CN109030403A - 一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法 - Google Patents
一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法 Download PDFInfo
- Publication number
- CN109030403A CN109030403A CN201811220863.4A CN201811220863A CN109030403A CN 109030403 A CN109030403 A CN 109030403A CN 201811220863 A CN201811220863 A CN 201811220863A CN 109030403 A CN109030403 A CN 109030403A
- Authority
- CN
- China
- Prior art keywords
- camellia
- tea
- dna molecular
- ftir spectrum
- mathematical modeling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000018597 common camellia Nutrition 0.000 title claims abstract description 366
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001157 Fourier transform infrared spectrum Methods 0.000 title claims abstract description 42
- 240000001548 Camellia japonica Species 0.000 title claims description 132
- 241000209507 Camellia Species 0.000 claims abstract description 236
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 43
- 241000894007 species Species 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 230000002068 genetic effect Effects 0.000 claims abstract description 10
- LZZYPRNAOMGNLH-UHFFFAOYSA-M Cetrimonium bromide Chemical class [Br-].CCCCCCCCCCCCCCCC[N+](C)(C)C LZZYPRNAOMGNLH-UHFFFAOYSA-M 0.000 claims abstract description 8
- 235000013616 tea Nutrition 0.000 claims description 118
- 244000269722 Thea sinensis Species 0.000 claims description 112
- 235000013399 edible fruits Nutrition 0.000 claims description 80
- 206010028980 Neoplasm Diseases 0.000 claims description 56
- 238000012549 training Methods 0.000 claims description 35
- 238000012360 testing method Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 102000002322 Egg Proteins Human genes 0.000 claims description 12
- 108010000912 Egg Proteins Proteins 0.000 claims description 12
- 240000001238 Gaultheria procumbens Species 0.000 claims description 12
- 235000007297 Gaultheria procumbens Nutrition 0.000 claims description 12
- 235000010394 Solidago odora Nutrition 0.000 claims description 12
- 210000004209 hair Anatomy 0.000 claims description 12
- 210000004681 ovum Anatomy 0.000 claims description 12
- 210000003462 vein Anatomy 0.000 claims description 12
- 230000037303 wrinkles Effects 0.000 claims description 12
- 210000001367 artery Anatomy 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004321 preservation Methods 0.000 claims description 7
- 235000017166 Bambusa arundinacea Nutrition 0.000 claims description 6
- 235000017491 Bambusa tulda Nutrition 0.000 claims description 6
- 241001164374 Calyx Species 0.000 claims description 6
- 241000742173 Camellia chekiangoleosa Species 0.000 claims description 6
- 241000772934 Camellia polyodonta Species 0.000 claims description 6
- 241000118554 Camellia pyxidiacea Species 0.000 claims description 6
