一种基于化学模式识别和近红外光谱的相似药材鉴别方法
【专利摘要】本发明涉及一种近红外光谱对相似药材进行分类的方法。具体为先收集一定数目的相似药材作为建模样品，对中药材粉碎后测试近红外光谱。然后试用不同的化学模式识别方法对样品的分类能力，包括系统聚类分析，最小二乘-判别分析和支持向量机方法。结果表明，支持向量机和最小二乘法都可以达到100％的预测正确率。这种方法不损坏药品，也不会对环境造成污染，是一种环境友好型的方法。因此，近红外光谱结合适当的化学模式识别的方法能够实现相似中药材的快速，准确，无损鉴别。
【专利说明】一种基于化学模式识别和近红外光谱的相似药材鉴别方法
【技术领域】
[0001]本发明属于分析化学领域的无损分析技术，涉及近红外光谱的分析方法和化学模式识别方法。
【背景技术】
[0002]中药在中国有着悠久的历史，它蕴含着中国几千年的文化。近年来，中药的发展逐渐得到人们的重视，利用中药的调理，我们能够解决一些西药不能解决的问题，另外，中药对人们的身体伤害也比较小。但是，一些不法商人为了获取利益，利用药材的相似性对一些名贵药材进行处理，使得药材的药效下降，而且可能会对人们的身体产生不利的影响，最终对消费者造成损失。因此，相似中药的鉴别方法是我国中医药行业急需解决的问题。人们经常通过眼睛识别的方法采集药材，这对大部分药材确实适用。但是中药药材种类繁多，而且有些药材的外观极其相似，用肉眼根本无法鉴别。近年来，多种现代仪器分析方法被用于中药鉴定,例如,近红外光谱、拉曼光谱及成像、核磁共振成像和超声波成像等技术。
[0003]近年来发展起来的近红外光谱技术，它具有快速、准确、无损、以及信息量丰富等特点，逐渐取代了一些传统的中药分析方法，在中药的研究中取得了举足轻重的作用。但是由于近红外光谱区信号较弱，重叠严重，使得我们在使用近红外光谱时，必须得借助化学计量学才可以对中药等复杂体系进行定性定量分析。
[0004]化学模式识别是利用数学、统计学、信号处理等工具，从化学量测数据推理出物质类的本质属性，进而对物质进行识别和归类的一门技术。该方法作为化学计量学的一个重要研究内容，已经被广泛应用到农业、医药、食品分析、石油等领域，在原料产地、真假鉴别，产品质量控制与分析，品质鉴定等方面发挥了重要的作用。化学模式识别方法包括有监督的模式识别方法和无监督的模式识别方法，前者主要有主成分分析、系统聚类分析，后者主要有偏最小二乘-判别、支持向量机、人工神经网络等方法。将化学模式识别方法引入到相似中药材的分类中，将有望实现相似药材的快速准确分类。
[0005]综上，对相似中药材进行鉴别，以防以次充好，甚至掺假是目前亟待解决的问题。本实验通过近红外光谱结合化学模式识别的分析方法，从而实现对相似药品的鉴别。
【发明内容】
[0006]本发明的目的是针对上述存在的问题，提供一种快速，准确，无损等的鉴定中药材相似的方法。
[0007]为实现本发明所提供的技术方案包括以下步骤:
[0008]I)样品收集:以几种外观极为相似的中药材为研究对象，收集来自不同厂家的多个样本，将固体药材粉碎，过筛，编号。
[0009]2)近红外光谱数据采集:确定近红外光谱测试的参数，选取合适目数的药材粉末样品采集近红外漫反射光谱信号。
[0010]3)化学模式识别方法建模:使用化学模式识别方法对相似药材进行分类鉴别。分别尝试无监督的系统聚类方法，有监督的线性分类方法偏最小二乘-判别分析以及非线性分类方法支持向量回归。系统聚类分析方法采用系统聚类树来显示聚类结果。偏最小二乘-判别分析和支持向量机首先需要把样品分成训练集和预测集，分类效果通过预测集预测正确率(suc-pred)来判断。偏最小二乘-判别分析需要确定因子数参数。
[0011]4)根据每种方法的分类效果，选出最好的分类方法对该相似药材进行建模，预测。
