CN103399092B - 一种快速评定人参品质的方法 - Google Patents

Abstract

本发明公开了一种快速无损鉴别人参品质的方法，该方法采用智能香气敏感系统对不同等级人参香气检测，得到传感器响应信号，根据逐步判别法对传感器优化初步后，对比3种不同特征值提取方法，得到优化传感器有效特征值作为建模数据。利用GC-MS分析香气化合物的变化规律，测定半倍萜类化合物和芳香族化合物含量，建立它们与优化后传感器间的偏最小二乘（PLS）回归模型，进而实现对未知人参品质的评定。本发明利用气敏传感器阵列和气相质谱联用技术，实现了气敏传感器阵列的合理优化，建立了一种预测芳香族化合物含量和半倍萜类化合物含量的预测模型，进而实现人参品质的预测，为药材市场人参品质鉴别提供了一种新方法。

Description

一种快速评定人参品质的方法

技术领域

本发明涉及一种快速评定人参品质的方法。

背景技术

人参,西洋参等名贵药材有重要的保健和抗癌功效，不同品质的人参切片，其形状，颜色类似，但药物功效存在较大差异，价格差异悬殊，因此人参市场上以次充好现象普遍。目前，国内外对人参品质鉴别的主要方法有活性成分含量鉴定和感官评定（香气和口感），前者根据化学成分鉴别，前处理复杂，耗时耗力，价格昂贵；后者市场上较常见，评价指标易接受，实践简单，但评定结果受环境因素和主观因素影响较大。综合以上两种方法的优点，即一种操作简单，成本低廉，评价结果客观准确的鉴别方法，是药材市场上的迫切需求。目前国内外学者开始关注一些快速无损的检测方法，如人工嗅觉系统，味觉系统检测等。这些方法可以给出类似感官评价法的指标，但在实际应用中，尤其对名贵药材检测，以香气为指标的品质鉴别比较少见，也没有统一有效快速准确的评定方法和技术手段。

发明内容

本发明的目的是针对现有技术的不足，提供一种快速无损评定人参品质的方法。

本发明的目的是通过以下技术方案来实现的，一种快速无损鉴别人参品质的方法，包括如下步骤：

（1）根据国标GB/T22536-2008，将采集来的人参分成不同等级，将其表面去杂，洗净，在阴凉处挥干水分，均匀切片后，对不同等级人参进行标注，标记为一等品，二等品，三等品。按质量与体积配比1:10（g/ml）的规格将不同等级待测样品放入相同大小的密闭顶空进样瓶内，室温下静置90min-120min，使待测样香气浓度达到饱和。

（2）抽取待测样品的饱和顶空气体，注入到智能香气敏感系统中,设置检测时间为120s-160s,清洗时间为180s-240s,气体流速为200ml/min-400ml/min。得到传感器阵列响应值。

（3）智能香气敏感系统检测人参样品的传感器响应值是一个数据矩阵，由多根传感器的响应值组成，选用各气敏传感器响应稳定后的最大值作为原始数据，采用Wilks统计变量最小的原则对18跟传感器进行逐步筛选优化，得到优化后的传感器组合。分别采用小波分析特征值提取法、微分特征值提取法和方差特征值提取法提取高维数据矩阵的特征值。选取优化传感器组合对应的3种特征值最为原始数据，运用主成分分析法和判别函数分析2种模式识别方法对不同特征值提取方法结果进行验证，计算贡献率，筛选出最有效特征值作为后续建模数据集。

小波分析特征提取方法的表达式为：

$W={\mathrm{Log}}_{10}^{\underset{i}{\overset{n}{\mathrm{\Σ}}}{\left(a_{3i}\right)}^2}$

其中，W为基于小波分析法提取的特征值；

i=1,2,3…n,n为低频近似系数的个数，

a_3i为第3层分解结构的低频近似系数。

微分特征提取方法的表达式为：

$K=\frac{1}{n-1}\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}\frac{x_{i+1}-x_i}{\mathrm{\Δt}}$