- 241001552456 Camellia salicifolia Species 0.000 claims description 6
- 238000004566 IR spectroscopy Methods 0.000 claims description 6
- 240000002853 Nelumbo nucifera Species 0.000 claims description 6
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 6
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 6
- 235000015334 Phyllostachys viridis Nutrition 0.000 claims description 6
- 235000006468 Thea sinensis Nutrition 0.000 claims description 6
- 239000011425 bamboo Substances 0.000 claims description 6
- 235000020279 black tea Nutrition 0.000 claims description 6
- 239000007799 cork Substances 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 6
- 210000004709 eyebrow Anatomy 0.000 claims description 6
- 230000008676 import Effects 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 241001097651 Camellia vietnamensis Species 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 3
- 241000118552 Camellia parvimuricata var. hupehensis Species 0.000 claims description 2
- 244000082204 Phyllostachys viridis Species 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
- 238000010606 normalization Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 6
- 241001330002 Bambuseae Species 0.000 description 5
- 239000000178 monomer Substances 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,包括下列步骤:1)茶花DNA分子的提取:采用改良CTAB法提取茶花DNA,2)进行DNA分子傅里叶红外光谱信号采集;3)对采集的光谱数据进行预先处理;使用MATLAB软件提取主成分;4)茶花亲缘关系分析及物种鉴定的数学建模方法,本发明方便茶花鉴定教学,耗费时间少,鉴定准确,方便茶花物种的应用和推广,容易分析其血缘关系与物种类别。
Description
技术领域
本发明涉及茶花鉴定领域,更具体的说,是一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法。
背景技术
我国山茶花属植物资源丰富,分布广泛,且山茶花属植物表型具有较强可塑性,种间杂交容易,品种数量众多,有些品种间性状差异较小,传统形态分类很难快速、准确有效评价与区分。学术界对目前山茶花品种的名称和描述都很混乱,“同物异名”或“同名异物”现象较为严重,缺乏统一规范的名称及科学系统的分类体系,不便于品种鉴定、推广、交流及新品种的培育,因此亟需建立一个科学合理的山茶花品种分类鉴定系统以帮助山茶花在各个领域有长足发展,从而以便于品种鉴定、推广、交流及新品种的培育,为山茶花在园林、园艺领域发展提供分子生物学支持。
发明内容
为了弥补以上不足,本发明提供了一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法。
本发明的方案是:
一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,包括下列步骤:
1)茶花DNA分子的提取:采用改良CTAB法提取茶花DNA,使用微量分光光度计对提取的茶花DNA进行质量鉴定,选择OD260/OD280比值为1.8-2.0的DNA提取液采集表面增强傅里叶红外光谱信号;
2)进行DNA分子傅里叶红外光谱信号采集;
3)对采集的光谱数据进行预先处理;使用MATLAB软件提取主成分;
4)茶花亲缘关系分析及物种鉴定的数学建模方法:使用MATLAB软件提取主要成分从而支持向量机建模进行茶花类别识别;从77种茶花DNA分子傅里叶红外光谱数据库中随机选取60-70%作为训练集,剩余作为测试集,给定类识别标签;通过classificationlearner中New Session导入训练集、测试集、侍测样品数据;选择核函数类型;参数选择;Train模型训练,通过confusion matrix的混淆矩阵图,得到训练精度;模型优化,通过Advancen调整模型参数,直到训练精度达到100.0%;保存模型;检测;对侍测样品的分类鉴定进行预测。
作为优选的技术方案,所述步骤2)DNA分子傅里叶红外光谱信号采集的方法:使用德国布鲁克ALPHA傅立叶变换红外光谱仪;分辨率4cm-1;扫描范围4000-400cm-1;扫描次数10-20次;扫描后去CO2峰;平移基线。
作为优选的技术方案,扫描次数16次。
作为优选的技术方案,所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑;光谱数据标准化;光谱数据二阶求导;光谱数据波段选择700m-1-1800cm-1。
作为优选的技术方案,光谱数据平滑中FFT Filter平滑5点。
作为优选的技术方案,所述步骤4)中检测为使用Export Model导出模型,对测试数据进行检测,检测正确率需达100%。
作为优选的技术方案,所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
