CN109115748A - 基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法 - Google Patents
基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法 Download PDFInfo
- Publication number
- CN109115748A CN109115748A CN201811178709.5A CN201811178709A CN109115748A CN 109115748 A CN109115748 A CN 109115748A CN 201811178709 A CN201811178709 A CN 201811178709A CN 109115748 A CN109115748 A CN 109115748A
- Authority
- CN
- China
- Prior art keywords
- kudzu
- root powder
- vine root
- different sources
- powder sample
- 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
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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
Abstract
本发明公开了一种基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法,属于激光光谱技术领域,包括:1)选取不同产地的纯葛根粉样本,并对葛根粉样本添加不同产地的分类标签;2)对所有葛根粉样本进行烘干和研磨,并制备成压片;3)利用激光诱导击穿光谱技术采集压片中葛根粉样本的谱线;4)对葛根粉样本的光谱数据进行主成分分析,采用主成分分析法选择特征波长;5)按照统一比例,将不同产地的葛根粉样本分为建模集与预测集;6)以所述特征波长作为输入,以产地分类标签作为输出,分别建立判别分析模型,对比不同判别分析模型的建模集与预测集的正确率,获取最优判别分析模型;7)利用最优判别分析模型对待检测葛根粉进行产地鉴别。
Description
技术领域
本发明涉及激光光谱技术领域,具体地说,涉及一种基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法。
背景技术
激光诱导击穿光谱技术(laser-induced breakdown spectroscopy,简称LIBS)是一种新兴的原子分析技术,它具有快速、预处理简单、多元素分析和在线远程分析的特点。该技术利用激光烧蚀样本产生等离子体,通过分析等离子体发射的光谱信号进行定性与定量检测。与高效液相色谱法、原子吸收光谱法、原子荧光光谱法、电感耦合等离子体质谱法等传统中药检测方法相比,激光诱导击穿光谱具有快速、简便、准确、微损、多元素同时分析、不需要对样本进行复杂预处理等优点,已广泛应用于植物材料中大量元素与微量元素的定量定性分析,为LIBS应用于中药材道地性及真伪鉴别提供依据。
激光诱导击穿光谱技术通过超短脉冲激光聚焦样品表面形成等离子体,进而对等离子体发射光谱进行分析以确定样品的物质成分及含量。超短脉冲激光聚焦后能量密度较高,可以将任何物态(固态、液态、气态)的样品激发形成等离子体,LIBS技术(原则上)可以分析任何物态的样品,仅受到激光的功率以及摄谱仪&检测器的灵敏度和波长范围的限制。再者,几乎所有的元素被激发形成等离子体后都会发出特征谱线,因此,LIBS可以分析大多数的元素。如果要分析的材料的成分是已知的,LIBS可用于评估每个构成元素的相对丰度,或监测杂质的存在。在实践中,检测极限是:a)等离子体激发温度的函数,b)光收集窗口,以及c)所观查的过渡谱线的强度。LIBS利用光学发射光谱,并且是该程度非常类似于电弧/火花发射光谱。
自从LIBS技术问世以来,该技术就被公认为是一种前景广阔的新技术,将为分析领域带来众多的创新应用。LIBS作为一种新的材料识别及定量分析技术,既可以用于实验室,也可以应用于工业现场的在线检测。其主要特点为:
快速直接分析,几乎不需要样品制备;
可以检测几乎所有元素;
可以同时分析多种元素;
基体形态多样性-可以检测几乎所有固态样品。
葛是豆科葛属多年生草质藤本药食两用植物,盛产于中国南方山区,其根部呈块状,通称为葛根。葛根作为名贵中药材,常与我国北方的人参相提并论,享有“南葛北参”之美誉。葛根具有极高的营养价植与药用价植,其主要组成成分为淀粉、膳食纤维、蛋白质、粗脂肪与黄酮类物质,含有多种人体必需的氨基酸及K、Ca、Mg等丰富的矿质元素。不同产地的同种药材,通常会因气候和地理位置的差异而使药效产生差异。因此,鉴别葛根的道地性对于保障葛根的安全性与真实性具有重要意义。
目前,已有研究结合化学计量学方法,利用激光诱导击穿光谱技术对黄连、附片、茯苓等中药材进行定量定性分析。然而,基于LIBS技术的不同产地葛根粉的鉴别研究仍处于空白阶段。本研究基于LIBS技术并结合化学计量学方法建立鉴别模型,研究利用LIBS技术的可行性。
