郭云香，陳 龍， 李曉瑾，王果平， 蔣益萍 ，辛海量， 賈曉光

(1 新疆醫(yī)科大學(xué) 中醫(yī)學(xué)院，新疆 烏魯木齊 830011；2 新疆維吾爾自治區(qū)中藥民族藥研究所,國(guó)家中醫(yī)藥管理局新疆中藥民族藥資源重點(diǎn)實(shí)驗(yàn)室,新疆 烏魯木齊 830002；3 海軍軍醫(yī)大學(xué)藥學(xué)院生藥學(xué)教研室，上海 200433；4 襄陽(yáng)市中心醫(yī)院 湖北文理學(xué)院附屬醫(yī)院，湖北 襄陽(yáng) 441021；5 湖北中醫(yī)藥大學(xué) 中藥資源和中藥復(fù)方教育部重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430065)

啤酒花HumuluslupulusL.為?？迫劜輰倨【苹ǖ母稍锎菩郧蛩霠罨ㄐ?，不僅是釀造啤酒的重要添加原料[1]。在我國(guó)還作為民族藥使用。被收錄于《新疆藥用植物志》《內(nèi)蒙古植物藥志》《寧夏中藥志》《哈薩克藥物志》《四川中藥志》等，具有止咳化痰、健胃、消食、鎮(zhèn)靜、利尿的功效，為藥食兩用的新疆特色資源植物[2]。在歐洲，啤酒花提取物用于緩解更年期的潮熱不適以及絕經(jīng)后骨質(zhì)疏松癥[3]。傳統(tǒng)啤酒花生藥的鑒別方法有顯微鑒定、理化鑒定[4]及非線性化學(xué)指紋圖譜[5-6]等，但這些方法都存在實(shí)驗(yàn)復(fù)雜、檢測(cè)時(shí)間過(guò)長(zhǎng)等缺點(diǎn)。近紅外漫反射光譜技術(shù)(NIR)其無(wú)損、快速、準(zhǔn)確的優(yōu)點(diǎn)能夠反映樣品的綜合信息，在植物藥[7]、動(dòng)物藥[8]和礦物藥[9]中均有涉及，能反映分子中C-H、N-H、O-H基團(tuán)基頻振動(dòng)的倍頻吸收與合頻吸收。本研究將運(yùn)用近紅外漫反射光譜(NIRS)技術(shù)，將主成分分析(PCA)和支持向量機(jī)(SVM)等化學(xué)計(jì)量學(xué)算法相結(jié)合，建立快速無(wú)損的PCA-SVM識(shí)別模型，用于國(guó)產(chǎn)和進(jìn)口啤酒花的快速鑒別。

1 儀器與材料

1.1 儀器

MPA傅里葉變換近紅外光譜儀(德國(guó)布魯克光學(xué)儀器公司，配備固體積分球漫反射附件)，OPUS 7.5 采集和處理軟件(德國(guó)布魯克光學(xué)儀器公司)，MATLAB R2014b軟件(美國(guó)Math Works公司)。

1.2 樣品

2017年采集的國(guó)內(nèi)外不同地方的啤酒花樣品均經(jīng)第二軍醫(yī)大學(xué)藥學(xué)院生藥教研室辛海量副教授鑒定，并密封存放于干燥陰涼處，詳細(xì)采集信息見(jiàn)表1。

表1 啤酒花樣品產(chǎn)地來(lái)源及采集時(shí)間

(續(xù)表1)

2 方法與結(jié)果

2.1 近紅外光譜采集

共計(jì)56批樣品，分別取2g置于樣品瓶中，采用積分球漫反射測(cè)試模式掃描NIR光譜。光譜掃描范圍4 000～12 500 cm-1，掃描次數(shù)32次，儀器分辨率為8 cm-1。每個(gè)樣品重復(fù)掃描3次，取平均值作為該樣品的分析光譜。所有樣品NIR光譜見(jiàn)圖1。