作为优选的技术方案,所述步骤4)中77种茶花DNA分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
由于采用了上述技术方案一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,包括下列步骤:1)茶花DNA分子的提取:采用改良CTAB法提取茶花DNA,使用微量分光光度计对提取的茶花DNA进行质量鉴定,选择OD260/OD280比值为1.8-2.0的DNA提取液采集表面增强傅里叶红外光谱信号;2)进行DNA分子傅里叶红外光谱信号采集;3)对采集的光谱数据进行预先处理;使用MATLAB软件提取主成分;4)茶花亲缘关系分析及物种鉴定的数学建模方法:使用MATLAB软件提取主要成分从而支持向量机建模进行茶花类别识别;从77种茶花DNA分子傅里叶红外光谱数据库中随机选取60-70%作为训练集,剩余作为测试集,给定类识别标签;通过classification learner中New Session导入训练集、测试集、侍测样品数据;选择核函数类型;参数选择;Train模型训练,通过confusion matrix的混淆矩阵图,得到训练精度;模型优化,通过Advancen调整模型参数,直到训练精度达到100.0%;保存模型;检测;对侍测样品的分类鉴定进行预测。
发明优点:方便茶花鉴定教学,耗费时间少,鉴定准确,方便茶花物种的应用和推广,容易分析其血缘关系与物种类别。
具体实施方式
为了弥补以上不足,本发明提供了一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,以解决上述背景技术中的问题。
一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,包括下列步骤:
1)茶花DNA分子的提取:采用改良CTAB法提取茶花DNA,使用微量分光光度计对提取的茶花DNA进行质量鉴定,选择OD260/OD280比值为1.8-2.0的DNA提取液采集表面增强傅里叶红外光谱信号;
2)进行DNA分子傅里叶红外光谱信号采集;
3)对采集的光谱数据进行预先处理;使用MATLAB软件提取主成分;
4)茶花亲缘关系分析及物种鉴定的数学建模方法:使用MATLAB软件提取主要成分从而支持向量机建模进行茶花类别识别;从77种茶花DNA分子傅里叶红外光谱数据库中随机选取60-70%作为训练集,剩余作为测试集,给定类识别标签;通过classificationlearner中New Session导入训练集、测试集、侍测样品数据;选择核函数类型;参数选择;Train模型训练,通过confusion matrix的混淆矩阵图,得到训练精度;模型优化,通过Advancen调整模型参数,直到训练精度达到100.0%;保存模型;检测;对侍测样品的分类鉴定进行预测。
所述步骤2)DNA分子傅里叶红外光谱信号采集的方法:使用德国布鲁克ALPHA傅立叶变换红外光谱仪;分辨率4cm-1;扫描范围4000-400cm-1;扫描次数10-20次;扫描后去CO2峰;平移基线。
扫描次数16次。
所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑;光谱数据标准化;光谱数据二阶求导;光谱数据波段选择700m-1-1800cm-1。
光谱数据平滑中FFT Filter平滑5点。
所述步骤4)中检测为使用Export Model导出模型,对测试数据进行检测,检测正确率需达100%。
所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
所述步骤4)中77种茶花DNA分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施例,进一步阐述本发明。
实施例一:
1)茶花DNA分子的提取:采用改良CTAB法提取茶花DNA,使用微量分光光度计对提取的茶花DNA进行质量鉴定,选择OD260/OD280比值为1.8的DNA提取液采集表面增强傅里叶红外光谱信号;
2)进行DNA分子傅里叶红外光谱信号采集;
3)对采集的光谱数据进行预先处理;使用MATLAB软件提取主成分;
4)茶花亲缘关系分析及物种鉴定的数学建模方法:使用MATLAB 2016以上版本软件提取主要成分从而支持向量机建模进行茶花类别识别;从77种茶花DNA分子傅里叶红外光谱数据库中随机选取60-70%作为训练集,剩余作为测试集,给定类识别标签;通过classification learner中New Session导入训练集、测试集、侍测样品数据;选择核函数类型;参数选择;Train模型训练,通过confusion matrix的混淆矩阵图,得到训练精度;模型优化,通过Advancen调整模型参数,直到训练精度达到100.0%;保存模型;检测;对侍测样品的分类鉴定进行预测。
所述步骤2)DNA分子傅里叶红外光谱信号采集的方法:使用德国布鲁克ALPHA傅立叶变换红外光谱仪;分辨率4cm-1;扫描范围4000-400cm-1;扫描次数10次;扫描后去CO2峰;平移基线。
所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑;光谱数据标准化;光谱数据二阶求导;光谱数据波段选择700m-1-1800cm-1。
光谱数据平滑中FFT Filter平滑5点。
所述步骤4)中检测为使用Export Model导出模型,对测试数据进行检测,检测正确率需达100%。
所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
所述步骤4)中77种茶花DNA分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
实施例二:
1)茶花DNA分子的提取:采用改良CTAB法提取茶花DNA,使用微量分光光度计对提取的茶花DNA进行质量鉴定,选择OD260/OD280比值为2.0的DNA提取液采集表面增强傅里叶红外光谱信号;
2)进行DNA分子傅里叶红外光谱信号采集;
3)对采集的光谱数据进行预先处理;使用MATLAB软件提取主成分;