发明内容
本发明的目的为提供一种基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法
为了实现上述目的,本发明提供的基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法包括以下步骤:
1)选取不同产地的纯葛根粉样本,并对葛根粉样本添加不同产地的分类标签;
2)对所有葛根粉样本进行烘干和研磨,并制备成压片;
3)利用激光诱导击穿光谱技术采集压片中葛根粉样本的谱线;
4)对葛根粉样本的光谱数据进行主成分分析,采用主成分分析法选择特征波长;
5)按照统一比例,将不同产地的葛根粉样本分为建模集与预测集;
6)以所述特征波长作为输入,以产地分类标签作为输出,分别建立判别分析模型,对比不同判别分析模型的建模集与预测集的正确率,获取最优判别分析模型;
7)利用最优判别分析模型对待检测葛根粉进行产地鉴别。
通过以上技术方案,可快速检测出葛根粉的产地,从而鉴别葛根的道地性,该方法简单方便,只需将所有产地的葛根粉汇总建模,即可实现后续鉴别。
作为优选,步骤3)中,利用激光诱导击穿光谱仪采集光谱信号的参数是:波长为532nm,激光能量为60mJ,焦深为2mm,延时时间为2.323μs,门宽为10μs。为获得较好的信背比和重复性,激光击打点位于压片表面2mm以下。
为了防止样本内部成分差异及表面杂质造成影响,作为优选,步骤3)中,每个葛根粉样本通过移动位移平台采集16个位置的光谱数据,并且每个点累积采集10次,取平均值作为该葛根粉样本的光谱数据。
作为优选,步骤2)中,压片时,每片取葛根粉样本约0.5g,在20MPa压力下压制1min,制成直径约15mm,厚约2mm的圆片。为防止样本在激光击打过程中位置发生移动,圆片由双面胶固定于XYZ电动位移台的表面。
作为优选,步骤2)中,每种葛根粉样品各压制50片。
作为优选,步骤5)中,以3:2的比例将不同产地的葛根粉样本分为建模集与预测集。
作为优选,步骤6)中,判别分析模型为ELM、SMICA、KNN和RF。
作为优选,步骤6)中,基于选择的18个特征波长分别建立ELM、SMICA、KNN和RF判别分析模型。其中,ELM与SMICA模型的预测效果很好,其建模集准确率均达到100%,预测集准确率分别为99.3%与98%;KNN与RF具有同样优秀的鉴别结果,二者对不同产地葛根粉建模集与预测集的判别正确率均达到100%。
与现有技术相比,本发明的有益效果为:
(1)实现了不同产地葛根粉的快速鉴别方法。
(2)利用LIBS技术进行不同产地葛根粉的快速鉴别,具有成本低,检测快速,操作简单等特点,为LIBS应用于中药材道地性及真伪鉴别提供了依据。
(3)选择了具有代表性的特征波长,有利于便携仪器的开发。
附图说明
图1为不同产地葛根粉的全谱数据;
图2为不同样本的PC1、PC2、PC3的分布散点图,其中(a)为PC1的分布散点图,(b)为PC2的分布散点图,(c)为PC3的分布散点图;
图3为PC1,PC2,PC3的载荷图,其中(a)为PC1的载荷图,(b)为PC2的载荷图,(c)为PC3的载荷图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合实施例及其附图对本发明作进一步说明。
实施例
参见图1至图3,本实施例的基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法具体步骤下:
1、实验样品选取5种市面上常见的不同产地的纯葛根粉,分别为浙江纯葛根粉(佳惠)、湖北纯葛根粉(国森源)、湖南纯葛根粉(葛西施)、云南纯葛根粉(轩庆)、安徽纯葛根粉(他山她水)。
2、对所有葛根粉样本进行烘干和研磨,使用台式粉末压片机将葛根粉压片。压片时,每片取约0.5g,在20MPa压力下压制1min,制成直径约15mm,厚约2mm的圆片。5种样品各压制50片。
3、为防止样本在激光击打过程中位置发生移动,圆片由双面胶固定于XYZ电动位移台的表面。为了防止样本内部成分差异及表面杂质造成影响,每个样本通过移动位移平台采集16个位置的光谱数据,并且每个点累积采集10次,取平均值作为该样本的LIPS数据。为获得较好的信背比和重复性,激光击打点位于圆片表面2mm以下,波长为532nm,激光能量为60mJ,延时时间为2.323μs,门宽为10μs。经过上述步骤,获得5种葛根粉的全谱数据如图1所示。
4、基于样本集的LIBS光谱,进行PCA分析。不同产地葛根粉的PC1、PC2和PC3的分散点分布如图2所示,其中PC1、PC2和PC3分别解释了98.16%,0.79%和0.48%的总方差,前3个主成分共解释了99.13%的总方差。
5、采用PCA loading选择特征波长。根据PC1,PC2,PC3的载荷图,如图3所示,选出图中处于波峰波谷的18条谱线作为关键变量。根据美国NIST的ASD和Kurucz数据库的标准谱线确定所选18条特征谱线对应的元素如表1所示。
表1 特征谱线
序号 | 波长(nm) | 元素 | 序号 | 波长(nm) | 元素 | 序号 | 波长(nm) | 元素 |
