快速识别金线莲真伪
金线莲又称金线兰,作为一种主要生长于我国南部地区珍贵的中药材,内含糖类、黄铜和苷类等活性成份,其中氨基酸与微量元素的含量高于国产西洋参与野山参。据记载金线莲有清热凉血,除湿解毒,抗炎、镇痛与镇静的作用,能够用于治疗支气管扩张咯血,风湿等疾病。因其全草可入药,且也是具有较高观赏价值室内观叶植物,市场售价较高,素有“金草”、“药王”的美称。
尽管金线莲售价高昂,但市场依旧供不应求,在 2021年被列为国家二级保护植物。因此一些不法分子为了攫取高额利益,经常使用与金线莲同科的台湾银线莲冒充出售,二者活性成份虽然相似,但其含量比例却相差悬殊,仅多糖提取率一项就差距3倍之多。甚至还有使用外形相似的斑叶兰或血叶兰掺杂在金线莲中一同出售。
针对金线莲质量检测的传统方法主要有性状鉴定、显微鉴定、DNA 鉴定以及高效液相色谱等。这些检测手段尽管有较高分析精度,但通常也有耗时久、效率低、破坏样品且需要专业人员操作等弊端。而近红外光谱分析作为一种快速无损检测方法就非常适合鉴别金线莲的真伪。
应用案例
不同批次的金线莲和银线莲样品各 80 批,每批约 160 g。用于掺杂的斑叶兰和血液兰共计 2000g。上述样品分次清洗 3 至 5 遍,随后置于 60 °C 的烘箱中干燥至恒重,粉碎后过 60 目筛。经过处理后,纯金线莲和纯银线莲样品各 80 个,掺入斑叶兰和掺入血叶兰的金线莲样品分别有 84 个,共计 328 个样品。
上述样品采用 Buchi NIRFlex N-500 测量其近红外光谱图,测量范围 10000-4000 cm-1,分辨率 8 cm-1,扫描次数 32,各类样品的平均光谱如下:
随后将采集到的 328 条光谱每类按 3:1 的比例随机划分至预测集与校正集,校正集中的样品再次按同样比例随机划分成训练集和验证集,集合具体分布如下表所示:
因近红外光谱数据是序列数据,随后采用一维卷积神经网络(1D-CNN)对其进行特征提取,并采用贝叶斯优化算法对CNN进行参数优化。作为对比,还分别对最近邻算法(KNN)和支持向量机(SVM)进行优化并建模验证。最终三种算法对应最优参数模型的预测精度如下表所示:
通过判别准确率结果不难发现,经过贝叶斯优化后的一维卷积神经网络(1D-CNN-B)具有最高的判别精度,说明贝叶斯算法能有效地提升超参模型的分类性能,并且近红外光谱能够快速有效地识别金线莲真伪及掺杂品。
参考文献
柴琴琴, 曾建, 张勋. 基于贝叶斯优化卷积神经网络的金线莲伪品鉴别[J]. 浙江农业学报,2022,34(2): 391-396.
来源于:瑞士步琦有限公司 BUCHI Labortechnik AG
热门评论
最新资讯
厂商动态
新闻专题
更多推荐