2.2 樣本集劃分及類(lèi)別標(biāo)簽值設(shè)定

將56批樣品按2:1比例隨機(jī)分為校正集和測(cè)試集2個(gè)子集，校正集訓(xùn)練模型，并以?xún)?nèi)部交叉驗(yàn)證法驗(yàn)證模型性能，測(cè)試集對(duì)所建模型進(jìn)行預(yù)測(cè)能力評(píng)價(jià)。采用矢量歸一化法(VN)、一階導(dǎo)數(shù)(FD)、二階導(dǎo)數(shù)(SD)對(duì)樣品進(jìn)行光譜預(yù)處理，運(yùn)用PCA-SVM算法，以 RBF(高斯徑向基核函數(shù))為核函數(shù)，分別采用網(wǎng)格搜索優(yōu)化法、遺傳算法(GA)、粒子群算法(PSO)并結(jié)合五折交叉驗(yàn)證法進(jìn)行建模，并以五折交叉驗(yàn)證準(zhǔn)確率為指標(biāo)，對(duì)SVM模型參數(shù)組合(c,g)進(jìn)行尋優(yōu)，用尋優(yōu)所確定的最佳參數(shù)建立PCA-SVM模型，并用所建模型對(duì)校正集和測(cè)試集樣品進(jìn)行預(yù)測(cè)，計(jì)算預(yù)測(cè)準(zhǔn)確率。具體分集信息見(jiàn)表1。

圖1 56份啤酒花樣品的近紅外原始光譜疊加圖

2.3 PCA降維及光譜預(yù)處理

2.3.1PCA降維

PCA是一種將原來(lái)多個(gè)具有一定相關(guān)性的眾多指標(biāo)，重新組合成一組新的互相無(wú)關(guān)的綜合指標(biāo)的統(tǒng)計(jì)分析方法[11]。運(yùn)用PCA方法對(duì)近紅外光譜數(shù)據(jù)特征提取和壓縮，對(duì)多維數(shù)據(jù)進(jìn)行降維，去除輸入隨機(jī)向量之間的相關(guān)性，突出原始數(shù)據(jù)中的隱含特性，可消除眾多信息共存中相互重疊的信息部分。選擇特征值較大的幾個(gè)主成分作為特征變量進(jìn)行模式識(shí)別[12]。

在OPUS軟件中，將校正集樣本初始建模譜段的原始光譜數(shù)據(jù)，進(jìn)行PCA降維處理，提取前兩個(gè)主成分，利用各樣品的第一主成分(PC1)和第二主成分(PC2)得分值繪制平面散點(diǎn)圖(圖2)。

圖2 第一主成分(PC1)和第二主成分(PC2)得分平面散點(diǎn)圖 進(jìn)口：藍(lán)色；國(guó)產(chǎn)：紅色

2.3.2光譜預(yù)處理

在用近紅外漫反射儀進(jìn)行光譜信息采集時(shí)，得到的樣品信息包括除自身信息外的無(wú)關(guān)信息，例如由于儀器、樣品粒徑大小、裝樣量、重復(fù)測(cè)量次數(shù)等引起的基線不平、噪音干擾，為了得到可靠的信息，需要對(duì)光譜進(jìn)行預(yù)處理以消除干擾，建立更可靠的模型。采用光譜預(yù)處理方法有矢量歸一化法(VN)、一階導(dǎo)數(shù)法(FD)、二階導(dǎo)數(shù)法(SD)建立定性模型，并以模型效果確定最佳預(yù)處理方法。

為確定最佳的光譜預(yù)處理方法，提取有效的主成分。利用Matlab R2014b軟件，在訓(xùn)練集樣品的9 000～4 100 cm-1譜段，分別對(duì)VN,FD或SD預(yù)處理后的光譜進(jìn)行PCA降維，并提取不同預(yù)處理?xiàng)l件下的前兩個(gè)主成分，利用各樣品的第一主成分(PC1)和第二主成分(PC2)得分值繪制平面散點(diǎn)圖(圖3)。

