劉雯雯，韋 婉,2，陳 巖，趙 潔，傅曼琴，王 旭,*

（1.廣東省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)質(zhì)量標(biāo)準(zhǔn)與監(jiān)測(cè)技術(shù)研究所，廣東 廣州 510640；2.廣東海洋大學(xué)食品科技學(xué)院，廣東 湛江 524088；3.廣東省農(nóng)業(yè)科學(xué)院蠶業(yè)與農(nóng)產(chǎn)品加工研究所，廣東 廣州 510610）

陳皮為蕓香科植物橘（Citrus reticulataBlanco）及其栽培變種的干燥成熟果皮[1]，根據(jù)品種和產(chǎn)地不同主要可分為陳皮和廣陳皮。其中陳皮一般指大紅袍（Citrus reticulataDahongpao）、溫州蜜柑（Citrus reticulataUnshiu）、福橘（Citrus reticulataTangerina）等的干燥成熟果皮，產(chǎn)地為四川、浙江、福建、廣西等；廣陳皮一般指茶枝柑（Citrus reticulataChachi）的干燥成熟果皮，產(chǎn)地為廣東[2]。陳皮含有豐富的黃酮類化合物如橙皮苷、柚皮苷等，萜類化合物與揮發(fā)油如檸檬烯、β-蒎烯、檸檬苦素等，以及生物堿類如辛弗林等[3]?，F(xiàn)代藥理學(xué)研究表明，陳皮具抗菌抗炎、理氣健脾、燥濕化痰等多種藥理作用[4-5]。

目前，市場(chǎng)對(duì)陳皮的需求不斷增加，陳皮的品質(zhì)和價(jià)格主要受產(chǎn)地、品種、采收期和陳化時(shí)間等因素影響。普遍認(rèn)為廣東陳皮與其他產(chǎn)地陳皮相比具有更優(yōu)越的品質(zhì)，以新會(huì)陳皮最為道地?！瓣惥谜吡肌钡睦碚撌沟酶吣攴蓐惼r(jià)值高于低年份陳皮，陳化時(shí)間長(zhǎng)短引起價(jià)格的差異可高達(dá)20 倍[6]。個(gè)別不法商販為獲取更大的利益，用外地柑皮冒充新會(huì)陳皮、將低年份的陳皮浸泡上色當(dāng)作高年份陳皮出售的亂象時(shí)有發(fā)生。傳統(tǒng)的陳皮鑒別主要是通過(guò)感官分析比較果皮厚度和顏色以及對(duì)光透視時(shí)油室大小和密集程度等方面的差異，根據(jù)經(jīng)驗(yàn)判斷陳皮的真假優(yōu)劣或大致產(chǎn)地、品種及陳化時(shí)間[7]。然而，經(jīng)驗(yàn)鑒別法易受主觀因素的影響，并且采收期、干燥方式的差異等因素也會(huì)使陳皮的性狀發(fā)生較大變化[8]。因此，為準(zhǔn)確評(píng)估陳皮質(zhì)量和價(jià)值，亟需建立有效的陳皮溯源技術(shù)，確定其地理來(lái)源、品種、采收期和陳化時(shí)間。本文分析總結(jié)了代謝組學(xué)、光譜、DNA分析、元素分析、智能感官技術(shù)在陳皮產(chǎn)地溯源與鑒偽研究的發(fā)展現(xiàn)狀和存在的主要問(wèn)題，并以此為基礎(chǔ)展望未來(lái)研究的發(fā)展重點(diǎn)。

1 代謝組學(xué)技術(shù)

代謝組學(xué)通過(guò)分析和比較生物體中的代謝物描述生物樣本之間的異同[9]，按照研究策略的不同可以分為靶向代謝組學(xué)和非靶向代謝組學(xué)。常用的儀器平臺(tái)包括色譜儀、質(zhì)譜儀、色譜-質(zhì)譜聯(lián)用儀等。通過(guò)分析比較陳皮指紋圖譜、化學(xué)成分等差異并結(jié)合化學(xué)計(jì)量學(xué)方法可實(shí)現(xiàn)陳皮產(chǎn)地溯源和鑒偽，相關(guān)研究成果見(jiàn)表1和表2。

表1 代謝組學(xué)技術(shù)應(yīng)用于陳皮產(chǎn)地溯源研究總結(jié)Table 1 Summary of metabolomic technologies applied to trace the geographical origin of CRP

表2 代謝組學(xué)技術(shù)應(yīng)用于陳皮品種、采收期和陳化時(shí)間鑒偽研究總結(jié)Table 2 Summary of metabolomic technologies to identify the variety,harvest period and aging time of CRP