其中，n表示系统对一个样品采样点数，本例中为120；

x_i一个测试样本响应值中的第i个测试值；

Δt表示采样点时间，本例为1秒。

K为平均微分值，即特征值。

方差特征值提取方法的表达式为

$S^2=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{xi}-\stackrel{\‾}{x})}^2}{n}$

其中，xi为传感器信号在第i时刻的响应值，

为信号响应值的平均值，

n为传感器检测时间（s），在本发明专利中，n=120。

（4）用进样针抽取步骤1）中同批次密闭容器内各饱和气体，注入到GC-MS中，香气分子经色谱柱分离，高能离子源碰撞，高压电场作用后，进入质谱检测器中，分子特定质荷比信息被记录下来。经NIST和Wiley谱库检索鉴定香气各成分，并按照积分面积法统计半倍萜类化合物和芳香族化合物的含量。

GC-MS检测条件分别如下，GC条件：HP-1Methyl Siloxane色谱柱(250μm×30m，0．25μm)；进样口温度250℃；升温程序:40℃保持3min，以5℃/min上升至150℃，保存5min,再以5℃/min上升到250℃，保持10min；载气为He；柱内载气流量1．00ml/min；不分流。MS条件：EI离子源，电子能量70eV；离子源温度230℃；接口温度150℃；溶剂延时2min；倍增器电压1964.7V；全范围扫描。

分别建立这两种化合物含量随品质变化的曲线。根据步骤2所得结果，选取优化后传感器组合对应的3种特征值提取方法中贡献率最高的一组特征值为原数据，分别建立半倍萜类化合物和芳香族化合物含量与优化后传感器阵列的含量PLS预测模型。化合物含量预测模型的表达式为：

Y1（芳香族化合含量）=a1*X1+……+ai*Xi+……an*Xn+b1；

Y2（倍萜类化合物含量）=a1*X1+……+ai*Xi+……+an*Xn+b2；

其中n表示优化后传感器的个数，Xi为优化的传感器的响应值（i=1-n）；

Y1，Y2分别表示芳香族化合物含量和倍半萜类化合物的预测含量；

系数a1,ai,an,b1,b2均为常数。

（5）按照步骤1和2，测得未知待测人参样品香气传感器响应值，参照步骤3选取优化后的传感器组合，以小波提取法计算优化的传感器特征值，以此为原始数据，带入步骤4中预测模型内，得预测值，从而实现快速无损评定人参品质。

本发明的有益效果是，本发明首次对不同品质的人参香气变化规律进行探究，总结了香气与品质之间的相关性。利用气敏传感器阵列和气相质谱联用技术，实现了气敏传感器阵列的合理优化，建立了一种预测芳香族化合物含量和半倍萜类化合物含量的预测模型，进而实现人参品质的预测，为药材市场上名贵药材品质鉴别提供了一种操作简单，快速准确，无损检测新方法。

附图说明

图1为本发明实施例中不同品质的四种香气化合物变化曲线图；

图2为本发明实施例中传感器阵列的响应信号图；

图3为本发明实施例中基于小波分析提取特征值的PCA验证效果图；

图4为本发明实施例中基于小波分析提取特征值的DFA验证效果图

图5为本发明实施例中传感器T70/2响应值和不同等级芳香类化合物的响应曲线图；

图6为本发明实施例中传感器P10/1,T10/1,P30/2,PA2,TA2,LY/AA响应值和不同等级半蓓萜类化合含量的响应曲线图；

图7为本发明实施例中芳香族化合物含量预测模型所得品质预测值与实际值间的回归曲线图；

图8为本发明实施例中半蓓萜类含量预测模型所得品质预测值与实际值间的回归曲线图。

具体实施方式

本专利主要思路如下：首先对待测人参香气指纹信息进行采集、定性、定量分析，进而建立人参品质评定模型；建立香气化合物成分和指纹信息变化规律间的相关性，对人参品质评定模型进行证明，最后用未知待测人参对评定模型进行验证。

