科學(xué)出版社，2010．

The Pharmacopoeia Comittee of People’s Republic of China. Pharmacopoeia of the People’s Republic of China:The First Volume[M]. Beijing:China Medical Science Press,2010.

[4]陳乃東，賈曉玉，程啟斌,等. 霍山石斛與河南石斛生藥學(xué)特征比較研究[J].天然產(chǎn)物研究與開發(fā),2016,28:1060 - 1065.

CHEN N D,JIA X Y,CHENG Q B,et al. Comparative pharmacognostical investigation ofDendrobiumhuoshanenseandDendrobiumhenanense[J]. Natural Product Research and Development,2016,28:1060 - 1065.

[5]陳乃東，陳乃富，王陶陶，等. 組培霍山石斛楓斗、野生霍山石斛及河南石斛多糖及乙醇溶出物動態(tài)積累規(guī)律研究[J]. 天然產(chǎn)物研究與開發(fā),2015,27(12):2090 - 2094.

CHEN N D,CHEN N F,WANG T T,et al. Accumulation of polysaccharides and ethanol-soluble extract in tissue-cultured and wildDendrobiumhuoshanenseandDendrobiumhenanense[J]. Natural Product Research and Development,2015,27(12):2090 - 2094.

[6]趙海燕，郭波莉，魏益民，等．近紅外光譜對小麥產(chǎn)地來源的判別分析[J]．中國農(nóng)業(yè)科學(xué)，2011,44(7)：1451 - 1456.

ZHAO H Y,GUO B l,WEI Y M,et al. Identification of geographical origins of wheat with discriminant analysis by near infrared spectroscopy[J]. Scientia Agricultura Sinica,2011,44(7)：1451 - 1456.

[7]丁長春，方向京，趙艷麗，等. 近紅外漫反射光譜法快速鑒別石斛屬植物[J]. 光譜學(xué)與光譜分析,2014，34(1):82 - 86.

DING C C,FANG X J,ZHAO Y L,et al. Rapid identification ofDendrobiumplants based on near infrared diffuse reflection spectroscopy[J]. Spectroscopy and Spectral Analysis,2014，34(1):82 - 86.

[8]顏輝，郭成，第丹丹，等. 應(yīng)用手持式近紅外光譜儀檢測桑椹可溶性固形物含量的偏最小二乘回歸模型建立[J]. 蠶業(yè)科學(xué),2016,42(6):1077 - 1084.

YAN H,GUO C,DI D D,et al. Establishment of partial least square regression model for determination of soluble solid content in mulberry fruit by handheld near infrared spectrometer[J]. Science of Sericulture,2016,42(6):1077 - 1084.

[9]顧玉琦,劉瑞婷,壽國忠,等. 應(yīng)用近紅外光譜技術(shù)快速鑒別鐵皮石斛的產(chǎn)地[J]. 江蘇農(nóng)業(yè)科學(xué),2016,44(5)：365 - 368．

GU Y Q,LIU R T,SHOU G Z,et al. Identify the origin of dendrobium candidum with near infrared spectroscopy[J]. Jiangsu Agricultural Sciences,2016,44(5)：365 - 368．

[10]張欣,單楊,李水芳. 基于多元散射校正和偏最小二乘(MSC/PLS)的傅里葉變換近紅外光譜檢測蜂蜜中還原糖[J].食品與機(jī)械,2009,25(6):109 - 112.

ZHANG X,SHAN Y,LI S F. Near-infrared determination of reducing sugar content in honey based on multiplicative scatter correction partial least square(MSC/PLS) method[J].Food & Machinery,2009,25(6):109 - 112.

[11]陳全勝，郭志明，趙杰文，等．基于凈分析物預(yù)處理算法的綠茶中兒茶素的近紅外光譜定量分析[J]．紅外與毫米波學(xué)報，2009，28(5)：357 - 361．

CHEN Q S,GUO Z M,ZHAO J W,et al. Quantitative analysis of the catechins ofgreen tea with near infrared spectroscopy and net analyze preprocess in algorithm[J].Journal of Infrared and Millimeter Waves,2009，28(5)：357 - 361．

[12]楊忠,任海青,江澤慧. PLS-DA法判別分析木材生物腐朽的研究[J]. 光譜學(xué)與光譜分析,2008.28(4):793 - 796.

YANG Z,REN H Q,JIANG Z H. Discrimination of wood biological decay by NIR and partial least squares discriminant analysis(PLS-DA)[J]. Spectroscopy and Spectral Analysis,2008.28(4):793 - 796.

[13]傅誼，張擁軍，陳華才，等．基于偏最小二乘法的板栗近紅外光譜分析模型的建立[J]. 食品科技，2012,37(5):42 - 45.