1.1 指紋圖譜

指紋圖譜作為一種綜合的、可量化的色譜鑒定手段，通過(guò)分析指紋圖譜之間的規(guī)律性，可確認(rèn)陳皮化學(xué)成分信息[10]。陳彤等[10]利用氣相色譜-質(zhì)譜（gas chromatography-mass spectrometry，GC-MS）聯(lián)用儀建立8 個(gè)產(chǎn)地陳皮的揮發(fā)油指紋圖譜，采用主成分分析（principal component analysis，PCA）方法研究圖譜中左旋-α-蒎烯、β-蒎烯等7 個(gè)共有特征峰，PCA圖顯示新會(huì)、四會(huì)、四川、南豐和桂林這5 個(gè)產(chǎn)地的樣品各自聚類，得到較好的區(qū)分。楊雪燕等[11]也建立了具有16 個(gè)共有特征峰的新會(huì)陳皮揮發(fā)油指紋圖譜，PCA和層次聚類分析（hierarchical cluster analysis，HCA）結(jié)果表明新會(huì)陳皮與其他產(chǎn)地陳皮區(qū)分效果良好。為進(jìn)一步提高產(chǎn)地鑒別準(zhǔn)確率，胡繼藤等[12]采用人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）解析5 個(gè)不同產(chǎn)地陳皮的高效液相色譜（high performance liquid chromatography，HPLC）指紋圖譜中6 個(gè)共有成分峰數(shù)據(jù)，可實(shí)現(xiàn)100%識(shí)別新會(huì)陳皮。指紋圖譜也可用于鑒別陳皮品種，郭念欣等[13]分別建立廣陳皮和陳皮的HLPC指紋圖譜，通過(guò)比較特征峰的保留時(shí)間、峰面積等以及軟件計(jì)算各樣品間的相似度，初步區(qū)分了廣陳皮與陳皮。徐展翅等[14]研究也指出廣陳皮的HPLC指紋圖譜與其他5 個(gè)品種（大紅袍、溫州蜜柑、年橘、貢柑、蕉柑）陳皮的指紋圖譜具有特征性差異，可用于區(qū)分廣陳皮與普通陳皮。在差異分析的基礎(chǔ)上，采用化學(xué)計(jì)量學(xué)方法解析圖譜數(shù)據(jù)能提高鑒別準(zhǔn)確率和挖掘特征成分。胡繼藤等[12]采用ANN方法分析陳皮HPLC指紋圖譜，實(shí)現(xiàn)了茶枝柑、溫州蜜柑、大紅袍3 個(gè)品種陳皮的鑒別，準(zhǔn)確率為90%。Tistaert等[15]利用判別偏最小二乘（discriminant partial least squares，DPLS）方法挖掘出陳皮不同于其他柑橘果皮的多個(gè)特征成分（如川陳皮素、橘皮素、橙皮苷等），所構(gòu)建的陳皮鑒別模型準(zhǔn)確率可達(dá)98.3%。另外，Yi Lunzhao等[16]通過(guò)偏最小二乘線性判別分析（partial least squares-linear discriminant analysis，PLS-LDA）方法分析不同采收期陳皮HPLC指紋圖譜中18 個(gè)共有特征峰數(shù)據(jù)，鑒別青皮和大紅皮準(zhǔn)確率為93%。

1.2 化學(xué)成分

黃酮類成分是陳皮的重要功能性化學(xué)成分，主要由黃酮苷類和多甲氧基黃酮類組成[17]。其中的橙皮苷、川陳皮素和橘皮素是陳皮質(zhì)量評(píng)估的重要指標(biāo)，通過(guò)比較這3 個(gè)成分的含量比值并結(jié)合HCA和PCA方法可初步區(qū)分廣陳皮與其他陳皮[18]。Liu Ehu等[19]在橙皮苷、川陳皮素和橘皮素的基礎(chǔ)上進(jìn)一步測(cè)定了柚皮苷、七甲氧基黃酮和五甲氧基黃酮的含量，通過(guò)對(duì)陳皮中這6 種特征黃酮類成分含量進(jìn)行HCA可明顯區(qū)分茶枝柑品種陳皮與九月黃、溫州蜜柑、早橘品種的陳皮。在常見(jiàn)黃酮類成分之外，高分辨質(zhì)譜法結(jié)合化學(xué)計(jì)量學(xué)方法能挖掘出新的特征成分并構(gòu)建鑒別模型。如在品種鑒別方面，基于液相色譜-高分辨質(zhì)譜的非靶向代謝組學(xué)方法結(jié)合正交偏最小二乘判別分析（orthogonal partial least squares-discriminant analysis，OPLS-DA）等篩選出了茶枝柑品種陳皮不同于其他品種陳皮的特征成分[20-22]，主要包括六甲氧基黃酮、甜橙黃酮、野漆樹(shù)苷、蘆丁、香葉木素-6-8-C-葡萄糖苷、木犀草素-6-8二-C-葡萄糖苷、2,3,4,5,7-五甲氧基黃酮、4’-羥基-5,6,7,8-四甲氧基黃酮等，構(gòu)建的OPLS-DA模型能鑒別出茶枝柑品種陳皮。同樣的方法也被用于鑒別陳皮和橘紅，篩選出咖啡?？鼘幩?、柚皮苷、柚皮黃素等12 個(gè)特征成分[23]。而在產(chǎn)地、采收期和陳化時(shí)間鑒別方面，黃芳等[24]研究表明甜橙黃酮、辛弗林、羥基四甲氧基黃酮、柚皮苷、枸橘苷等9 個(gè)特征成分在區(qū)分不同產(chǎn)地陳皮間起到重要作用，LDA模型鑒別新會(huì)陳皮的準(zhǔn)確率為94.4%；汪鵬[20]研究結(jié)果顯示以多甲氧基黃酮類、檸檬苦素類為主的27 個(gè)特征成分可用于鑒別青皮和大紅皮；Luo Yan等[22]發(fā)現(xiàn)陳皮中柚皮苷、5-羥基-7,8,2’-三甲氧基黃酮、去甲基川陳皮素等31 個(gè)成分含量與陳化時(shí)間相關(guān)，結(jié)合OPLS-DA構(gòu)建模型可區(qū)分3、5、10 a以及15 a以上的廣陳皮。