由圖3可知，校正樣品經(jīng)VN、FD、SD預(yù)處理后可見(jiàn)鑒別趨勢(shì)，但VN、SD預(yù)處理后部分同類(lèi)別樣品分布較近，易混淆。而校正集樣品的光譜經(jīng)FD預(yù)處理后，其主成分得分的散點(diǎn)圖上，同類(lèi)樣品彼此靠近，異類(lèi)樣品彼此分離，相比于其他預(yù)處理方法，其分類(lèi)效果最佳，故確定FD為最佳光譜預(yù)處理方法。光譜在9 000～4 100cm-1譜段的光譜經(jīng)FD預(yù)處理后，消除了基線漂移，同時(shí)光譜峰差異得到顯著放大，更有利于進(jìn)行品種鑒別。

2.4 特征譜段篩選

在9 000～4 100 cm-1譜段中還包括水的特征吸收7 500～6 500 cm-1,5 400～5 000 cm-1。此外還有尚不明確的干擾信息，因此，為簡(jiǎn)化模型，消除干擾，提高模型穩(wěn)定性，對(duì)建模譜段進(jìn)行篩選。在不降低模型鑒別能力的情況下，盡可能縮小建模譜段的范圍。

由圖4，在排除水分的干擾后，初始建模譜段可被分為3部分：9 000～7 500 cm-1,6 500～5 400 cm-1,5 000～4 100 cm-1，故將上述SD預(yù)處理后的三個(gè)譜段，分別進(jìn)行PCA降維，提取前兩個(gè)主成分，繪制主成分得分散點(diǎn)圖(圖5)。由圖5可見(jiàn)6 500～5 400 cm-1譜段效果最佳，該譜段條件佳，PCA得分散點(diǎn)圖上，同類(lèi)樣品點(diǎn)相對(duì)集中，異類(lèi)樣品點(diǎn)能較好分離。但3批樣品出現(xiàn)類(lèi)別混亂。尚需進(jìn)一步的優(yōu)化。

因此，選取6 500～5 400 cm-1譜段，以FD為最佳預(yù)處理方法進(jìn)行光譜預(yù)處理，以PCA提取主成分，獲得各樣品光譜的主成分得分，作為SVM模型的輸入變量，建立國(guó)產(chǎn)和進(jìn)口啤酒花的近紅外光譜PCA-SVM定性分析模型。

圖3 光譜預(yù)處理VN、FD、SD散點(diǎn)圖 A.矢量歸一化法散點(diǎn)圖；B.一階導(dǎo)數(shù)法散點(diǎn)圖；C.二階導(dǎo)數(shù)法散點(diǎn)圖

圖4 啤酒花樣品的一階導(dǎo)數(shù)NIRS

2.5 SVM建模

2.5.1SVM算法

SVM算法[13]是一種基于統(tǒng)計(jì)學(xué)理論的新的機(jī)器學(xué)習(xí)方法，SVM通過(guò)尋求結(jié)構(gòu)化風(fēng)險(xiǎn)最小來(lái)提高學(xué)習(xí)機(jī)泛化能力，實(shí)現(xiàn)經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍的最小化，達(dá)到在統(tǒng)計(jì)樣本量較少的情況下，獲得良好統(tǒng)計(jì)規(guī)律的目的。在解決小樣本、非線性、高維數(shù)據(jù)時(shí)具有很大優(yōu)勢(shì)，在很大程度上能夠克服“過(guò)學(xué)習(xí)”和“維數(shù)災(zāi)難”等問(wèn)題。SVM常用核函數(shù)有多項(xiàng)式、Sigmoid感知核和高斯徑向基核(RBF)。其中，RBF核函數(shù)[14]是應(yīng)用最廣泛的核函數(shù)，適用于低緯、高維、小樣本或大樣本等情況，是較為理想的分類(lèi)依據(jù)函數(shù)。