[0012]本发明中采用近红外的方法对样品进行测试，样品无需分离提取等繁琐的预处理步骤，不仅不会破坏样品，而且测试速度非常快。将测得的光谱数据保存在计算机上，利用已经编好的程序进行计算处理，不仅计算速度很快，而且实现了聚类的自动化，不需要再对实验进行人工比对。因此，本发明提供的是一种快速、准确、无损等的鉴定相似中药的方法。
【专利附图】
【附图说明】
[0013]图1:白芍、白芷、葛根、茯苓、丹皮五种中药50个样品的近红外光谱图
[0014]图2:50个中药样品的系统聚类结果图具体实施例
[0015]为更好理解本发明，下面结合实施例对本发明做进一步地详细说明，但是本发明要求保护的范围并不局限于实施例表示的范围。
[0016]实施例:
[0017]I)样品收集:收集白芍、白芷、葛根、茯苓、丹皮五种相似药材的样品，每种药材分别从五个不同药店购买(天津福元生大药房、天津津永新大药房、天津同佰堂药店、天津顺时德大药房、天津世纪三潭药房)，每个药店的同一种药材分成两份，总共收集到五种相似药材共50份样品。将50份样品粉碎，依次过60目筛、120目筛，保留60-120目之间，即粒径范围0.118?0.1154mm的样品，依次装入带有编号的塑料瓶里。
[0018]2)近红外光谱数据采集:将样品放入石英瓶中至瓶高度的一半左右，上下振荡石英瓶25次，使用积分球漫反射附件采集样品的近红外光谱。采集光谱范围4000?lOOOOcnT1，扫描次数64次，分辨率ScnT1，每个样品采集3张光谱，取其平均光谱用于数据处理。图1为50个中药样品的近红外光谱图。从图中可以看出，中药近红外样本的光谱图谱峰不明显，背景大，光谱重叠在一起，无法通过光谱本身直接对五种中药进行区分。
[0019]3)化学模式识别方法建模:
[0020]①系统聚类分析建模:首先采用主成分分析对数据进行降维，通过参数优化，类内距离采用欧式聚类，类间距离采用平均距离，对50个样品的近红外光谱进行聚类分析，聚类结果如图2所示。从图中可以看出，第一类(白芍)和第四类(茯苓)药材可以较好得与其它药材区分开，但是第二(白芷)、三(葛根)、五类(丹皮)药材不能通过系统聚类分析区分开。
[0021]②偏最小二乘判别方法建模:采用KS分组方法，从50个样品中取出27个样品进行建模，剩余13个样品进行预测。确定预测结果正确率随因子数的变化，确定偏最小二乘-判别分析的因子数为9。结果显示用偏最小二乘-判别方法进行分析的预测结果正确率为100%。
[0022]③支持向量机建模:采用KS分组方法，从50个样品中取出27个样品进行建模，剩余13个样品进行预测。采用线性核函数建立支持向量机模型，结果显示采用10个支持向量时，对预测集可以达到100 %的预测正确率。
[0023]4)通过上述建模方法的比较，采用无监督的系统聚类方法无法完全正确区分五种中药材，而采用有监督的偏最小二乘-判别分析或者支持向量机时，都可以达到100%的预测正确率。因此，近红外光谱结合偏最小二乘-判别分析或者支持向量机都可以对相似中药进行分类。
【权利要求】
1.一种快速、准确、无损、无污染的相似药材的鉴别，其特征在于:它是采用近红外光谱测量样品的红外光谱信号，之后用化学模式识别方法进行相似鉴别。
2.根据权利要求1所述的快速、准确、无损的相似药材的鉴别，其特征在于:先收集一定数目的样品用于建模，之后再采用系统聚类分析，支持向量机，最小二乘法-判别法进行分析，通过实验结果确定一种适合该体系的最好的建模方法。
3.根据权利要求1所述的相似药材的快速，准确，无损的鉴别方法，其特征在于:对药品的种类数没有限制，不论是两种还是两种以上均可进行鉴别。
【文档编号】G01N21/3563GK104345045SQ201410616144
【公开日】2015年2月11日 申请日期:2014年11月4日 优先权日:2014年11月4日
【发明者】卞希慧, 李露露, 陈娇娇, 普娅, 郭玉高 申请人:天津工业大学