陳皮中含有豐富的揮發(fā)性成分，主要包括單萜烯、倍半帖烯、含氧化合物等[25]。陳明權(quán)等[26]通過(guò)比較陳皮揮發(fā)油中α-蒎烯與β-蒎烯的比值差異可簡(jiǎn)單快速區(qū)分新會(huì)陳皮，并且α-蒎烯與β-蒎烯的比值受采收期、陳化時(shí)間等因素影響較小。曹烙文[27]利用全二維GC-MS法全面分析陳皮揮發(fā)性成分，研究發(fā)現(xiàn)薄荷烯酮、二氫香芹醇、反式-2-十二烯醛等13 個(gè)成分在新會(huì)陳皮與其他產(chǎn)地陳皮間存在差異，且薄荷烯酮只在新會(huì)陳皮中被檢出。部分揮發(fā)性成分被視為潛在的品種特征成分，如Duan Li等[28]研究顯示廣陳皮中2-甲氨基苯甲酸甲酯、α-甜橙醛、莰烯含量明顯高于陳皮，而乙酸香葉酯、β-欖香烯、δ-欖香烯僅在陳皮中檢出；Zheng Yuying等[29]篩選出2-甲氨基苯甲酸甲酯、對(duì)傘花烴-8-醇、D-檸檬烯、4-萜醇等特征成分用于區(qū)分廣陳皮與其他陳皮；Lv Weisheng等[30]建立的以2-甲氨基苯甲酸甲酯、檸檬烯、松油醇、蒎烯等為特征成分的揮發(fā)性有機(jī)物指紋圖譜能實(shí)現(xiàn)廣陳皮鑒別。據(jù)此認(rèn)為2-甲氨基苯甲酸甲酯可能是區(qū)分廣陳皮與其他陳皮的一個(gè)關(guān)鍵特征成分[31-32]。利用揮發(fā)性成分差異還可能鑒別采收期和陳化時(shí)間，Zheng Guodong等[33]評(píng)估了不同采收期廣陳皮中主要活性成分的動(dòng)態(tài)變化情況，其中側(cè)柏烯、蒎烯、D-香茅醇、芳樟醇、香葉醇、D-檸檬烯等22 種揮發(fā)性成分含量與采收期相關(guān)，結(jié)合PCA方法可初步區(qū)分青皮、微紅皮和大紅皮。梁天一等[34]利用氣相色譜-離子遷移譜（gas chromatography-ion mobility spectrometry，GC-IMS）研究發(fā)現(xiàn)不同陳化時(shí)間陳皮中左旋玫瑰醚、2-庚酮、松油醇、2-十一碳烯醛等成分含量差異較明顯，陳化1 a和12 a的陳皮在PCA圖中容易區(qū)分。市場(chǎng)普遍認(rèn)為陳化3 a以上的柑皮才能稱作陳皮，Ou Xiaoqun等[35]比較分析了新皮（＜3 a）和陳皮（＞4 a）中月桂烯、4-蒈烯、松油烯等31 個(gè)揮發(fā)性成分含量差異，并利用ANN算法建立了新皮和陳皮的鑒別模型，準(zhǔn)確率達(dá)到96%。

2 光譜技術(shù)

光譜信息可反映樣品中化學(xué)成分結(jié)構(gòu)和含量，產(chǎn)地、品種、采收、陳化等因素均會(huì)引起陳皮的化學(xué)成分組成發(fā)生變化，因而不同產(chǎn)地、品種、采收期或陳化時(shí)間的陳皮的光譜特征存在差異，通過(guò)化學(xué)計(jì)量學(xué)方法解析光譜信息可以實(shí)現(xiàn)陳皮產(chǎn)地溯源和鑒偽。近紅外光譜、拉曼光譜、太赫茲時(shí)域光譜、高光譜成像和熒光光譜技術(shù)已應(yīng)用于陳皮的產(chǎn)地溯源以及品種、陳化時(shí)間鑒別，相關(guān)研究成果見(jiàn)表3和表4。

表3 光譜技術(shù)應(yīng)用于陳皮產(chǎn)地溯源研究總結(jié)Table 3 Summary of spectroscopic technologies applied to trace the geographical origin of CRP

表4 光譜技術(shù)應(yīng)用于陳皮品種和陳化時(shí)間鑒偽研究總結(jié)Table 4 Summary of spectroscopic technologies applied to identify the variety and aging time of CRP

2.1 近紅外光譜技術(shù)