2.5.2內(nèi)部參數(shù)優(yōu)化

在RBF為核函數(shù)的SVM算法中有2個(gè)重要的參數(shù)：懲罰因子c和核函數(shù)參數(shù)g，不同參數(shù)所建立的模型的預(yù)測(cè)能力不同，故參數(shù)優(yōu)化的方法在建模過(guò)程中有著很大的影響。網(wǎng)格搜索法(GS)是SVM問(wèn)題上應(yīng)用最為普遍的參數(shù)尋優(yōu)算法，它是將參數(shù)(c,g)在一定的空間范圍中劃分成網(wǎng)格，從網(wǎng)格中全部的點(diǎn)中找到最優(yōu)參數(shù)[15]。此外，遺傳算法(GA)和粒子群算法(PSO)是近年來(lái)迅猛發(fā)展起來(lái)的智能算法，GA算法是借鑒生物界自然選擇和遺傳機(jī)制，利用選擇、交換和突變等算法的操作，隨著不斷的遺傳迭代，保留目標(biāo)數(shù)據(jù)較優(yōu)的變量，最終達(dá)到最優(yōu)結(jié)果的一種方法[16]。PSO算法模擬鳥(niǎo)群飛行覓食的行為，通過(guò)鳥(niǎo)之間的集體協(xié)作使群體達(dá)到最優(yōu)目的。在PSO算法系統(tǒng)中，每個(gè)備選解被稱(chēng)為一個(gè)粒子，多個(gè)粒子共存、合作尋優(yōu)，每個(gè)粒子根據(jù)其自身的經(jīng)驗(yàn)和相鄰粒子群的最佳經(jīng)驗(yàn)在問(wèn)題空間中向更好的位置飛行，搜索最優(yōu)解[17]。

基于上述原理，本文使用了RBF核函數(shù)建立國(guó)產(chǎn)和進(jìn)口啤酒花的SVM模式分類(lèi)模型。模型以FD預(yù)處理的樣品光譜(6500-5400cm-1)經(jīng)PCA提取的前兩個(gè)主成分得分為SVM輸入變量，以各類(lèi)樣品的類(lèi)別標(biāo)簽值為輸出，分別采用網(wǎng)格搜索優(yōu)化法、GA、PSO并結(jié)合五折交叉驗(yàn)證法，以五折交叉驗(yàn)證準(zhǔn)確率為指標(biāo)，對(duì)SVM模型參數(shù)組合(c,g)進(jìn)行尋優(yōu)，用尋優(yōu)所確定的最佳參數(shù)建立PCA-SVM模型，并用所建模型對(duì)校正集和測(cè)試集樣品進(jìn)行預(yù)測(cè)，計(jì)算預(yù)測(cè)準(zhǔn)確率。綜合考慮五折交叉驗(yàn)證準(zhǔn)確率、校正集預(yù)測(cè)準(zhǔn)確率和測(cè)試集預(yù)測(cè)準(zhǔn)確率，對(duì)PCA-SVM模型進(jìn)行評(píng)價(jià)。不同尋優(yōu)方法的尋優(yōu)過(guò)程見(jiàn)圖6所示，所得參數(shù)建立的SVM模型效果見(jiàn)表2。

綜合對(duì)比上述預(yù)測(cè)準(zhǔn)確率，準(zhǔn)確率越高，模型越好，據(jù)此判斷最佳SVM模型。由表2，不同尋優(yōu)方法下，兩個(gè)主成分所建PCA-SVM模型的效果一致。但PSO尋優(yōu)所確定的c值偏大而g值偏小，該選優(yōu)方法不合適。對(duì)比網(wǎng)格搜索法和GA尋優(yōu)過(guò)程，發(fā)現(xiàn)GA尋優(yōu)操作更為復(fù)雜，且具有一定隨機(jī)性，故確定網(wǎng)格搜索法為最佳。依據(jù)網(wǎng)格尋優(yōu)結(jié)果，確定最佳c和g值均為1，利用前2個(gè)主成分得分值建立的PCA-SVM模型對(duì)校正集和測(cè)試集預(yù)測(cè)準(zhǔn)確率均較高(>85%)。但考察主成分累計(jì)貢獻(xiàn)率變化(圖7)，前兩個(gè)主成分累計(jì)貢獻(xiàn)率為91.70%(<95%)，2個(gè)主成分包含原光譜數(shù)據(jù)的信息量有限，是否為最佳建模主成分?jǐn)?shù)尚不明確，故對(duì)主成分?jǐn)?shù)進(jìn)行優(yōu)選，進(jìn)一步提高PCA-SVM模型性能。