4)茶花亲缘关系分析及物种鉴定的数学建模方法:使用MATLAB 2016以上版本软件提取主要成分从而支持向量机建模进行茶花类别识别;从77种茶花DNA分子傅里叶红外光谱数据库中随机选取60-70%作为训练集,剩余作为测试集,给定类识别标签;通过classification learner中New Session导入训练集、测试集、侍测样品数据;选择核函数类型;参数选择;Train模型训练,通过confusion matrix的混淆矩阵图,得到训练精度;模型优化,通过Advancen调整模型参数,直到训练精度达到100.0%;保存模型;检测;对侍测样品的分类鉴定进行预测。
所述步骤2)DNA分子傅里叶红外光谱信号采集的方法:使用德国布鲁克ALPHA傅立叶变换红外光谱仪;分辨率4cm-1;扫描范围4000-400cm-1;扫描次数20次;扫描后去CO2峰;平移基线。
所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑;光谱数据标准化;光谱数据二阶求导;光谱数据波段选择700m-1-1800cm-1。
光谱数据平滑中FFT Filter平滑5点。
所述步骤4)中检测为使用Export Model导出模型,对测试数据进行检测,检测正确率需达100%。
所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
所述步骤4)中77种茶花DNA分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
实施例三:
1)茶花DNA分子的提取:采用改良CTAB法提取茶花DNA,使用微量分光光度计对提取的茶花DNA进行质量鉴定,选择OD260/OD280比值为1.9的DNA提取液采集表面增强傅里叶红外光谱信号;
2)进行DNA分子傅里叶红外光谱信号采集;
3)对采集的光谱数据进行预先处理;使用MATLAB软件提取主成分;
4)茶花亲缘关系分析及物种鉴定的数学建模方法使用MATLAB 2016以上版本软件提取主要成分从而支持向量机建模进行茶花类别识别;从77种茶花DNA分子傅里叶红外光谱数据库中随机选取60-70%作为训练集,剩余作为测试集,给定类识别标签;通过classification learner中New Session导入训练集、测试集、侍测样品数据;选择核函数类型;参数选择;Train模型训练,通过confusion matrix的混淆矩阵图,得到训练精度;模型优化,通过Advancen调整模型参数,直到训练精度达到100.0%;保存模型;检测;对侍测样品的分类鉴定进行预测。
所述步骤2)DNA分子傅里叶红外光谱信号采集的方法:使用德国布鲁克ALPHA傅立叶变换红外光谱仪;分辨率4cm-1;扫描范围4000-400cm-1;扫描次数16次;扫描后去CO2峰;平移基线。
所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑;光谱数据标准化;光谱数据二阶求导;光谱数据波段选择700m-1-1800cm-1。
光谱数据平滑中FFT Filter平滑5点。
所述步骤4)中检测为使用Export Model导出模型,对测试数据进行检测,检测正确率需达100%。
所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
所述步骤4)中77种茶花DNA分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
以上显示和描述了本发明的基本原理、主要特征及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界。
Claims (8)
1.一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,其特征在于,包括下列步骤:
1)茶花DNA分子的提取:采用改良CTAB法提取茶花DNA,使用微量分光光度计对提取的茶花DNA进行质量鉴定,选择OD260/OD280比值为1.8-2.0的DNA提取液采集表面增强傅里叶红外光谱信号;
2)进行DNA分子傅里叶红外光谱信号采集;
3)对采集的光谱数据进行预先处理;使用MATLAB软件提取主成分;
4)茶花亲缘关系分析及物种鉴定的数学建模方法:使用MATLAB软件提取主要成分从而支持向量机建模进行茶花类别识别;从77种茶花DNA分子傅里叶红外光谱数据库中随机选取60-70%作为训练集,剩余作为测试集,给定类识别标签;通过classification learner中New Session导入训练集、测试集、侍测样品数据;选择核函数类型;参数选择;Train模型训练,通过confusion matrix的混淆矩阵图,得到训练精度;模型优化,通过Advancen调整模型参数,直到训练精度达到100.0%;保存模型;检测;对侍测样品的分类鉴定进行预测。
2.如权利要求1所述的一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,其特征在于,所述步骤2)DNA分子傅里叶红外光谱信号采集的方法:使用德国布鲁克ALPHA傅立叶变换红外光谱仪;分辨率4cm-1;扫描范围4000-400cm-1;扫描次数10-20次;扫描后去CO2峰;平移基线。
3.如权利要求2所述的一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,其特征在于:扫描次数16次。
4.如权利要求1所述的一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,其特征在于:所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑;光谱数据标准化;光谱数据二阶求导;光谱数据波段选择700m-1-1800cm-1。
5.如权利要求4所述的一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,其特征在于:光谱数据平滑中FFT Filter平滑5点。
6.如权利要求1所述的一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,其特征在于:所述步骤4)中检测为使用Export Model导出模型,对测试数据进行检测,检测正确率需达100%。
7.如权利要求1所述的一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,其特征在于:所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