近紅外光譜技術(shù)常用波長(zhǎng)范圍在750～2 500 nm之間，波數(shù)為4 000～12 000 cm-1，光譜圖中的譜峰吸收強(qiáng)度與化合物中共價(jià)鍵的數(shù)量和化學(xué)環(huán)境密切相關(guān)，因此通過(guò)分析近紅外光譜能夠獲得化合物結(jié)構(gòu)和組成信息[36]。郭念欣等[37]采用PCA、判別分析（discriminant analysis，DA）方法直接分析陳皮近紅外光譜的原始光譜數(shù)據(jù)，能準(zhǔn)確鑒別產(chǎn)自廣東的陳皮。但原始光譜中易存在譜峰重疊、基線漂移等干擾，選用合適的化學(xué)計(jì)量學(xué)方法對(duì)光譜進(jìn)行預(yù)處理，可以消除干擾，提高模型的穩(wěn)健性和預(yù)測(cè)性能。余梅等[38]比較了一階導(dǎo)數(shù)（firstorder derivative，1st der)、標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variate，SNV）等8 種單一預(yù)處理及預(yù)處理組合的形式對(duì)陳皮內(nèi)側(cè)和外側(cè)近紅外光譜數(shù)據(jù)進(jìn)行處理的效果，結(jié)果表明陳皮外側(cè)光譜數(shù)據(jù)經(jīng)2 個(gè)預(yù)處理組合優(yōu)化后，結(jié)合PCA建立的模型可區(qū)分四川、福建、廣東3 個(gè)產(chǎn)地的陳皮，準(zhǔn)確率為100%。建模算法的優(yōu)化也是提高模型分類性能的關(guān)鍵，Pan Shaowei等[39]分別采用SNV和Savitzky-Golay濾波（SG）預(yù)處理陳皮外側(cè)近紅外光譜數(shù)據(jù)，并比較了隨機(jī)森林（random forest，RF）、K近鄰（K nearest neighbor，KNN）、LDA 3 種建模算法的鑒別效果，其中SG-LDA模型性能較優(yōu)，新會(huì)陳皮鑒別準(zhǔn)確率為96.99%。近紅外光譜技術(shù)在陳皮品種鑒別方面也具有應(yīng)用潛力，楊桂玲等[40]基于陳皮10 360～9 681 cm-1波段的近紅外漫反射光譜，結(jié)合1st der和矢量歸一法（vector normalization，VN）預(yù)處理光譜數(shù)據(jù)和聚類分析（cluster analysis，CA）可將22 個(gè)品種的陳皮分成4 類。閆珂巍等[41]通過(guò)SNV預(yù)處理陳皮近紅外光譜數(shù)據(jù)后采用PCA建立廣陳皮與川陳皮鑒別模型，準(zhǔn)確率達(dá)到90.91%。董怡青等[42]對(duì)陳皮外側(cè)11 190～5 800 cm-1波段的近紅外漫反射光譜數(shù)據(jù)進(jìn)行預(yù)處理后，結(jié)合PCA方法可實(shí)現(xiàn)假冒陳皮（砂糖橘皮、沃柑果皮等）100%鑒別。近紅外光譜技術(shù)還能實(shí)現(xiàn)快速、無(wú)損檢測(cè)陳皮陳化年份，并展現(xiàn)出較好的鑒別效果。在進(jìn)行無(wú)損檢測(cè)時(shí)，由于陳皮的內(nèi)側(cè)和外側(cè)結(jié)構(gòu)和化學(xué)成分組成有差異，光譜采集到的信號(hào)和受到的干擾也有所不同。Pan Shaowei等[39]采集廣陳皮外側(cè)900～1 700 nm光譜數(shù)據(jù)，通過(guò)SG預(yù)處理和LDA建模，可準(zhǔn)確區(qū)分3、5、8、10 a的廣陳皮，準(zhǔn)確率為100%。余梅等[43]研究結(jié)果表明基于陳皮內(nèi)側(cè)近紅外光譜數(shù)據(jù)構(gòu)建陳化年份鑒別模型的分類精度優(yōu)于陳皮外側(cè)數(shù)據(jù)，能實(shí)現(xiàn)100%鑒別5、10、15、20、25 a的陳皮。Li Pao等[44-45]研究也指出基于陳皮內(nèi)側(cè)近紅外數(shù)據(jù)建模的分類精度更高，構(gòu)建的LDA模型在鑒別4 個(gè)陳化時(shí)間陳皮時(shí)的準(zhǔn)確率大于96%，融合分析陳皮內(nèi)外側(cè)光譜數(shù)據(jù)可提高鑒別準(zhǔn)確率至100%。除了應(yīng)用LDA建模外，陳皮紅外光譜數(shù)據(jù)結(jié)合支持向量機(jī)（support vector machine，SVM）和KNN構(gòu)建鑒別模型能區(qū)分1、3、5、7、10 a的廣陳皮，準(zhǔn)確率為96.50%[46]。

2.2 拉曼光譜技術(shù)

拉曼光譜技術(shù)是基于拉曼散射效應(yīng)分析與入射光頻率不同的散射光譜，得到相應(yīng)分子振動(dòng)、轉(zhuǎn)動(dòng)方面的信息，進(jìn)而獲得結(jié)構(gòu)、對(duì)稱性、化學(xué)鍵等相應(yīng)分子信息。不同化合物具有不一樣的拉曼光譜特征，通過(guò)分析其拉曼峰位、峰強(qiáng)、線型、線寬及譜線數(shù)目可以從分子水平上進(jìn)行定性和定量分析[47]。楊方等[48]采用表面增強(qiáng)拉曼光譜技術(shù)對(duì)8 個(gè)不同陳化時(shí)間的陳皮進(jìn)行分析，研究發(fā)現(xiàn)與金膜-銀納米顆?；紫啾?，金膜或銀納米顆?；卓色@得增強(qiáng)的拉曼光譜信息，基于峰值變化信息推測(cè)7 a及以上的陳皮相比5 a及以下的陳皮產(chǎn)生了某些新成分，展示了拉曼光譜技術(shù)應(yīng)用于陳皮陳化時(shí)間鑒別的可能性。李靜敏等[49]研究顯示廣陳皮外側(cè)拉曼光譜中768、869、1 598、2 124 cm-1特征峰隨年份單調(diào)變化，利用這4 個(gè)拉曼特征峰和PCA回歸法建立廣陳皮年份鑒別預(yù)測(cè)模型，初步實(shí)現(xiàn)了3、7、10 a廣陳皮的鑒別，但預(yù)測(cè)準(zhǔn)確率僅為76.92%。

2.3 太赫茲時(shí)域光譜技術(shù)

太赫茲波是指頻率在0.1～10 THz的電磁波，波長(zhǎng)在0.03～3 mm之間。太赫茲時(shí)域光譜技術(shù)是利用透射式或反射式方法得到攜帶樣品信息的時(shí)域譜，時(shí)域譜經(jīng)過(guò)傅里葉變換后獲得樣品相關(guān)光學(xué)參數(shù)[50]。余靜孝等[51]分析不同產(chǎn)地陳皮太赫茲時(shí)域光譜的吸收系數(shù)譜，比較多種預(yù)處理以及3 種建模算法對(duì)產(chǎn)地鑒別準(zhǔn)確度的影響，結(jié)果表明吸收系數(shù)譜經(jīng)SG預(yù)處理后，結(jié)合LDA提取光譜特征和SVM構(gòu)建模型，能準(zhǔn)確鑒別產(chǎn)自新會(huì)不同區(qū)域的陳皮。在吸收系數(shù)之外，太赫茲時(shí)域光譜的其他光學(xué)信息參數(shù)亦可用于陳皮鑒別。Liu Yao等[52-53]分別利用吸收系數(shù)譜和折射率譜進(jìn)行陳化時(shí)間鑒別，研究顯示基于吸收系數(shù)譜的鑒別模型性能優(yōu)于基于折射率譜的鑒別模型，比較4 種建模算法，卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）表現(xiàn)出更好的分類效果，區(qū)分1、3、5、10、15、20 a新會(huì)陳皮的準(zhǔn)確率最高為95.63%。而通過(guò)原位法獲取光譜數(shù)據(jù)可實(shí)現(xiàn)無(wú)損鑒別，但準(zhǔn)確度有所下降。楊少壯等[54]研究了吸收系數(shù)、折射率、復(fù)介電常數(shù)虛部、介質(zhì)損耗角正切值應(yīng)用于陳化時(shí)間鑒別中的可行性，通過(guò)PCA方法對(duì)4 種光學(xué)參數(shù)進(jìn)行數(shù)據(jù)降維和SVM構(gòu)建分類模型，區(qū)分3、5、10、15、20 a陳皮的預(yù)測(cè)準(zhǔn)確率為94%。