1 | 247.86 | C I | 7 | 317.93 | Ca II | 13 | 656.28 | H I |
2 | 251.61 | Si I | 8 | 388.22 | CN 0-0 | 14 | 777.54 | O I |
3 | 279.55 | Mg II | 9 | 393.37 | Ca II | 15 | 821.58041 | Fe I |
4 | 280.27 | Mg II | 10 | 396.85 | Ca II | 16 | 844.8 | Fe II |
5 | 288.158 | Si I | 11 | 422.67 | Ca I | 17 | 854.21 | Ca II |
6 | 315.89 | Ca II | 12 | 616.38 | Ca I | 18 | 868.02 | N I |
6、以3:2比例分为建模集与预测集,共得到建模集样本150个,预测集样本100个。
7、基于选择的18个特征波长,分别建立ELM、SMICA、KNN和RF判别分析模型。判别分析效果如表2所示。
表2 基于特征波长的判别分析模型结果
8、对比不同模型建模集与预测集的正确率,获取最优的判别分析模型,由表2可知,基于18个特征波长的判别分析模型中,ELM与SMICA模型的预测效果很好,其建模集准确率均达到100%,预测集准确率分别为99.3%与98%;KNN与RF具有同样优秀的鉴别结果,二者对不同产地葛根粉建模集与预测集的判别正确率均达到100%。因此本发明可用于不同产地葛根粉的快速鉴别方法,具有成本低,检测快速,操作简单等特点,为LIBS应用于中药材道地性及真伪鉴别提供了依据。
9、利用判别分析模型对待检测葛根粉进行产地鉴别。
以上所述仅为本发明的较佳实施举例,并不用于限制本发明,凡在本发明精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法,其特征在于,包括以下步骤:
1)选取不同产地的纯葛根粉样本,并对葛根粉样本添加不同产地的分类标签;
2)对所有葛根粉样本进行烘干和研磨,并制备成压片;
3)利用激光诱导击穿光谱技术采集压片中葛根粉样本的谱线;
4)对葛根粉样本的光谱数据进行主成分分析,采用主成分分析法选择特征波长;
5)按照统一比例,将不同产地的葛根粉样本分为建模集与预测集;
6)以所述特征波长作为输入,以产地分类标签作为输出,分别建立判别分析模型,对比不同判别分析模型的建模集与预测集的正确率,获取最优判别分析模型;
7)利用最优判别分析模型对待检测葛根粉进行产地鉴别。
2.根据权利要求1所述的不同产地葛根粉的鉴别方法,其特征在于,所述的步骤3)中,利用激光诱导击穿光谱仪采集光谱信号的参数是:波长为532nm,激光能量为60mJ,焦深为2mm,延时时间为2.323μs,门宽为10μs。
3.根据权利要求1所述的不同产地葛根粉的鉴别方法,其特征在于,所述的步骤3)中,每个葛根粉样本通过移动位移平台采集16个位置的光谱数据,并且每个点累积采集10次,取平均值作为该葛根粉样本的光谱数据。
4.根据权利要求1所述的不同产地葛根粉的鉴别方法,其特征在于,所述的步骤2)中,压片时,每片取葛根粉样本约0.5g,在20MPa压力下压制1min,制成直径约15mm,厚约2mm的圆片。
5.根据权利要求4所述的不同产地葛根粉的鉴别方法,其特征在于,所述的步骤2)中,每种葛根粉样品各压制50片。
6.根据权利要求1所述的不同产地葛根粉的鉴别方法,其特征在于,所述的步骤5)中,以3:2的比例将不同产地的葛根粉样本分为建模集与预测集。
7.根据权利要求1所述的不同产地葛根粉的鉴别方法,其特征在于,所述的步骤6)中,判别分析模型为ELM、SMICA、KNN和RF。
8.根据权利要求7所述的不同产地葛根粉的鉴别方法,其特征在于,所述的步骤6)中,基于选择的18个特征波长分别建立ELM、SMICA、KNN和RF判别分析模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811178709.5A CN109115748A (zh) | 2018-10-10 | 2018-10-10 | 基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811178709.5A CN109115748A (zh) | 2018-10-10 | 2018-10-10 | 基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109115748A true CN109115748A (zh) | 2019-01-01 |
Family
ID=64857815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811178709.5A Pending CN109115748A (zh) | 2018-10-10 | 2018-10-10 | 基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109115748A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883960A (zh) * | 2019-03-18 | 2019-06-14 | 河南科技大学 | 一种样本无需预处理的牡丹花品种分类方法及系统 |