圖5 不同建模波段的一階導(dǎo)數(shù)PCA得分散點(diǎn)圖 A.9 000～7 500 cm-1；B.6 500～5 400 cm-1；C.5 000～4 100 cm-1

圖6 SVM內(nèi)部參數(shù)尋優(yōu)過(guò)程圖 A.網(wǎng)格搜索優(yōu)化法；B.遺傳算法；C.粒子群優(yōu)化算法

尋優(yōu)算法主成分?jǐn)?shù)cg準(zhǔn)確率/%五折交叉驗(yàn)證校正集測(cè)試集網(wǎng)格21192.1192.11(35/38)88.89(16/18)GA22.55660.344792.1192.11(35/38)88.89(16/18)PSO2778.68770.00192.1192.11(35/38)88.89(16/18)

圖7 主成分累計(jì)貢獻(xiàn)變化圖

2.5.3主成分?jǐn)?shù)進(jìn)一步優(yōu)選

經(jīng)原始光譜(9 000～4 100 cm-1)FD預(yù)處理、PCA降維得到前2個(gè)主成分，并提取特征譜段數(shù)據(jù)(6 500～5 400 cm-1)進(jìn)行SVM建模，前2個(gè)是否為必要或最佳主成分尚不明確，且對(duì)原始光譜數(shù)據(jù)信息的代表性不強(qiáng)，故需對(duì)主成分?jǐn)?shù)進(jìn)行優(yōu)選。在前2個(gè)主成分的基礎(chǔ)上，增加建模的主成分個(gè)數(shù)，將PCA提取前3、4、5、6、7、8、9、10個(gè)主成分，以防數(shù)據(jù)丟失。但主成分?jǐn)?shù)增加會(huì)使模型穩(wěn)定性減低，故需對(duì)建模的主成分?jǐn)?shù)進(jìn)行篩選。根據(jù)上述SVM算法建模及尋優(yōu)過(guò)程依次建立8個(gè)PCA-SVM分類(lèi)模型，由圖7可得，前10個(gè)主成分累計(jì)貢獻(xiàn)率達(dá)99.74%，前10個(gè)主成分的貢獻(xiàn)率相對(duì)較大，對(duì)原數(shù)據(jù)的代表性較強(qiáng)，故本研究在這前10個(gè)主成分中進(jìn)行篩選，依次建立不同主成分?jǐn)?shù)的PCA-SVM模型，并對(duì)比建模效果見(jiàn)表3。

表3 不同主成分?jǐn)?shù)的PCA-SVM模型的建模參數(shù)及驗(yàn)證、評(píng)價(jià)效果

由表2和表3可知：隨主成分?jǐn)?shù)的增加，校正集和測(cè)試集預(yù)測(cè)準(zhǔn)確率均增加，其中當(dāng)主成分?jǐn)?shù)為8時(shí)，校正集預(yù)測(cè)準(zhǔn)確率達(dá)到最大，其后保持穩(wěn)定；當(dāng)主成分?jǐn)?shù)為7時(shí)，測(cè)試集預(yù)測(cè)準(zhǔn)確率達(dá)到最大，并保持穩(wěn)定。此外，五折交叉驗(yàn)證準(zhǔn)確率先增大，后減小，當(dāng)主成分?jǐn)?shù)為8時(shí)，五折交叉驗(yàn)證準(zhǔn)確率最大。故確定啤酒花樣品最佳主成分?jǐn)?shù)為8。即以PCA提取的前8個(gè)主成分得分為PCA-SVM的輸入變量。