2.4 高光譜成像技術(shù)

高光譜成像技術(shù)將光譜與圖像相結(jié)合，探測(cè)目標(biāo)的二維幾何空間和光譜信息，結(jié)合空間維和光譜維數(shù)據(jù)共同組成三維觀測(cè)數(shù)據(jù)立方體，已逐漸應(yīng)用于農(nóng)業(yè)、食品等領(lǐng)域[55]。張悅等[56]將高光譜成像技術(shù)應(yīng)用于陳皮產(chǎn)地溯源，采集不同產(chǎn)地陳皮的可見(jiàn)-近紅外和短波紅外波段范圍內(nèi)高光譜數(shù)據(jù)，利用圖分割算法提取數(shù)據(jù)以及1st der方法預(yù)處理和PLS-DA建模，可實(shí)現(xiàn)快速無(wú)損鑒別6 個(gè)產(chǎn)地的陳皮，其中省級(jí)產(chǎn)地鑒別準(zhǔn)確率為98.41%，新會(huì)不同區(qū)域鑒別準(zhǔn)確率為99.05%。鮑一丹等[57]利用高光譜成像技術(shù)進(jìn)行陳化時(shí)間鑒別，采集4 個(gè)年份的陳皮在380～1 023 nm及874～1 734 nm的內(nèi)、外側(cè)高光譜圖像，通過(guò)偏最小二乘回歸（partial least squares regression，PLSR）系數(shù)法提陳皮年份相關(guān)的特征波段，并基于特征波段和非線性極限學(xué)習(xí)機(jī)（extreme learning machine，ELM）方法建立陳皮年份鑒別模型，準(zhǔn)確率可達(dá)98.33%。

2.5 熒光光譜技術(shù)

熒光光譜技術(shù)利用化合物的光致發(fā)光現(xiàn)象產(chǎn)生的熒光特性和強(qiáng)度，進(jìn)行化合物的定性和定量分析，在藥材產(chǎn)地溯源方面已有相關(guān)應(yīng)用[58]。Lan Wei等[59]開(kāi)發(fā)了一種基于納米顆粒、光譜拼接和化學(xué)計(jì)量學(xué)的簡(jiǎn)單熒光檢測(cè)方法用于陳皮品種和陳化時(shí)間鑒別，研究選取納米金顆粒和碲化鎘量子點(diǎn)作為納米傳感器，分別與陳皮水提取物混合產(chǎn)生熒光猝滅光譜后，采用光譜拼接策略獲得包含陳皮樣品自體熒光和熒光猝滅光譜不同組合的拼接光譜。結(jié)合PLS-DA構(gòu)建模型可100%區(qū)分茶枝柑品種陳皮與其他品種陳皮，并且對(duì)1、5、10、15、20 a陳皮的區(qū)分準(zhǔn)確率為98.04%。

3 DNA分析技術(shù)

不同品種來(lái)源植物的DNA序列會(huì)存在差異，通過(guò)測(cè)定分析特征DNA片段可實(shí)現(xiàn)植物品種鑒別[60]，DNA分析技術(shù)應(yīng)用于陳皮品種鑒偽的研究總結(jié)見(jiàn)表5。單核苷酸多態(tài)性（simple nucleotide polymorphish，SNP）是指基因組上的單個(gè)核苷酸發(fā)生變異（包括轉(zhuǎn)換、顛換、缺失和插入）形成的遺傳標(biāo)記，是品種鑒別的常用技術(shù)。Wang Hongtao等[61]通過(guò)對(duì)陳皮與柑橘果皮的DNA的內(nèi)源轉(zhuǎn)錄間隔區(qū)（internal transcribed spacer，ITS）序列進(jìn)行擴(kuò)增、測(cè)序和SNP分析，發(fā)現(xiàn)了陳皮共有的2 個(gè)特異性SNP位點(diǎn)，并以此為基礎(chǔ)利用多重等位基因特異性PCR區(qū)分陳皮與其他柑橘果皮。Li Shangzhen等[62]研究也發(fā)現(xiàn)了陳皮DNA的ITS2區(qū)域的3 個(gè)特異性SNP位點(diǎn)可以應(yīng)用于區(qū)分4 個(gè)品種的陳皮。不同于SNP技術(shù)以核苷酸變異作為標(biāo)記，DNA條形碼技術(shù)是利用生物體內(nèi)一段某個(gè)品種特有的、且在種內(nèi)穩(wěn)定遺傳DNA序列對(duì)品種進(jìn)行快速鑒別，ITS2序列是陳皮品種鑒別常用的DNA序列，成樹(shù)森等[63]通過(guò)PCR擴(kuò)增和測(cè)序分析陳皮DNA的ITS2序列，對(duì)廣陳皮基原植物、廣陳皮藥材以及橘、檸檬、柚、黃皮4 種近緣種植物進(jìn)行鑒定，結(jié)果表明ITS2序列作為DNA條形碼可識(shí)別廣陳皮基原植物、藥材及其他近緣種植物。Yu Xiaoxue等[64]在ITS2序列分析的基礎(chǔ)上，結(jié)合二級(jí)結(jié)構(gòu)比對(duì)區(qū)分茶枝柑、大紅袍、溫州蜜柑品種的陳皮。Wang Peng等[65]研究結(jié)果也顯示茶枝柑品種陳皮DNA的ITS2序列及二級(jí)結(jié)構(gòu)與其他3 個(gè)品種的陳皮存在明顯差異。