智能香气敏感系统是由气室，传感器阵列，信号调理电路，模式识别单元组成。其中，模式识别单元是整个系统的“大脑”。对原始数据进行特征值提取，和对传感器优化，能大大提高模式识别的准确性和高效性，对整个系统的性能至关重要。本发明中所用的智能香气敏感系统是Alpha MOS公司生产的FOX4000型香气敏感系统。

气质联用仪是由气相色谱和质谱构成，气体或液体（汽化后）经色谱柱分离后，进入质谱进行检测。质谱分析法是通过对被测离子的质荷比的测定进行分析的一种方法。被测样品经过离子化，然后利用不同离子在电场或磁场的运动行为不同，把离子按照质荷比分开而得到质谱，通过质谱信息，可得到样品的定性定量信息。

特征值提取是对某一模式的组测量值进行变换，以突出该模式具有代表性特征的一种方法，其目的是在不影响有用信息的前提下，减少赘余数据，降低数据矩阵间的相关性和纬度。

本发明快速无损鉴别人参品质的方法，它的步骤如下：

1、根据国标GB/T22536-2008，将采集来的人参分别不同等级，将其表面去杂，洗净，在阴凉处挥干水分，均匀切片后，对不同等级人参进行标注，标记为一等品，二等品，三等品。按质量与体积配比1:10（g/ml）的规格将不同等级待测样品放入相同大小的密闭顶空进样瓶内，室温下静置90min-120min，使待测样香气浓度达到饱和后，分别用于智能香气敏感系统检测，以及半倍萜类化合物和芳香族化合物含量测定。在相同的条件下制备15个平行重复。

2、用2ml进样针抽取待测样品的饱和顶空气体，注入到智能香气敏感系统中,设置检测时间为120s-160s,清洗时间为180s-240s,气体流速为200ml/min-400ml/min。气敏传感器阵列与香气成分发生反应，产生响应信号，生成的信号被送到信号调理单元进行放大、滤波、模数转换处理后，得到传感器阵列响应值，采集的数据被送入电脑作进一步数据分析；

3、智能香气敏感系统检测人参样品的传感器响应值是一个数据矩阵，由多根传感器在的响应值组成，选用各气敏传感器响应稳定后的最大值作为原始数据，采用Wilks统计变量最小的原则对18跟传感器进行逐步筛选优化，得到优化后的传感器组合。分别采用小波分析特征值提取法，微分特征值提取法，方差特征值提取法，3种方法提取高维数据矩阵（18*120*16）的特征值。选取优化传感器组合对应的3种特征值最为原始数据，运用主成分分析法（PrincipalComponent Analysis,PCA）和判别函数分析（Discriminant Function Analysis DFA）2种模式识别方法对不同特征值提取方法结果进行验证，计算贡献率，筛选出最有效特征值作为后续建模数据集。

小波分析特征提取方法的表达式为：

$W={\mathrm{Log}}_{10}^{\underset{i}{\overset{n}{\mathrm{\Σ}}}{\left(a_{3i}\right)}^2}$

其中，W为基于小波分析法提取的特征值；

i=1,2,3…n,n为低频近似系数的个数，

a_3i为第3层分解结构的低频近似系数。

微分特征提取方法的表达式为：

$K=\frac{1}{n-1}\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}\frac{x_{i+1}-x_i}{\mathrm{\Δt}}$

其中，n表示系统对一个样品采样点数，本例中为120；

x_i一个测试样本响应值中的第i个测试值；

Δt表示采样点时间，本例为1秒。

K为平均微分值，即特征值。

方差特征值提取方法的表达式为

$S^2=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{xi}-\stackrel{\‾}{x})}^2}{n}$

其中，xi为传感器信号在第i时刻的响应值，

为信号响应值的平均值，

n为传感器检测时间（s），在本发明专利中，n=120。

4、用进样针抽取步骤1）中同批次密闭容器内各饱和气体，注入到GC-MS中，香气分子经色谱柱分离，高能离子源碰撞，高压电场作用后，进入质谱检测器中，分子特定质荷比信息被记录下来。经NIST和Wiley谱库检索鉴定香气各成分，并按照积分面积法统计半倍萜类化合物和芳香族化合物的含量。

GC-MS检测条件分别如下，GC条件：HP-1Methyl Siloxane色谱柱(250μm×30m，0.25μm)；进样口温度250℃；升温程序:40℃保持3min，以5℃/min上升至150℃，保存5min,再以5℃/min上升到250℃，保持10min；载气为He；柱内载气流量1.00ml/min；不分流。MS条件：EI离子源，电子能量70eV；离子源温度230℃；接口温度150℃；溶剂延时2min；倍增器电压1964.7V；全范围扫描。

分别建立这两种化合物含量随品质变化的曲线。根据步骤2）所得结果，选取优化后传感器组合对应的3种特征值提取方法中贡献率最高的一组特征值为原数据，分别建立半倍萜类化合物和芳香族化合物含量与优化后传感器阵列的含量PLS预测模型。化合物含量预测模型的表达式为：

Y1（芳香族化合含量）=a1*X1+……+ai*Xi+……an*Xn+b1；

Y2（倍萜类化合物含量）=a1*X1+……+ai*Xi+……+an*Xn+b2；

其中n表示优化后传感器的个数；Xi为优化的传感器响应值（i=1-n）。

Y1，Y2分别表示芳香族化合物含量和倍半萜类化合物的预测含量；

系数a1,ai,an,b1,b2均为常数。

5、按照步骤1和2，测得未知待测人参样品香气传感器响应值，参照步骤3选取优化后的传感器组合，以小波提取法计算优化的传感器特征值，以此为原始数据，带入步骤4中预测模型内，得预测值，从而实现快速无损评定人参品质。

下面根据附图和实施例详细描述本发明，本发明的目的和效果将更加明显。

实施例

本发明适用于如西洋参，高丽参，白参，园参等各种参类名贵中药材的香气成分分析和品质评定。本实施例以不同品质的人参样品为检测样品，安捷伦公司气相质谱联用仪和智能气敏传感器系统作为检测仪做详细说明。智能香气敏感系统由18个金属氧化物气敏传感器组成，其型号与响应特性，典型检测气体如表1所示：

表1：气敏传感器阵列典型检测对象和应用

将收集的不同品质人参根茎，去杂，清洗，在阴凉处蒸干水分，切片。挑选均匀人参切片，根据国标GB/T22536-2008将待测人参样品分为不同的等级，分别标记为一等级，二等级，三等级3个等级。分别均匀秤取5g不同等级人参切片，放入50ml烧杯中封存，常温下（25℃）放置90分钟，制备重复样品16份。采用气相进样器抽取1ml样品香气，注入到进行样口中。设定GC-MS检测条件。

GC条件：HP-1Methyl Siloxane色谱柱(250μm×30m，0.25μm)；进样口温度250℃；升温程序:40℃保持3min，以5℃/min上升至150℃，保存5min,再以5℃/min上升到250℃，保持10min；载气为He；柱内载气流量1.00ml/min；不分流。

MS条件：EI离子源，电子能量70eV；离子源温度230℃；接口温度150℃；溶剂延时2min；倍增器电压1964.7V；全范围扫描。

经NIST和Wiley谱库鉴定，3种不同品质人参香气39种共有的化合物成分和相对含量结果如表2所示，统计发现不同品质人参香气成分不同，含量也不同。根据官能团把表3的化合物分为4类，分别为：芳香族化合物，倍萜类化合物，脂肪酸类化合物，脂肪族化合物。这四类化合物是人参香气的主要来源，不同品质相对含量变化如图1所示，其中变化比较明显的是芳香族化合物和倍萜类化合物，两者随着品质等级增长均呈规律性变化。

表2：GC-MS鉴定不同年限人参香气成分和含量统计结果

采用基于18根MOS香气敏感系统对上述同批次人参样品进行检测，其中12组作为建模组，4组为预测组，其检测步骤如下：设定清洗时间240S,检测时间120S；结束一次检测后进行清零和标准化，再进行第二轮采样检测，清洗时间为240s。观察发现多次实验的传感器响应信号图相似，均在120秒左右开始趋于稳定，但是不同年限人参传感器响应信号有差别，如图2所示。

选取最大值作为原始数据，根据Wilks统计量最小原则对气敏传感器进行优化，优化后的传感器由7根传感器组成：T70/2，P10/1,T10/1,P30/2,PA2,TA2,LY/AA.再以各优化传感器在检测时间内的响应值作为原始数据，用不同的方法进行提取特征值。选取各传感器在120秒内响应曲线平均微分值作为特征值，计算公式为：

$K=\frac{1}{n-1}\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}\frac{x_{i+1}-x_i}{\mathrm{\Δt}}$

其中，n表示系统对一个样品采样点数，本例中为120；

x_i一个测试样本响应值中的第i个测试值；

Δt表示采样点时间，本例为1秒。

K为平均微分值，即特征值。

选择各传感器在120秒内响应曲线的积分值作为特征值；

根据小波分析原理，选择时频窗口小，正交性和规则性好的Daubechies小波（db3）作为小波基，选取3层作为分解尺度，分解后得到各个传感器的第三层的低频近似系数数列，根据公式计算各传感器的特征值：

$W={\mathrm{Log}}_{10}^{\underset{i}{\overset{n}{\mathrm{\Σ}}}{\left(a_{3i}\right)}^2}$

其中，W为基于小波分析法提取的特征值；

i=1,2,3…n,n为低频近似系数的个数，

a_3i为第3层分解结构的低频近似系数。

方差特征值提取方法的表达式为：

$S^2=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{xi}-\stackrel{\‾}{x})}^2}{n}$

其中，xi为传感器信号在第i时刻的响应值，

为信号响应值的平均值，

n为传感器检测时间（s），在本发明专利中，n=120.

根据以上三种方法所得特征值，分别用PCA，DFA进行效果验证。结果显示，小波分析特征值的PCA贡献率最大，区分效果最好.结果如图3，图4所示，PCA和DFA前三个主成分分别为93.52%和96.69%，说明基于小波变换的特征值能最大限度反应原始数据信息。选取小波分析提取的特征值作为后续建模数据。

分别以芳香族化合物，萜类化合物为例对7根气敏传感器T70/2，P10/1,T10/1,P30/2,PA2,TA2,LY/AA相关性分析，结果发现，芳香族化合物对T70/2的相关性大于0.85，萜类化合物对P10/1,T10/，TA2，LY/AA相关性大于0.85，故选取T70/2为芳香族化合物的特异性传感器，选取P10/1,T10/，TA2，LY/AA为萜类化合物特异性传感器。分别建立T70/2对不同品质人参芳香族化合物响应曲线如图5所示，P10/1,T10/，TA2，LY/AA平均值对不同品质人参芳香族化合物响应曲线如图6所示。分别以小波分析特征值为自变量，建立传感器响应信号与不同品质的芳香族化合物含量和半蓓萜类化合物含量之间的PLS回归模型，得到芳香族化合物含量和半蓓萜类化合物含量预测模型如下：

Y（芳香族化合含量）

=-3.1*10^-6*X1+3.75*10^-6*X2+1.73*10^-6*X3-5.37*10^-6*X4+4,72*10^-6*X5+1.03*10^-6*X*10^-66-1.4*X7+5.93

Y（倍萜类化合物含量）

=1.27*10-6*X1-2.45*10-6*X2+4.4*10-6*X3+6.51*10-6*X4-1.59*10-6*X5+2.62*10-6*X6-3.82*10-6*X7-4.71

其中，Xi分别为传感器T70/2，P10/1,T10/1,P30/2,PA2,TA2,LY/AA；芳香族化合含量和倍萜类化合物含量为百分比。

将未知预测集人参香气的传感器响应值带入回归模型中，进行品质预测，预测结果和实际参龄值之间回归曲线如图7，图8所示，决定系数R=0.9215,R=0.9167，说明这两个模型能较好对人参品质进行准确预测。