FU Y,ZHANG Y J,CHEN H C,et al. Establishment of NIR models for components determination in fresh chestnut[J]. Food Science and Technology,2012,37(5):42 - 45.

[14]寧井銘,張正竹,王勝鵬,等. 不同儲存年份普洱茶傅里葉變換紅外光譜研究[J]. 光譜學(xué)與光譜分析,2011,31(9):2390 - 2393.

NING J M,ZHANG Z Z,WANG S P,et al. Study ondifferent storage years of Pu’er tea with Fourier transform infrared spectroscopy[J]. Spectroscopy and Spectral Analysis,2011,31(9):2390 - 2393.

[16]CHEN C W,YAN H,HAN B X. Rapid identification of three varieties ofChrysanthemumwith near infrared spectroscopy[J]. Brazilian Journal of Pharmacognosy,2014,24:33 - 37

[17]陸婉珍,袁洪福,徐廣通,等. 現(xiàn)代近紅外光譜分析技術(shù)[M].2版. 北京:中國石化出版社,2006:30.

LU W Z,YUAN H F,XU G T,et al. Modern Near Infrared Spectroscopy Analysis Technology[M].2nd ed. Beijing:China Petrochemical Press,2006:30.

[18]李曉麗,何勇,裘正軍. 一種基于可見-近紅外光譜快速鑒別茶葉品種的新方法[J]. 光譜學(xué)與光譜分析,2007,27(2):279 - 282.

LI X L,HE Y,QIU Z J. A new method of quickly identifying tea varieties based on visible-near infrared spectroscopy[J]. Spectroscopy and Spectral Analysis,2007,27(2):279 - 282.

[19]陸丹，鄧海山，池玉梅,等. 近紅外光譜技術(shù)鑒別虎掌南星與天南星[J]. 中成藥,2011,33(5):841 - 845.

LU D，DENG H S，CHI Y M,et al. Identification of pinelliae rhizoma and arisaematis rhizoma by near-infrared spectroscopy[J]. Chinese Traditional Patent Medicine,2011,33(5):841 - 845.

Rapid and Nondestructive Identification of Dendrobium huoshanense Fengdou and Dendrobium henanense Fengdou by Portable NIR Spectrometer

JIANG Mingzhu1,2， HAN Bangxing3,4, YAN Hui2, JIA Junqiang2, TU Jie2, MA Yongkun1

(1.School of Food and Biological Engineering,Jiangsu University, Zhenjiang 212013, China; 2.School of Biotechnology, JiangsuUniversity of Science and Technology, Zhenjiang 212018, China; 3.School of Biological and PharmaceuticalEngineering,West Anhui University, Lu’an 237012, China; 4.Chinese Traditional Medicine ResourceCenter,China Academy of Chinese Medical Sciences, Beijing 100700, China)

The near infrared spectra of 231 samples ofDendrobiumhuoshanenseandDendrobiumhenanensewere measured by portable near infrared spectroscopy. Nine kinds of preprocessing methods, such as first derivative(1stD), standard normal variate(SNV), mean centering(MNCN), multiplicative signal correction(MSC)，normalize(N) and their combination were used to pretreat original spectrometer. The model of identifyingD.huoshanenseandD.henanensewere established with PLS-DA method. Different spectral preprocessing methods were compared with the accuracy of model. The models were also evaluated with the accuracy, sensitivity and specificity of PLS-DA model. The results showed that the 1stD+SNV+MNCN preprocessing method had the best effect, the accuracy of the model was the highest. When the latent variable was 12, the prediction accuracy of calibration set, cross validation set and prediction set were 100%, and 100% specificity and sensitivity rate of PLS-DA model were also obtained. The results indicted that PLS-DA analysis with Near-Infrared can provide a new method for rapid and non-invasive identification ofD.huoshanenseFengdou andD.henanenseFengdou.

portable NIR spectrometer; PLS-DA;DendrobiumhuoshanenseFengdou;DendrobiumhenanenseFengdou; nondestructive identification

2017- 01- 05

科技部中醫(yī)藥行業(yè)專項資助(201407003)；安徽省石斛產(chǎn)業(yè)化開發(fā)協(xié)同創(chuàng)新計劃資助(無編號)

江明珠(1971— )，女，江蘇鎮(zhèn)江人，博士生，研究方向為食品生物技術(shù)；E-maildgjmz@163.com

10.3969/j.issn.0253-2417.2017.05.013

TQ35;S789

A

0253-2417(2017)05- 0101- 06

江明珠，韓邦興，顏輝,等.便攜式近紅外光譜儀快速無損鑒別霍山石斛楓斗和河南石斛楓斗[J].林產(chǎn)化學(xué)與工業(yè)，2017，37(5)：101 - 106.