表5 DNA分析技術(shù)應(yīng)用于陳皮品種鑒偽總結(jié)Table 5 Summary of DNA-based technologies applied to identify the variety of CRP

4 元素分析技術(shù)

礦質(zhì)元素是參與植物代謝的重要物質(zhì)，植物體內(nèi)的礦質(zhì)元素主要來(lái)源于周圍環(huán)境，并且其組成與環(huán)境中的礦質(zhì)元素有較強(qiáng)的相關(guān)性[66]。由于不同生長(zhǎng)地域環(huán)境中的土壤、水及空氣中礦質(zhì)元素組成及含量都有其各自的特征，因此植源性食品中的礦質(zhì)元素組成可以反映出生長(zhǎng)地域的特殊性，進(jìn)而用于產(chǎn)地溯源研究[67]。目前，利用元素分析進(jìn)行陳皮產(chǎn)地溯源的研究較少，李富榮等[68]通過(guò)分析廣東、福建、重慶3 個(gè)產(chǎn)地陳皮的礦質(zhì)元素組成特征，明確了26 種礦質(zhì)元素含量在廣東與福建、重慶之間存在著顯著差異，基于差異元素含量構(gòu)建的LDA和OPLS-DA模型產(chǎn)地鑒別準(zhǔn)確率最高可達(dá)100%，并確認(rèn)了Sc、B、Y、Co、Nd、La、Pr、Be、Gd、Dy、Sm、Mo、Fe等礦質(zhì)元素含量在陳皮產(chǎn)地溯源中發(fā)揮了重要作用。

5 智能感官技術(shù)

智能感官技術(shù)作為新興的快速分析技術(shù)，采用電子傳感器模擬生物的嗅覺(jué)及味覺(jué)系統(tǒng)，從而使樣品的檢測(cè)客觀化、智能化[69]。其中的電子鼻和電子舌技術(shù)應(yīng)用于陳皮品種和陳化時(shí)間鑒偽的研究總結(jié)見(jiàn)表6。電子鼻主要由一組交叉敏感的氣體傳感陣列和適當(dāng)?shù)哪Ｊ阶R(shí)別系統(tǒng)組成，利用多個(gè)氣敏傳感器模擬人類的嗅覺(jué)系統(tǒng)，將氣味分子轉(zhuǎn)化為不同的電信號(hào)識(shí)別混合氣體[70]。Li Shangzhen等[62]采用可響應(yīng)酚類和醛類揮發(fā)性成分的電子鼻，分析其對(duì)茶枝柑、大紅袍、溫州蜜柑、福橘4 個(gè)不同品種陳皮的信號(hào)變化，結(jié)合PCA方法可將茶枝柑品種陳皮與其他品種的陳皮區(qū)分開(kāi)。類似地，陳林等[71]使用電子鼻表征陳皮揮發(fā)性成分的整體信息，研究結(jié)果表明不同品種陳皮的揮發(fā)性成分存在相似性和差異性，通過(guò)判別因子分析（discriminant factor analysis，DFA）方法可初步鑒別出茶枝柑品種的陳皮。電子鼻技術(shù)結(jié)合ANN模型還能快速鑒別不同品種和不同陳化時(shí)間的陳皮，對(duì)茶枝柑品種的鑒別準(zhǔn)確率為94.67%，對(duì)3 個(gè)陳化時(shí)間的鑒別準(zhǔn)確率為96%[72]。電子舌主要由交互敏感傳感器陣列、信號(hào)調(diào)理電路以及模式識(shí)別算法構(gòu)成，通過(guò)模擬人類的味覺(jué)感受機(jī)制分辨和定量溶液中不同的味覺(jué)或化學(xué)成分，結(jié)合化學(xué)計(jì)量學(xué)分析數(shù)據(jù)可反映樣品整體質(zhì)量信息[73]。Shi Qingrui等[74]采用電子舌分析陳皮提取液化學(xué)成分，通過(guò)離散小波變換對(duì)原始信號(hào)進(jìn)行特征值提取和數(shù)據(jù)壓縮，對(duì)比了7 種建模方法對(duì)4 個(gè)陳化時(shí)間陳皮的鑒別效果，結(jié)果表明ELM模型性能最優(yōu)，鑒別準(zhǔn)確率可達(dá)95%。此外，通過(guò)電子鼻和電子舌技術(shù)分析圈枝柑陳皮和駁枝柑陳皮氣味和滋味成分的差異，結(jié)合化學(xué)計(jì)量學(xué)方法能區(qū)分2 種栽培方式的陳皮，并篩選出β-月桂烯、檸檬烯、β-反式辛烯、γ-松油烯等主要揮發(fā)性風(fēng)味化合物，以及羥甲基糠醛、橙皮素、橙皮素等關(guān)鍵風(fēng)味化合物[75]。

表6 智能感官技術(shù)應(yīng)用于陳皮品種和陳化時(shí)間鑒偽研究總結(jié)Table 6 Summary of intelligent sensory technologies applied to identify the variety and aging time of CRP