CN109916991A (zh) * | 2019-04-09 | 2019-06-21 | 新疆大学 | 一种基于金属元素结合pls-da模型判别啤酒花品种和产地的方法 |
CN115201180A (zh) * | 2022-07-22 | 2022-10-18 | 华中科技大学 | 一种单标样校正激光诱导击穿光谱定量方法及系统 |
CN116933043A (zh) * | 2023-09-15 | 2023-10-24 | 天津现代创新中药科技有限公司 | 菊花产地的鉴别方法、模型的构建方法及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070218556A1 (en) * | 2005-12-16 | 2007-09-20 | Harris Ronny D | Measuring nutrients in plants and soils by laser induced breakdown spectroscopy |
CN104807787A (zh) * | 2015-05-20 | 2015-07-29 | 重庆邮电大学 | 一种基于激光诱导击穿光谱技术的茶叶分类鉴别方法 |
CN106770194A (zh) * | 2017-01-20 | 2017-05-31 | 华中科技大学 | 基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法 |
CN107677647A (zh) * | 2017-09-25 | 2018-02-09 | 重庆邮电大学 | 基于主成分分析和bp神经网络的中药材产地鉴别方法 |
CN108051410A (zh) * | 2017-10-31 | 2018-05-18 | 浙江农林大学 | 一种基于激光诱导击穿光谱技术的烟草根部镉含量快速检测方法 |
-
2018
- 2018-10-10 CN CN201811178709.5A patent/CN109115748A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070218556A1 (en) * | 2005-12-16 | 2007-09-20 | Harris Ronny D | Measuring nutrients in plants and soils by laser induced breakdown spectroscopy |
CN104807787A (zh) * | 2015-05-20 | 2015-07-29 | 重庆邮电大学 | 一种基于激光诱导击穿光谱技术的茶叶分类鉴别方法 |
CN106770194A (zh) * | 2017-01-20 | 2017-05-31 | 华中科技大学 | 基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法 |
CN107677647A (zh) * | 2017-09-25 | 2018-02-09 | 重庆邮电大学 | 基于主成分分析和bp神经网络的中药材产地鉴别方法 |
CN108051410A (zh) * | 2017-10-31 | 2018-05-18 | 浙江农林大学 | 一种基于激光诱导击穿光谱技术的烟草根部镉含量快速检测方法 |
Non-Patent Citations (3)
Title |
---|
WANG, JINMEI: "Classification of Chinese Herbal Medicine by Laser-Induced Breakdown Spectroscopy with Principal Component Analysis and Artificial Neural Network", 《ANALYTICAL LETTERS》 * |
倪力军: "《基础化学计量学及其应用》", 31 July 2011, 华东理工大学出版社 * |
饶刚福: "基于激光诱导击穿光谱的茶叶品种识别模型对比", 《激光与光电子学进展》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883960A (zh) * | 2019-03-18 | 2019-06-14 | 河南科技大学 | 一种样本无需预处理的牡丹花品种分类方法及系统 |
CN109916991A (zh) * | 2019-04-09 | 2019-06-21 | 新疆大学 | 一种基于金属元素结合pls-da模型判别啤酒花品种和产地的方法 |
CN115201180A (zh) * | 2022-07-22 | 2022-10-18 | 华中科技大学 | 一种单标样校正激光诱导击穿光谱定量方法及系统 |
CN115201180B (zh) * | 2022-07-22 | 2024-04-23 | 华中科技大学 | 一种单标样校正激光诱导击穿光谱定量方法及系统 |
