基于拉曼光谱技术的桑椹花色素苷快速检测研究
Rapid Detection of Anthocyanin in Mulberry Based on Raman Spectroscopy作者机构:中国计量大学生命科学学院浙江杭州310018
出 版 物:《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)
年 卷 期:2021年第41卷第12期
页 面:3771-3775页
核心收录:
学科分类:081704[工学-应用化学] 07[理学] 08[工学] 0817[工学-化学工程与技术] 070302[理学-分析化学] 0703[理学-化学]
基 金:浙江省自然科学基金项目(LY21C150007,LY17C150003) 浙江省重点研发计划项目(2019C02074) 国家自然科学基金项目(31401923)资助
主 题:拉曼光谱 花色素苷 桑椹 特征提取 PLSR SVR
摘 要:花色素苷是一种天然的水溶性黄酮类色素,具有多种药用价值,广泛存在于桑椹中,成为评价桑椹产品品质的重要指标。传统检测方法费时费力,因此实现花色素苷含量的快速检测对于桑椹产品的开发利用至关重要。该研究以桑椹中的花色素苷为研究对象,探索花色素苷与拉曼光谱特性之间的关系及拉曼光谱技术对其定量检测的可行性。对桑椹及3种花色素苷标准品的拉曼光谱进行了分析,其中可将545,634和737 cm^(-1)处的峰位作为桑椹中花色素苷的拉曼特征峰,以此判断桑椹中是否含有花色素苷,并根据其峰值的高低来定性判断花色素苷含量多少。运用多元散射校正(MSC)、基线校正(airPLS)、归一化(Normalized)三种方法及其组合方法进行光谱数据预处理,并结合PLSR筛选最佳预处理方式。比较发现最佳预处理为airPLS+MSC+Normalized,其PLSR模型效果较好,建模集决定系数为0.97,RMSE c为2.74,预测集决定系数为0.82,RMSE p为13.69。基于airPLS+MSC+Normalized预处理后的光谱,采用竞争性自适应重加权算法(CARS)对光谱进行特征波长筛选,将筛选出的波长变量作为输入变量分别建立了PLSR模型和SVR模型,研究两种模型的预测效果。结果表明经过CARS处理的两种模型均能对花色素苷的含量进行准确预测,其中经过CARS变量筛选建立的SVR模型效果最好,建模集决定系数为0.98,RMSE c为1.92,预测集决定系数为0.94,RMSE p为4.70,预测精度较高。因此拉曼光谱技术可以实现对桑椹中花色素苷含量的快速、准确预测。