6 化學(xué)計(jì)量學(xué)方法

產(chǎn)地溯源和鑒偽的化學(xué)計(jì)量學(xué)本質(zhì)上是應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)及其他相關(guān)學(xué)科的理論和方法，從化學(xué)測(cè)量數(shù)據(jù)出發(fā)，通過(guò)信息提取和分析研究對(duì)象的化學(xué)特征，進(jìn)一步將數(shù)據(jù)與產(chǎn)地、真?zhèn)涡畔⑦M(jìn)行關(guān)聯(lián)分析[76]。在陳皮產(chǎn)地溯源和鑒偽研究中，常用的化學(xué)計(jì)量學(xué)方法包括PCA、HCA、LDA、OPLS-DA等，根據(jù)是否需要樣本的先驗(yàn)知識(shí)，可分為無(wú)監(jiān)督算法和有監(jiān)督算法。PCA和HCA屬于無(wú)監(jiān)督算法，該類算法在分類前無(wú)需知道樣本的類別屬性，直接訓(xùn)練樣本來(lái)獲得分類信息，可用于初步概括各組樣本間的總體分布情況、自然聚集狀態(tài)和發(fā)現(xiàn)異常樣本等。有監(jiān)督算法是在給定樣本分類信息的情況下，通過(guò)對(duì)樣本進(jìn)行訓(xùn)練或?qū)W習(xí)構(gòu)建一個(gè)最優(yōu)的分類模型，隨后再利用這個(gè)模型完成對(duì)未知樣本的判別，如LDA、OPLS-DA等。近年來(lái)，SVM、ANN等有監(jiān)督的機(jī)器學(xué)習(xí)算法也逐漸被應(yīng)用于產(chǎn)地溯源和鑒偽研究，SVM是通過(guò)建立一個(gè)最優(yōu)決策超平面，使得該平面兩側(cè)距平面最近的兩類樣本之間的距離最大化，從而對(duì)分類問(wèn)題提供良好的泛化能力。ANN是通過(guò)模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的，由大量的節(jié)點(diǎn)之間相互聯(lián)接構(gòu)成，可用來(lái)對(duì)數(shù)據(jù)之間的復(fù)雜關(guān)系進(jìn)行建模。ANN依靠訓(xùn)練數(shù)據(jù)來(lái)學(xué)習(xí)，并隨時(shí)間推移提高自身準(zhǔn)確性。對(duì)陳皮產(chǎn)地溯源和鑒偽研究而言，如何選擇合適的算法以達(dá)到最優(yōu)的分類效果是其中的關(guān)鍵問(wèn)題。即使是分析同一數(shù)據(jù)，不同算法的分類效果也各有差異，如Pan Shaowei等[39]采用LDA、RF、KNN分析陳皮的近紅外光譜數(shù)據(jù)以進(jìn)行產(chǎn)地鑒別，結(jié)果顯示，LDA分類效果優(yōu)于RF和KNN。因此，建議在研究中采用多種算法分析數(shù)據(jù)，比較評(píng)估不同算法的分類性能，以確定合適的算法保證產(chǎn)地溯源和鑒偽的準(zhǔn)確性。

7 陳皮產(chǎn)地溯源與鑒偽技術(shù)對(duì)比分析

近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)陳皮產(chǎn)地溯源與鑒偽技術(shù)進(jìn)行了大量研究，這些技術(shù)具有不同的優(yōu)缺點(diǎn)和應(yīng)用場(chǎng)景，為了未來(lái)更有效地開(kāi)展相關(guān)領(lǐng)域的研究，表7對(duì)不同技術(shù)的優(yōu)缺點(diǎn)和應(yīng)用場(chǎng)景進(jìn)行了匯總對(duì)比。

表7 不同陳皮產(chǎn)地溯源與真實(shí)性鑒別技術(shù)比較Table 7 Comparison of different techniques for geographical origin traceability and authenticity of CRP

代謝組學(xué)技術(shù)應(yīng)用范圍廣，在產(chǎn)地、品種、采收期、陳化時(shí)間鑒別中都具有良好的表現(xiàn)。其中的指紋圖譜技術(shù)通過(guò)分析比較圖譜的整體特征能初步區(qū)分新會(huì)陳皮、廣陳皮等，但在多產(chǎn)地、多品種鑒別方面效果欠佳[10,14]。通過(guò)定性/定量分析不同陳皮的化學(xué)成分，能找出鑒別的關(guān)鍵特征成分和研究其變化規(guī)律，但不同的樣品前處理方法能獲得化學(xué)成分組成可能不一樣[77]，一定程度上會(huì)影響分析的重現(xiàn)性和準(zhǔn)確性。非靶向代謝組學(xué)技術(shù)能獲取全面、豐富的信息，可是海量的信息對(duì)數(shù)據(jù)處理要求高，而且分析設(shè)備昂貴、儀器操作復(fù)雜。光譜技術(shù)可實(shí)現(xiàn)快速、無(wú)損檢測(cè)，其中近紅外光譜技術(shù)應(yīng)用較廣，檢測(cè)成本低，結(jié)果重現(xiàn)性較好，但其靈敏度不高，可能檢測(cè)不到某些含量很低的關(guān)鍵溯源和鑒偽成分；拉曼光譜技術(shù)可與近紅外光譜技術(shù)互補(bǔ)，但熒光背景對(duì)其有干擾；太赫茲光譜技術(shù)具有高穿透性、信噪比高等優(yōu)勢(shì)，然而測(cè)量頻率范圍較窄；高光譜成像技術(shù)分辨率高，但圖像數(shù)據(jù)冗雜不便于實(shí)時(shí)分析；熒光光譜技術(shù)靈敏度高，只是目前研究仍較少。并且由于光譜數(shù)據(jù)量大且復(fù)雜，數(shù)據(jù)預(yù)處理和模型構(gòu)建算法的選擇對(duì)鑒別結(jié)果準(zhǔn)確性的影響較大[53,56,78]。DNA分析技術(shù)不受環(huán)境、栽培、陳化等因素的影響，在品種鑒別方面具有獨(dú)特優(yōu)勢(shì)，同時(shí)具有重復(fù)性和穩(wěn)定性高、實(shí)驗(yàn)操作標(biāo)準(zhǔn)化等特點(diǎn)，可是當(dāng)前可供選擇的分子標(biāo)記較少，多用于種屬水平鑒定，種下品種鑒定準(zhǔn)確性略差[20]。元素分析技術(shù)檢出限低、準(zhǔn)確度高，能夠綜合分析多個(gè)元素，但實(shí)驗(yàn)操作要求較高，在陳皮鑒別方面應(yīng)用較少。智能感官技術(shù)具有操作簡(jiǎn)單、響應(yīng)速度快等優(yōu)點(diǎn)，然而專屬傳感器的種類有限、交叉響應(yīng)特征信號(hào)分析較難，傳感器也容易受檢測(cè)環(huán)境影響。