CN116933043A (zh) * | 2023-09-15 | 2023-10-24 | 天津现代创新中药科技有限公司 | 菊花产地的鉴别方法、模型的构建方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109115748A (zh) | 基于激光诱导击穿光谱技术的不同产地葛根粉的鉴别方法 | |
Beć et al. | NIR spectroscopy of natural medicines supported by novel instrumentation and methods for data analysis and interpretation | |
CN104807787B (zh) | 一种基于激光诱导击穿光谱技术的茶叶分类鉴别方法 | |
Wang et al. | Classification of Chinese herbal medicine by laser-induced breakdown spectroscopy with principal component analysis and artificial neural network | |
CN104251846B (zh) | 一种结合判别分析的激光诱导击穿光谱定量分析方法 | |
CN103808695B (zh) | 一种基于激光诱导击穿光谱技术检测铁矿石全铁的方法 | |
CN111007032B (zh) | 一种快速无损鉴别甘草及其伪品刺果甘草的近红外光谱法 | |
CN102288551A (zh) | 利用高光谱数据鉴别中药材的方法 | |
Baskali-Bouregaa et al. | Tea geographical origin explained by LIBS elemental profile combined to isotopic information | |
CN110097127A (zh) | 基于核主成分分析的黄芪谱图特征提取与产地鉴别方法 | |
Pagnin et al. | Multivariate analysis and laser-induced breakdown spectroscopy (LIBS): a new approach for the spatially resolved classification of modern art materials | |
CN106770003A (zh) | 基于近红外光谱技术的木材识别方法及系统 | |
CN103411895A (zh) | 珍珠粉掺伪的近红外光谱鉴别方法 | |
CN108663337A (zh) | 一种测定丹参酮类成分的方法及其应用 | |
Fan et al. | Geographical-origin discrimination and volatile oil quantitative analysis of Zanthoxylum bungeanum Maxim. with a portable near-infrared spectrometer | |
AU2018101606A4 (en) | A method for identifying meconopsis quintuplinervia regel from different geographical origins | |
Du et al. | Discrimination of the species and authenticity of Rhizoma Coptidis based on stable isotope and multielement fingerprinting and multivariate statistical analysis | |
CN203572772U (zh) | 基于多波长led荧光光谱的云端中药品质检测系统 | |
CN106841170B (zh) | 一种基于小波神经网络算法的煤灰种类识别方法 | |
CN103076300B (zh) | 专属性模式识别模型判别分析中药材资源指纹信息的方法 | |
CN105069462A (zh) | 基于光谱特征细分和分类器级联的有机化学品定性判定方法 | |
Simmler et al. | Botanical integrity: Part 2: traditional and modern analytical approaches | |
CN105717093A (zh) | 一种基于大数据库辨识的水泥特性分析方法 | |
CN116008245A (zh) | 桑叶拉曼光谱指纹图谱的建立结合机器学习算法在桑叶属地来源鉴定中的应用 | |
CN109856110A (zh) | 一种晶质铀矿的鉴定方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190101 |
|
RJ01 | Rejection of invention patent application after publication |