Claims (1)

1.一种快速无损鉴别人参品质的方法，其特征在于，包括如下步骤：

（1）根据国标GB/T 22536-2008，将采集来的人参分成不同等级，将其表面去杂，洗净，在阴凉处挥干水分，均匀切片后，对不同等级人参进行标注，标记为一等品，二等品，三等品；按质量与体积配比0.1g/ml的规格将不同等级待测样品放入相同大小的密闭顶空进样瓶内，室温下静置90min-120min，使待测样香气浓度达到饱和；

（2）抽取待测样品的饱和顶空气体，注入到智能香气敏感系统中, 设置检测时间为120s-160s, 清洗时间为180s-240s, 气体流速为200ml/min-400ml/min；得到传感器阵列响应值；

（3）智能香气敏感系统检测人参样品的传感器响应值是一个数据矩阵，由多根传感器的响应值组成，选用各气敏传感器响应稳定后的最大值作为原始数据，采用Wilks 统计变量最小的原则对18根传感器进行逐步筛选优化，得到优化后的传感器组合；分别采用小波分析特征值提取法、微分特征值提取法和方差特征值提取法提取高维数据矩阵的特征值；选取优化传感器组合对应的3种特征值作为原始数据，运用主成分分析法和判别函数分析2种模式识别方法对不同特征值提取方法结果进行验证，计算贡献率，筛选出最有效特征值作为后续建模数据集；

小波分析特征提取方法的表达式为：

其中，W为基于小波分析法提取的特征值；

i=1,2,3…n₁, n₁为低频近似系数的个数，

a_3i为第3层分解结构的低频近似系数；

微分特征提取方法的表达式为：

其中，n₂表示系统对一个样品采样点数，n₂为120；

x_i 一个测试样本响应值中的第i个测试值；

表示采样点时间，为1秒；

K为平均微分值，即特征值；

方差特征值提取方法的表达式为

其中，xi为传感器信号在第i时刻的响应值，

为信号响应值的平均值，

n₃为传感器检测时间，单位是s，n₃=120；

（4）用进样针抽取步骤（1）中同批次密闭容器内各饱和气体，注入到GC-MS中，香气分子经色谱柱分离，高能离子源碰撞，高压电场作用后，进入质谱检测器中，分子特定质荷比信息被记录下来；经NIST和Wiley谱库检索鉴定香气各成分，并按照积分面积法统计半倍萜类化合物和芳香族化合物的含量；

GC-MS检测条件分别如下，GC条件：尺寸为250μm×30m，0．25μm的HP-1 Methyl Siloxane色谱柱；进样口温度250℃；升温程序:40℃保持3min，以5℃/min上升至150℃，保存5min, 再以5℃/min上升到250℃，保持10 min； 载气为He； 柱内载气流量1．00 ml/min；不分流；MS条件：EI离子源，电子能量70 eV；离子源温度230℃；接口温度150℃；溶剂延时2 min；倍增器电压1964.7 V；全范围扫描；

分别建立这两种化合物含量随品质变化的曲线；根据步骤（2）所得结果，选取优化后传感器组合对应的3种特征值提取方法中贡献率最高的一组特征值为原数据，分别建立半倍萜类化合物和芳香族化合物含量与优化后传感器阵列的含量PLS预测模型；化合物含量预测模型的表达式为：

Y1=a1*X1+……+ai*Xi+…… an*Xn+ b1；

Y2=a1*X1+……+ai*Xi+……+an*Xn+b2；

其中n表示优化后传感器的个数，Xi为优化的传感器的响应值，i=1-n；

Y1，Y2分别表示芳香族化合物含量和倍半萜类化合物的预测含量；

系数a1, ai, an, b1,b2 均为常数；

（5）按照步骤（1）和步骤（2），测得未知待测人参样品香气传感器响应值，参照步骤（3）选取优化后的传感器组合，以小波提取法计算优化的传感器特征值，以此为原始数据，代入步骤（4）中预测模型内，得预测值，从而实现快速无损评定人参品质。