基于高光谱技术的三七不同部位粉末的无损鉴别
Non-Destructive Identification for Panax Notoginseng Powder of Different Parts Based on Hyperspectral Imaging Technique作者机构:江苏大学电气信息工程学院江苏镇江212013 江苏科技大学经济管理学院江苏镇江212100
出 版 物:《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)
年 卷 期:2023年第43卷第7期
页 面:2027-2031页
核心收录:
学科分类:0710[理学-生物学] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 07[理学] 070302[理学-分析化学] 0714[理学-统计学(可授理学、经济学学位)] 0703[理学-化学] 0812[工学-计算机科学与技术(可授工学、理学学位)] 0702[理学-物理学]
基 金:国家自然科学基金项目(31971788) 江苏高校优势学科建设工程项目(PAPD-2018-87) 中国博士后科学基金项目(2021M701479)资助
摘 要:三七是一种传统的中药材,具有较高的药用价值。目前市场上中药售假的现象屡见不鲜,许多不法商贩将三七支根或剪口粉末假冒主根粉末销售,严重损害了消费者的利益。利用高光谱技术结合多元分析方法实现三七不同部位粉末的快速无损鉴别。通过高光谱成像系统分别采集了三七剪口、须根和主根粉末在400~1000 nm范围内的高光谱图像,共300个样本。采用Savitzky-Golay(SG)平滑结合标准变量变换(SNV)的方法对高光谱数据进行去噪和消除因散射引起的光谱差异。为了移除光谱变量中的重迭和冗余信息,利用竞争自适应重加权采样(CARS)算法和本文提出的一种考虑了变量间交互作用的二进制竞争自适应重加权采样(BCARS)算法进行特征波长选择。最后分别建立了基于全光谱、CARS和BCARS特征波长的支持向量机(SVM)和极端梯度提升(XGBoost)分类模型。结果表明,BCARS-XGBoost模型的分类效果最优,训练集和测试集的分类准确率分别为100%和99.33%。与CARS相比,BCARS所选择的特征波长数量较少,有助于多光谱系统和便携式仪器的开发。利用高光谱技术结合BCARS-XGBoost模型鉴别三七不同部位粉末是可行的。