8 結(jié)語(yǔ)

綜上所述，在陳皮產(chǎn)地溯源和鑒偽領(lǐng)域，代謝組學(xué)、光譜、DNA分析、元素分析和智能感官技術(shù)都發(fā)揮了重要作用。其中代謝組學(xué)技術(shù)具有廣泛的適用性，能獲取豐富的信息，并能篩選出多種關(guān)鍵特征成分，有助于研究陳皮的化學(xué)成分組成和時(shí)空變化規(guī)律，但對(duì)新特征成分的鑒定和影響機(jī)制分析還需深入探究。光譜技術(shù)以近紅外光譜為主，具有快速檢測(cè)和操作方便的優(yōu)勢(shì)，但其數(shù)據(jù)冗雜，預(yù)處理和建模方法的選擇對(duì)鑒別準(zhǔn)確率影響較大，且需要大量已知化學(xué)值的樣品構(gòu)建模型，模型共享和轉(zhuǎn)移存在難度。DNA分析技術(shù)在陳皮品種鑒別方面具有較大潛力，然而現(xiàn)在已篩選出的分子標(biāo)記相對(duì)單一，多品種鑒別效果需要加強(qiáng)。元素分析技術(shù)利用礦質(zhì)元素相對(duì)穩(wěn)定且與產(chǎn)地環(huán)境相關(guān)性強(qiáng)的特點(diǎn)進(jìn)行溯源，可是現(xiàn)有研究?jī)H分析了不同產(chǎn)地陳皮礦質(zhì)元素組成差異，未明確礦質(zhì)元素從土壤環(huán)境到陳皮的遷移轉(zhuǎn)化規(guī)律。智能感官技術(shù)分析速度快，但現(xiàn)有傳感器僅對(duì)部分氣味和滋味敏感，影響其在陳皮鑒別中的進(jìn)一步應(yīng)用。

現(xiàn)有研究多集中于陳皮產(chǎn)地溯源和品種鑒別，取得了較好的鑒別效果，但大部分研究仍局限于省級(jí)區(qū)域溯源以及茶枝柑和其他陳皮品種的鑒別，缺乏精細(xì)的小尺度地域溯源和多品種鑒別。采收期鑒別研究也較少，尚未建立有效的鑒別技術(shù)。陳化時(shí)間鑒別一直是研究熱點(diǎn)，多種技術(shù)均有應(yīng)用，但當(dāng)前樣本數(shù)量較少、陳化時(shí)間各異，所建立的鑒別方法在預(yù)測(cè)未知陳皮樣品時(shí)準(zhǔn)確性可能降低。

由于陳皮的自身復(fù)雜性和多變性，以及當(dāng)前產(chǎn)地溯源和鑒偽技術(shù)有效性與準(zhǔn)確性的不足，還需對(duì)其進(jìn)行更深入的研究。為此，本文在總結(jié)前人研究的基礎(chǔ)之上，嘗試給出如下可能的研究重點(diǎn)：

1）對(duì)于特征化學(xué)成分和元素指標(biāo)，系統(tǒng)研究產(chǎn)地、品種、采收、陳化等多因素對(duì)特征指標(biāo)變化的影響以及主要遷移、轉(zhuǎn)化機(jī)制，闡釋特征指標(biāo)來(lái)源和評(píng)估其用于陳皮鑒別的有效性和穩(wěn)定性，并結(jié)合功能性成分定量分析，開(kāi)展陳皮質(zhì)量評(píng)價(jià)；

2）對(duì)于光譜、圖像、傳感信號(hào)等數(shù)據(jù)，優(yōu)化識(shí)別算法，研究合適的數(shù)據(jù)預(yù)處理和模型構(gòu)建方法，提升鑒別模型適用性；

3）對(duì)于采收期和陳化時(shí)間鑒別，需要合理設(shè)計(jì)實(shí)驗(yàn)，控制單一條件，排除產(chǎn)地環(huán)境、栽培方式、加工條件等其他因素的干擾；

4）擴(kuò)大陳皮樣本范圍，強(qiáng)化樣本代表性，建立和完善陳皮鑒別模型以及形成陳皮相關(guān)數(shù)據(jù)庫(kù)；

5）聯(lián)合使用多種技術(shù)和融合多源數(shù)據(jù)，篩選和擴(kuò)充可代表產(chǎn)地、品種、采收期或陳化時(shí)間特征的鑒別指標(biāo)，結(jié)合多元統(tǒng)計(jì)分析，提高鑒別精度。

本文通過(guò)對(duì)陳皮產(chǎn)地溯源和鑒偽技術(shù)的研究現(xiàn)狀進(jìn)行分析總結(jié)，討論了各種技術(shù)的優(yōu)缺點(diǎn)和存在問(wèn)題，展望了未來(lái)研究方向，以期為陳皮產(chǎn)地溯源和鑒偽技術(shù)的進(jìn)一步研究提供理論支持。