2.6 SVM評(píng)價(jià)

綜上所述，在6 500～54 00 cm-1建模譜段，確定最佳光譜預(yù)處理方法為一階導(dǎo)數(shù)法(FD)，F(xiàn)D預(yù)處理光譜PCA降維后，確定最佳主成分前8個(gè)主成分(PC1,PC2,...,PC8)。經(jīng)網(wǎng)格搜索法確定最佳SVM建模參數(shù)組為：c=2,g=1，所建PCA-SVM模型對(duì)校正集和測(cè)試集樣品預(yù)測(cè)正確率均分別為97.37%和97.44%，預(yù)測(cè)準(zhǔn)確率高。模型五折交叉驗(yàn)證準(zhǔn)確率亦達(dá)97.37%，模型性能最佳。該模型對(duì)校正集和測(cè)試集預(yù)測(cè)結(jié)果見(jiàn)圖8。

通過(guò)圖8可以看出，在尋優(yōu)過(guò)程中發(fā)現(xiàn)，網(wǎng)格搜索算法尋優(yōu)原理簡(jiǎn)單，具有可重復(fù)性，而PSO算法和GA尋優(yōu)的智能算法，其運(yùn)算過(guò)程具有一定的隨機(jī)性，對(duì)復(fù)雜問(wèn)題的解決能力更強(qiáng)。建立光譜數(shù)據(jù)經(jīng)FD預(yù)處理后進(jìn)行降維，使得建模復(fù)雜度相對(duì)簡(jiǎn)化，且不同樣品的趨向度不一致，故確定最優(yōu)內(nèi)部尋優(yōu)方法為網(wǎng)格搜索算法。以網(wǎng)格搜索算法確定的模型8對(duì)訓(xùn)練集和測(cè)試集樣品的預(yù)測(cè)可知，校正集的第9個(gè)樣品PJH-14預(yù)測(cè)錯(cuò)誤，測(cè)試集的第17個(gè)樣品PJH-51預(yù)測(cè)錯(cuò)誤，可能樣品的基數(shù)過(guò)小，可達(dá)標(biāo)原始光譜的絕大多數(shù)信息。

圖8 模型8對(duì)樣品的預(yù)測(cè)效果 A.預(yù)測(cè)集；B.校正集

3 討論

本實(shí)驗(yàn)通過(guò)收集國(guó)產(chǎn)和進(jìn)口啤酒花樣品，在收集的56個(gè)樣品中，有21個(gè)進(jìn)口啤酒花，35個(gè)國(guó)產(chǎn)啤酒花，利用NIRS光譜，建立了啤酒花中藥材的PCA-SVM模式識(shí)別模型，該模型對(duì)預(yù)測(cè)集和校正集樣品的預(yù)測(cè)準(zhǔn)確率高。模型五折交叉驗(yàn)證準(zhǔn)確率亦達(dá)97.37%，模型性能最佳?？捎糜谄【苹悠返目焖勹b別。建模過(guò)程中，本文采用光譜PCA降維所得的主成分得分平面散點(diǎn)圖，對(duì)光譜預(yù)處理主成分進(jìn)行優(yōu)選，根據(jù)樣品的趨勢(shì)，確定樣品的最佳預(yù)處理方法。然后對(duì)SVM的內(nèi)部參數(shù)進(jìn)行GA算法、PSO算法尋優(yōu)，建立PCA-SVM算法，快速鑒別啤酒花樣品。

本文首次將NIRS技術(shù)應(yīng)用于啤酒花中藥材的鑒別，證明了其具有可能性，為啤酒花的鑒別提供了新的方法。但由于樣本量及產(chǎn)地的限制，本文在對(duì)啤酒花樣品進(jìn)行模型五折交叉驗(yàn)證中校正集第9個(gè)樣品PJH-14預(yù)測(cè)錯(cuò)誤，測(cè)試集第17個(gè)樣品PJH-51預(yù)測(cè)錯(cuò)誤。后期需對(duì)樣品量和產(chǎn)地、品種進(jìn)行擴(kuò)增，對(duì)模型進(jìn)行完善。使該方法可以快速鑒別啤酒花，提高測(cè)試正確率和準(zhǔn)確率。該方法也可用于其他中藥材的鑒別，例如礦物類(lèi)和樹(shù)脂類(lèi)中藥材[18-19]。本研究方法較新，收集樣品量大，建立方法具有一定的應(yīng)用和推廣價(jià)值。