8.如权利要求1所述的一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法,其特征在于:所述步骤4)中77种茶花DNA分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811220863.4A CN109030403A (zh) | 2018-10-19 | 2018-10-19 | 一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811220863.4A CN109030403A (zh) | 2018-10-19 | 2018-10-19 | 一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109030403A true CN109030403A (zh) | 2018-12-18 |
Family
ID=64613741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811220863.4A Pending CN109030403A (zh) | 2018-10-19 | 2018-10-19 | 一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109030403A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081045A (zh) * | 2010-03-24 | 2011-06-01 | 上海海事大学 | 一种基于激光电视全息技术的结构损伤识别方法 |
CN102142091A (zh) * | 2011-03-30 | 2011-08-03 | 东华大学 | 一种核集成优化分类方法 |
-
2018
- 2018-10-19 CN CN201811220863.4A patent/CN109030403A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081045A (zh) * | 2010-03-24 | 2011-06-01 | 上海海事大学 | 一种基于激光电视全息技术的结构损伤识别方法 |
CN102142091A (zh) * | 2011-03-30 | 2011-08-03 | 东华大学 | 一种核集成优化分类方法 |
Non-Patent Citations (3)
Title |
---|
QIU LU 等: "Fourier Transform Infrared Spectroscopy of the DNA of the Chuxiong Population of Camellia reticulata Lindl. of China", 《SPECTROSCOPY LETTERS》 * |
邱璐 等: "三种 烟 草品 种基 因 组 D N A 傅里 叶红外光谱研究", 《光谱学与光谱分析》 * |
邱璐 等: "九种蔷薇科植物叶片的傅里叶红外光谱与亲缘关系分析", 《光谱学与光谱分析》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105224960B (zh) | 基于聚类算法的玉米种子高光谱图像分类识别模型更新方法 | |
CN105044198B (zh) | 一种基于矿质元素指纹鉴别葡萄酒原产地的方法 | |
Vargas et al. | Amatoxin and phallotoxin composition in species of the genus Amanita in Colombia: A taxonomic perspective | |
CN105092725B (zh) | 白花龙胆的hplc检测方法 | |
CN102011196B (zh) | 柑橘品种标准dna指纹图谱库及其构建方法 | |
CN106834505A (zh) | 一种构建石榴品种身份证的方法及其应用 | |
CN109030403A (zh) | 一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法 | |
CN106778897A (zh) | 基于余弦距离和中心轮廓距离的两次植物物种识别方法 | |
CN102607924B (zh) | 一种鉴别单花蜂蜜真实属性的方法 | |
CN104142375A (zh) | 一种利用霉菌代谢产物建立指纹图谱以及利用指纹图谱鉴定霉菌菌种的方法 | |
CN105861729B (zh) | 一种用于凡纳滨对虾种质鉴定的分子标记组合及其应用 | |
CN106872592A (zh) | 一种基于手性指纹数据的茶叶真伪快速鉴别方法 | |
CN109030458A (zh) | 一种使用dna分子表面增强拉曼光谱数学建模的茶花分类及鉴定的方法 | |
CN109055603A (zh) | 一种利用cddp标记构建重楼属植物指纹图谱的方法 | |
Cautela et al. | The ancient neapolitan sweet lime and the calabrian lemoncetta locrese belong to the same citrus species | |
CN105039584A (zh) | 西洋参dna检测试剂盒及鉴定方法 | |
CN109022606A (zh) | 一种百香果品种鉴定专用引物及其品种鉴定方法 | |
CN110414549B (zh) | 一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法 | |
CN103344730A (zh) | 一种基于hplc技术的不同种类普洱生茶指纹图谱识别方法 | |
CN105861711A (zh) | 罂粟种属特异性遗传标记检测体系 | |
CN113533587A (zh) | 基于气相离子迁移谱鉴别辣椒粉品种的方法 | |
CN106048032A (zh) | 一种香蕉b基因组鉴定的scar分子标记及其鉴定方法 | |
CN112132129A (zh) | 一种基于外观图像的枸杞子道地性ai识别方法 | |
CN101788475A (zh) | 对玉米品种种子近红外漫反射光谱数据进行预处理的方法 | |
CN104611329A (zh) | 樱花品种"松月"和"郁金"的分子特异性标记引物 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |