傅里葉變換紅外光譜技術(shù)鑒別冬蟲夏草真?zhèn)蔚难芯?/h1>

2015-10-31 01:23:14張九凱張小磊曾文波鄒小波虞泓陳穎

質(zhì)量安全與檢驗(yàn)檢測(cè)訂閱 2015年3期 收藏

關(guān)鍵詞：冬蟲夏草蟲草指紋

張九凱張小磊,曾文波鄒小波虞泓陳穎*

（1.中國檢驗(yàn)檢疫科學(xué)研究院 北京 100123；2.江蘇大學(xué)食品與生物工程學(xué)院；3.云南大學(xué)中草藥生物資源研究所）

傅里葉變換紅外光譜技術(shù)鑒別冬蟲夏草真?zhèn)蔚难芯?/p>

張九凱1張小磊1,2曾文波3鄒小波2虞泓3陳穎1*

（1.中國檢驗(yàn)檢疫科學(xué)研究院 北京 100123；2.江蘇大學(xué)食品與生物工程學(xué)院；3.云南大學(xué)中草藥生物資源研究所）

研究了傅里葉變換紅外光譜技術(shù)結(jié)合模式識(shí)別對(duì)冬蟲夏草進(jìn)行真?zhèn)舞b別的可行性。收集不同產(chǎn)地的野生冬蟲夏草和常見偽品，根據(jù)各樣品在4 000-450 cm-1范圍內(nèi)的紅外光譜，確定冬蟲夏草指紋區(qū)域所在的位置，討論不同預(yù)處理方法及不同光譜區(qū)間對(duì)建模結(jié)果的影響；同時(shí)利用主成分分析將前15個(gè)主成分作為輸入變量建立冬蟲夏草真?zhèn)舞b別的模式識(shí)別模型。結(jié)果表明：冬蟲夏草紅外光譜指紋區(qū)為1 800-800 cm-1，最佳預(yù)處理方法為多元散射校正；指紋區(qū)光譜經(jīng)多元散射校正預(yù)處理和主成分分析降維后，所建立的模式識(shí)別模型中支持向量機(jī)模型的訓(xùn)練集和交互驗(yàn)證集的識(shí)別率均能達(dá)到100%。

紅外光譜；模式識(shí)別；多元散射校正；主成分分析；支持向量機(jī)

1 前言

冬蟲夏草（Ophiocordyceps sinensis）是線蟲草科線蟲草屬中華蟲草種真菌寄生在蝙蝠娥科昆蟲蝙蝠娥幼蟲的子座與幼蟲尸體的復(fù)合體，在我國主要產(chǎn)自西藏、青海、四川、云南、甘肅等五?。▍^(qū)）［1］，1964年被收錄入中國藥典并被官方認(rèn)定為“藥品”，1994年被美國食品藥品管理局（FDA）通過法案認(rèn)定為“膳食補(bǔ)充劑”［2］。作為珍貴的滋補(bǔ)中藥材，冬蟲夏草具有“補(bǔ)腎益肺、止咳化痰”之功效，并具有抗菌、抗癌、改善記憶力、增強(qiáng)免疫力以及鎮(zhèn)痛安寧的作用［3］。

由于生長(zhǎng)條件苛刻，自然寄生率低，加上人們的濫采，導(dǎo)致天然資源緊缺，因此天然冬蟲夏草已被瀕危野生動(dòng)植物種國際貿(mào)易公約列為瀕危物種［4］。目前，冬蟲夏草價(jià)格居高不下，根據(jù)蟲體大小不同，每克價(jià)格可達(dá)200至500元不等。巨大的經(jīng)濟(jì)利益導(dǎo)致冬蟲夏草的摻假現(xiàn)象嚴(yán)重，常見的摻假方式包括：用其他種類的蟲草（如亞香棒蟲草等）作為冬蟲夏草的替代品進(jìn)行摻假；用人工培養(yǎng)的蟲草菌絲體（如蟲草花等）冒充野生冬蟲夏草粉出售；用冬蟲夏草的模仿物（如草石蠶等）輔以黏合劑、色素等填充制造出假冬蟲夏草。這些摻假行為不僅損害了消費(fèi)者的經(jīng)濟(jì)利益，而且極有可能因?yàn)槟承┯泻Τ煞值囊攵：οM(fèi)者的健康。因此，建立快速準(zhǔn)確鑒別冬蟲夏草真?zhèn)蔚姆椒ǎ瑢?duì)規(guī)范市場(chǎng)、維護(hù)消費(fèi)者權(quán)益具有非常重要的意義。

傅里葉變換紅外光譜能夠在不破壞樣品的前提下給出全組分的化學(xué)信息，其針對(duì)復(fù)雜體系真實(shí)、宏觀、快速無損的測(cè)定特性，使紅外光譜在中藥材鑒別及質(zhì)量控制研究中得以廣泛應(yīng)用［5-8］。目前，已經(jīng)有一些利用紅外光譜對(duì)冬蟲夏草進(jìn)行真?zhèn)舞b別的研究：張聲俊等［9］采用紅外光譜“三級(jí)鑒定”的方法，對(duì)冬蟲夏草進(jìn)行真?zhèn)舞b定；Yang等［10］通過紅外光譜及其二階導(dǎo)數(shù)光譜來標(biāo)識(shí)冬蟲夏草的特征峰，以此區(qū)分野生冬蟲夏草和偽品。然而，由于摻假方式的多樣性以及摻假種類的復(fù)雜性，對(duì)于實(shí)際中需要鑒別冬蟲夏草真?zhèn)渭安煌瑩郊俜绞降男枨?，這些方法仍存在樣品缺乏代表性、適用性不足等局限。模式識(shí)別作為人工智能技術(shù)的一個(gè)分支，已廣泛應(yīng)用于醫(yī)藥、環(huán)境、食品等各個(gè)領(lǐng)域的分類問題［11-12］，也同樣能夠用于區(qū)分冬蟲夏草的不同形式摻假。

本研究針對(duì)冬蟲夏草的不同摻假方式，在測(cè)定冬蟲夏草及其常見摻假物紅外光譜的基礎(chǔ)上，結(jié)合模式識(shí)別方法，建立了冬蟲夏草的真?zhèn)舞b別模型，以期實(shí)現(xiàn)冬蟲夏草真?zhèn)蔚目焖贉?zhǔn)確篩查。

2 材料與方法

2.1材料

2.1.1樣品來源

共收集各類樣品18種。其中6種冬蟲夏草（DCXC）和6種其他種類蟲草（CC）由云南大學(xué)中草藥生物資源研究所云百草實(shí)驗(yàn)室鑒定和提供；3種蟲草花（CCH）和3種草石蠶（CSC）購自不同省市的藥材市場(chǎng)。各樣本的詳細(xì)信息參見表1。

表1　冬蟲夏草及其常見摻假物的樣品信息

2.1.2儀器與設(shè)備

組織研磨器：TissueLyser II型，德國Qiagen公司；冷凍干燥儀：Benchtop2K-ES型，美國Virtis公司；傅里葉變換紅外光譜儀：Spectrum Frontier型，美國PerkinElmer公司。

2.1.3試劑

溴化鉀：純度≥99.5%，Sigma-Aldrich。

2.2方法

2.2.1樣品制備

各樣品切成小塊，經(jīng)冷凍干燥24 h后在組織研磨器中用鋼球（Φ=20 mm）磨粉30 s，制得干燥均勻的樣品粉末于-80℃保藏，每種樣品制備6個(gè)平行樣。

2.2.2紅外光譜的獲取

取提前制備好的粉末樣本約2 mg，與100 mg干燥溴化鉀粉末混合，并在瑪瑙研缽中研磨1-2 min，再轉(zhuǎn)入壓片模具中，使之分布均勻，抽真空加壓至38 Mpa，維持40 s，取出壓成的透明（或半透明）薄片，裝入壓片夾，以溴化鉀空白壓片作參比，使用傅里葉變換紅外光譜儀掃描紅外透射光譜。掃描速度為4 cm/s，掃描間隔為8 cm-1，掃描范圍為4 000-450 cm-1，3次重復(fù)測(cè)量取平均值。紅外光譜數(shù)據(jù)以.csv格式導(dǎo)出，數(shù)據(jù)處理在Matlab（Ver.R2010a：The Math Work，美國）環(huán)境下自編程序完成。

2.2.3光譜預(yù)處理

為了校正吸收基線并減少樣品散射對(duì)光譜的影響，利用軟件對(duì)原始光譜進(jìn)行預(yù)處理。光譜的預(yù)處理方法包括一階導(dǎo)數(shù)（1st derivative，1D）、多元散射校正（multiplicative scatter correction，MSC）、標(biāo)準(zhǔn)歸一化（standardnormalvariables，SNV）、平滑（smooth，SM）和中心化（center，CR）等。導(dǎo)數(shù)處理可消除基線偏移，扣除本底吸收，從而更為細(xì)致地反映樣品的光譜；多元散射校正處理可以消除光譜在吸光度軸上的差異，以便消除散射效應(yīng)的影響；標(biāo)準(zhǔn)歸一化主要是用來消除表面散射、光程變化對(duì)紅外光譜的影響；平滑處理可以提高分析信號(hào)的信噪比，本研究采用Savitzk與Golay提出的多項(xiàng)式（七點(diǎn)三次多項(xiàng)式）平滑方法；中心化預(yù)處理主要用來消除光譜的絕對(duì)吸收值，從而消除光源對(duì)光譜的影響［13］。

3 結(jié)果與分析

3.1不同種類樣品原始光譜的比較分析

將紅外光譜數(shù)據(jù)導(dǎo)入Matlab軟件中進(jìn)行分析，分別得到不同產(chǎn)地冬蟲夏草、不同種類蟲草、不同藥材市場(chǎng)的蟲草花及草石蠶的紅外光譜指紋圖譜（圖1a-d）。

圖1　不同種類樣品的紅外光譜指紋圖譜

對(duì)光譜圖的分析結(jié)果顯示：除阿壩冬蟲夏草外，其他五個(gè)產(chǎn)地冬蟲夏草（青海玉樹、西藏那曲、云南香格里拉、德欽、蘭坪）的紅外光譜非常接近（圖1a），說明這5個(gè)產(chǎn)地冬蟲夏草所含成分較為相似。阿壩由于既處于青藏高原與四川盆地的交錯(cuò)接觸帶，又處于長(zhǎng)江、黃河支流河流分水嶺地帶，地形復(fù)雜、氣候多樣，形成了獨(dú)特的生態(tài)環(huán)境和獨(dú)有的生物資源，因此，阿壩產(chǎn)區(qū)的冬蟲夏草可能有區(qū)別于其他產(chǎn)區(qū)的（青海、西藏、云南等）的特征；同時(shí)，本研究通過液質(zhì)聯(lián)用技術(shù)對(duì)不同產(chǎn)地冬蟲夏草中的化學(xué)組分進(jìn)行了分析，也發(fā)現(xiàn)了阿壩產(chǎn)冬蟲夏草在化合物組成上有別于其他產(chǎn)地冬蟲夏草的現(xiàn)象（未發(fā)表數(shù)據(jù)）。不同種類的蟲草所含成分有較大不同（圖1b），可能與所收集蟲草涉及到不同屬，甚至不同科有關(guān)（表1）；購自不同藥材市場(chǎng)的蟲草花和草石蠶樣本的紅外光譜沒有明顯差異（圖1c-d）。

上述結(jié)果表明4類樣品的紅外光譜指紋圖譜存在較大差異，可用于冬蟲夏草及其常見摻假物的快速區(qū)分。

樣品原始紅外光譜圖比較分析結(jié)果還表明，各樣本光譜在4 000-1 800 cm-1范圍均只包含兩個(gè)吸收峰，其中3 500-3 300 cm-1范圍強(qiáng)而寬的吸收帶是由氨基（-NH2）和羥基（-OH）的締合伸縮振動(dòng)引起，而2 900 cm-1附近的吸收峰是由甲基（-CH3）或亞甲基（-CH2）的伸縮振動(dòng)引起［14］，它們是各樣本的共有峰，對(duì)于區(qū)分各類樣本意義不大；800-450 cm-1范圍光譜存在較大基線漂移，不做考慮。前人的研究一般將小于1 800 cm-1的紅外光譜區(qū)域視為指紋區(qū)［15-16］，本實(shí)驗(yàn)中，各樣本光譜在1 800-800 cm-1范圍內(nèi)有較多吸收峰，這些峰的數(shù)量、位置、峰型以及峰強(qiáng)的差異對(duì)于區(qū)分不同類樣本起決定性作用，除單鍵的伸縮振動(dòng)外，還有因變形振動(dòng)產(chǎn)生的譜帶，這種振動(dòng)基團(tuán)頻率和特征吸收峰與整個(gè)分子的結(jié)構(gòu)有關(guān)，因此確定該光譜區(qū)域?yàn)橹讣y區(qū)。

為了更好地尋找不同種類樣本的特征峰，分別選取一個(gè)具有代表性的冬蟲夏草、蟲草、蟲草花和草石蠶樣本，標(biāo)出它們?cè)谥讣y區(qū)的吸收峰，分析不同類樣本吸收峰的異同，見圖2。

圖2　冬蟲夏草、蟲草、蟲草花和草石蠶的紅外光譜指紋區(qū)（1 800-800 cm-1）吸收峰對(duì)比

圖2顯示，4類樣本的指紋區(qū)均在1 658 cm-1、1 459 cm-1、1 376 cm-1、1 153 cm-1、1 083 cm-1附近有明顯吸收峰；冬蟲夏草在1 748 cm-1、1 549 cm-1、953 cm-1附近的吸收峰為特有，蟲草在1 715 cm-1、1 245 cm-1附近的吸收峰為特有，蟲草花在998 cm-1附近的吸收峰為特有。在冬蟲夏草各吸收峰中，1 748 cm-1、1 153 cm-1附近的吸收峰分別對(duì)應(yīng)脂羰基C=O伸縮振動(dòng)和C-O伸縮振動(dòng)，這兩個(gè)吸收峰代表的特征物質(zhì)可能是酯類，為冬蟲夏草所特有，可以用來表征冬蟲夏草的紅外屬性；1 658 cm-1、1 549 cm-1附近的吸收峰分別對(duì)應(yīng)酰胺Ⅰ中的C=O振動(dòng)和酰胺Ⅱ中的C-N振動(dòng)，這兩個(gè)吸收峰表征的特征物質(zhì)可能是蟲草蛋白；1 083 cm-1、1 022 cm-1附近的吸收峰對(duì)應(yīng)伯醇中的C-O的伸縮振動(dòng)，這兩個(gè)特征峰表征的特征物質(zhì)可能是蟲草核苷或蟲草多糖；930 cm-1附近的吸收峰表征的特征物質(zhì)為蟲草酸。雖然冬蟲夏草、蟲草和蟲草花在1083 cm-1、1 022 cm-1、930 cm-1附近均有吸收峰，但是冬蟲夏草在這3處的峰形明顯不同，峰窄而尖銳，這3處吸收峰也可用來表征冬蟲夏草的紅外屬性［17-18］。

3.2不同預(yù)處理及不同光譜區(qū)間建模結(jié)果的比較

為了能夠準(zhǔn)確地對(duì)不同類樣品進(jìn)行區(qū)分，進(jìn)而達(dá)到冬蟲夏草真?zhèn)舞b別的目的，需要結(jié)合模式識(shí)別的方法建立可靠的模型。紅外光譜容易受樣品粒度不均勻、紅外光譜儀自身光源能量不穩(wěn)定等因素的影響［19］，運(yùn)用適當(dāng)?shù)墓庾V預(yù)處理方法能夠有效消除背景噪音及特定物理因素的干擾，對(duì)提高模型的精度和穩(wěn)定性有重要作用。為了確定最佳的預(yù)處理方法及最優(yōu)光譜區(qū)間，分別將不同預(yù)處理后的不同區(qū)間光譜用于建立冬蟲夏草的線性判別分析（LDA）模型，比較選取不同預(yù)處理方法及光譜區(qū)間對(duì)建模結(jié)果的影響，見表2。

表2　不同預(yù)處理及不同光譜區(qū)間LDA法建模結(jié)果的比較

當(dāng)光譜區(qū)間一定，比較不同預(yù)處理方法對(duì)建模結(jié)果的影響，在全光譜區(qū)（4 000-450 cm-1），原始光譜建模校正集和預(yù)測(cè)集識(shí)別率分別為95.1%和88.9%，經(jīng)MSC預(yù)處理后分別提高到97.5%和92.6%，經(jīng)SNV預(yù)處理后分別提高到98.8%和 96.3%，說明MSC和SNV均能提高模型準(zhǔn)確率；經(jīng)1D預(yù)處理后校正集識(shí)別率不變，預(yù)測(cè)集識(shí)別率有所下降，表明1D預(yù)處理會(huì)影響建模結(jié)果的準(zhǔn)確性；經(jīng)CR預(yù)處理后校正集和預(yù)測(cè)集識(shí)別率均不變，表明CR預(yù)處理對(duì)建模結(jié)果沒有影響；而經(jīng)SM預(yù)處理后校正集和預(yù)測(cè)集識(shí)別率分別下降到55.6%和25.9%，說明SM預(yù)處理降低了模型準(zhǔn)確率。分別比較不同光譜區(qū)間經(jīng)MSC和SNV預(yù)處理后的建模效果，結(jié)果表明當(dāng)預(yù)處理方法確定時(shí)，選取指紋區(qū)建模能夠提高模型準(zhǔn)確率，指紋區(qū)光譜MSC和SNV預(yù)處理后所建模型校正集和預(yù)測(cè)集識(shí)別率均能分別達(dá)到100%和96.3%。鑒于MSC比指紋區(qū)SNV預(yù)處理達(dá)到相同的識(shí)別率需要更少的主成分?jǐn)?shù)，最終確定指紋區(qū)MSC預(yù)處理為最佳。

3.3冬蟲夏草真?zhèn)舞b別模型的建立

雖然指紋區(qū)光譜數(shù)據(jù)量較全光譜數(shù)據(jù)已經(jīng)大大減少，但對(duì)于建立復(fù)雜模型來說，變量數(shù)過多，直接建模會(huì)造成負(fù)擔(dān)，因此需要對(duì)光譜進(jìn)行特征提取和數(shù)據(jù)降維。主成分分析（principal component analysis，PCA）是特征提取和降維的經(jīng)典方法，通過求解輸入數(shù)據(jù)協(xié)方差矩陣特征值的方法，在樣本空間中尋找誤差最小的方向，從而把高維數(shù)據(jù)線性地轉(zhuǎn)化為低維數(shù)據(jù)［20］。本研究將各樣本指紋區(qū)光譜經(jīng)MSC預(yù)處理后進(jìn)行主成分分析，得到三維得分圖，其中前3個(gè)主成分貢獻(xiàn)率為90.48%，以最大程度反映冬蟲夏草、蟲草、蟲草花和草石蠶4類樣本的分布情況（圖3）。

圖3　各樣本指紋區(qū)光譜經(jīng)MSC預(yù)處理后的三維主成分得分圖

結(jié)果表明，草石蠶能夠明顯和冬蟲夏草、蟲草以及蟲草花中區(qū)分開，說明PCA能夠?qū)崿F(xiàn)對(duì)冬蟲夏草模仿物摻假的鑒別；而冬蟲夏草、蟲草和蟲草花大致可分為3組，但樣品間有部分重疊，說明僅靠PCA不能完全實(shí)現(xiàn)冬蟲夏草中其他種類蟲草以及人工蟲草花摻假的鑒別。一方面可能是由于這些摻假物與冬蟲夏草都含有一些相同或相似成分，另一方面可能與約9.52%的光譜信息沒有反映在圖中有關(guān)。

為了客觀精確地判別冬蟲夏草的真?zhèn)?，本研究進(jìn)一步采用模式識(shí)別的方法建立定性模型。將經(jīng)過MSC預(yù)處理后的各樣本指紋區(qū)光譜PCA降維后，按照3：1的比例，隨機(jī)分為訓(xùn)練集和交互驗(yàn)證集，訓(xùn)練集用來建立模型，交互驗(yàn)證集用來驗(yàn)證模型。將冬蟲夏草、蟲草、草石蠶和蟲草花類分別賦值為1、2、3、4，作為建模輸出變量，選取訓(xùn)練集前15個(gè)主成分作為建模輸入變量，分別采用線性判別法（linear discriminant analysis，LDA）、K值近鄰法（k-nearest neighbor algorithm，KNN）、反向傳播人工神經(jīng)網(wǎng)絡(luò)（backpropagationartificialneuralnetwork，BPANN）和支持向量機(jī)（support vector machine，SVM）等方法建立冬蟲夏草真?zhèn)舞b別模型。訓(xùn)練集和交互驗(yàn)證集識(shí)別率分別為訓(xùn)練集和交互驗(yàn)證集樣本代入模型中正確識(shí)別的比例，用來評(píng)價(jià)各個(gè)模型。

各模型的訓(xùn)練集和交互驗(yàn)證集的識(shí)別結(jié)果表明：LDA模型的訓(xùn)練集全部正確識(shí)別，交互驗(yàn)證集有1個(gè)冬蟲夏草樣本被誤判為蟲草（表3）；KNN模型的訓(xùn)練集有2個(gè)冬蟲夏草樣本被誤判為蟲草，1個(gè)冬蟲夏草樣本被誤判為蟲草花，3個(gè)蟲草樣本被誤判為冬蟲夏草，各有1個(gè)蟲草花樣本被誤判為冬蟲夏草和蟲草，交互驗(yàn)證集全部正確識(shí)別（表4）；BP-ANN模型的訓(xùn)練集全部正確識(shí)別，交互驗(yàn)證集有1個(gè)冬蟲夏草樣本被誤判為蟲草，1個(gè)蟲草樣本被誤判為冬蟲夏草，1個(gè)蟲草花樣本被誤判為草石蠶（表5）；SVM模型的訓(xùn)練集和交叉驗(yàn)證集全部正確識(shí)別（表6）。

表3　LDA法建模對(duì)樣本訓(xùn)練集和交互驗(yàn)證集的識(shí)別結(jié)果

表4　KNN法建模對(duì)樣本訓(xùn)練集和交互驗(yàn)證集的識(shí)別結(jié)果

表5　BP-ANN法建模對(duì)樣本訓(xùn)練集和交互驗(yàn)證集的識(shí)別結(jié)果

表6　SVM法建模對(duì)樣本訓(xùn)練集和交互驗(yàn)證集的識(shí)別結(jié)果

各模型訓(xùn)練集和交互驗(yàn)證集的識(shí)別率的對(duì)比結(jié)果表明，SVM的建模結(jié)果最好，校正集和預(yù)測(cè)集的識(shí)別率均能達(dá)到100%，而其余幾個(gè)模型雖然也有不錯(cuò)的結(jié)果，但出現(xiàn)了不同程度的誤判。說明指紋區(qū)光譜經(jīng)MSC預(yù)處理和主成分降維后，前15個(gè)主成分用來建立SVM模型，是冬蟲夏草的真?zhèn)舞b別的有效方法。

表7　各模式識(shí)別方法建模結(jié)果對(duì)比

4 結(jié)論

本研究探討了采用紅外光譜結(jié)合模式識(shí)別的方法對(duì)冬蟲夏草進(jìn)行真?zhèn)舞b別的可行性，結(jié)果表明：MSC為本實(shí)驗(yàn)建立模式識(shí)別模型的最佳預(yù)處理方法；SVM模型的訓(xùn)練集和交互驗(yàn)證集識(shí)別率均能達(dá)到100%。因此，通過紅外光譜結(jié)合模式識(shí)別建立SVM模型，能夠快速、準(zhǔn)確地對(duì)冬蟲夏草及其常見摻假物進(jìn)行真?zhèn)舞b別。

［1］張姝，張永杰，SHRESTHA B，等.冬蟲夏草菌和蛹蟲草菌的研究現(xiàn)狀、問題及展望［J］.菌物學(xué)報(bào)，2013，32（4）：577-597.

［2］CHEN Xin，WANG Sunan，NIE Shaoping，et al.Properties of Cordyceps sinensis：A review［J］.Journal of Functional Foods，2013，5（3）：550-569.

［3］LI Siping，YANG Fengqing，TSIM，K W.Quality control of Cordyceps sinensis，a valued traditional Chinese medicine［J］.Journal of Pharmaceutical and Biomedical Analysis，2006，41（5）：1571-1584.

［4］SHASHIDHAR M G，GIRIDHAR P，UDAYA S K，et al.Bioactive principles from Cordyceps sinensis：A potent food supplement-A review［J］.Journal of Functional Foods，2013，5（3）：1013-1030.

［5］鄭捷，肖鳳霞，林勵(lì)，等.基于傅里葉變換紅外光譜法的土茯苓真?zhèn)舞b別及溯源研究［J］.食品科學(xué)，2014，35（12）：165-168.

［6］許春瑾，張睿，于修燭，等.基于近紅外光譜的中寧枸杞子判別分析［J］.食品科學(xué)，2014，35（2）：164-167.

［7］劉嘉，李建超，陳嘉，等.葛粉摻假的傅里葉變換紅外光譜法鑒別研究［J］.食品科學(xué)，2011，32（8）：226-230.

［8］CHENYi，XIEMingyong，YANYan，etal.Discriminationof Ganoderma lucidum according to geographical origin with near infrared diffuse reflectance spectroscopy and pattern recognition techniques［J］.Analytica Chimica Acta，2008，618（2）：121-130.

［9］張聲俊.紅外光譜法對(duì)冬蟲夏草的三級(jí)鑒定和研究［J］.山地農(nóng)業(yè)生物學(xué)報(bào)，2011，30（03）：230-234.

［10］YANG Ping，SONG Ping，SUN Suqin，et al.Differentiation and quality estimation of Cordyceps with infrared spectroscopy［J］. Spectrochimica Acta Part A，2009，74（4）：983-990.

［11］黃桂東，毛健，姬中偉，等.DR-FTIR結(jié)合SIMCA識(shí)別不同種類原料米釀造的黃酒［J］.食品科學(xué)，2013，34（14）：285-288.

［12］孟一，張玉華，王家敏，等.基于近紅外光譜技術(shù)快速識(shí)別不同動(dòng)物源肉品［J］.食品科學(xué)，2014，35（6）：156-158.

［13］宋夏欽，王琪，王麗，等.基于近紅外光譜技術(shù)的雷竹筍品質(zhì)指標(biāo)快速檢測(cè)方法研究［J］.中國食品學(xué)報(bào)，2013，13（09）：190-195.

［14］KOCA N，KOCAOGLU-VURMA N A，HARPER W J，et al.Application of temperature-controlled attenuated total reflectancemid-infrared（ATR-MIR）spectroscopy for rapid estimation of butter adulteration［J］.Food Chemistry，2010，121（3）：778-782.

［15］MING Z，GERARD D，COLM P O.Detection of adulteration in fresh and frozen beefburger products by beef offal using midinfrared ATR spectroscopy and multivariate data analysis［J］. Meat Science，2014，96（2）：1003-1011.

［16］EFSTATHIOS Z P，F(xiàn)ADY R M，ANTHOULA A A，et al.A comparisonofartificialneuralnetworksandpartialleast squaresmodelingfortherapiddetectionofthemicrobial spoilage of beef fillets based on Fourier transform infrared spectral fingerprints［J］.Food Microbiology，2011，28（5）：782-790.

［17］COZZOLINO D，ROUMELIOTIS S，EGLINTON J.Evaluation of the use of attenuated total reflectance mid infrared spectroscopy to determine fatty acids in intact seeds of barley（Hordeum vulgare）［J］.LWT-Food Science and Technology，2014，56（2）：478-483.

［18］陳建波，周群，王曉平，等.冬蟲夏草的紅外光譜真?zhèn)舞b定［C］.第十七屆全國分子光譜學(xué)學(xué)術(shù)會(huì)議，2012.

［19］SINELLI N，CERRETANI L，EGIDIO V D，et al.Application of near（NIR）infrared and mid（MIR）infrared spectroscopy as a rapid tool to classify extra virgin olive oil on the basis of fruity attribute intensity［J］.Food Research International，2010，43（1）：369-375.

［20］SHEN Fei，YING Yibin，LI Bobin，et al.Prediction of sugars and acids in Chinese rice wine by mid-infrared spectroscopy［J］.Food Research International，2011，44（5）：1521-1527.

Authentication of Ophiocordyceps sinensis by Fourier Transform Infrared Spectroscopy

Zhang Jiukai1，Zhang Xiaolei1，2，Zeng Wenbo3，Zou Xiaobo2，Yu Hong3，Chen Ying1*
（1.Chinese Academy of Inspection and Quarantine,Beijing,100176；2.School of Food and Biological Engineering,Jiangsu University；3.Institute of Herb Biotic Resources,Yunnan University）

The feasibility of authentication of Ophiocordyceps sinensis（DCXC）based on Fourier transform infrared spectroscopy（IR）and pattern recognition was studied.For currently different adulteration ways on the market,samples of genuine DCXC,its counterfeits（other species of Cordyceps,CC）,cultured mycelia（Cordyceps flower,CCH）and mimics（Stachys sieboldii,CSC）were selected,and the infrared spectrum in the region of 4 000-450 cm-1was collected afterwards.The IR fingerprint region of DCXC was determined,and the effects of different pretreatment methods and spectral ranges on modeling results were discussed.After dimensionality reduction by principal component analysis（PCA）,the former 15 principal components were used as input variables to build authentication models using different validated pattern recognition methods.Results showed that fingerprint region of DCXC was 1 800-800 cm-1,and the optimum pretreatment method was multiplicative scatter correction（MSC）.Recognition rate of training set and cross-validation set of support vector machine model based on the fingerprint region can both reach 100%after MSC pretreatment and PCA.

Infrared Spectroscopy；Pattern Recognition；Multiplicative Scatter Correction；Principal Component Analysis；Support Vector Machine

TS201.6

E-mail：zhjk_caiq@163.com；*通信作者E-mail：chenyingcaiq@163.com

國家“863”計(jì)劃項(xiàng)目（2011AA100807）；中國檢驗(yàn)檢疫科學(xué)研究院基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（2014JK021）

2015-04-02

猜你喜歡

冬蟲夏草蟲草指紋

蟲草素提取物在抗癌治療中顯示出巨大希望

中老年保健(2022年2期)2022-08-24 03:20:44

蟲草素提取物在抗癌治療中顯示出巨大希望

中老年保健(2021年12期)2021-11-30 02:58:01

像偵探一樣提取指紋

小哥白尼(趣味科學(xué))(2021年11期)2021-02-28 08:35:00

“冬蟲夏草”是怎樣形成的?

軍事文摘(2020年22期)2021-01-04 02:16:52

為什么每個(gè)人的指紋都不一樣

小天使·一年級(jí)語數(shù)英綜合(2020年10期)2020-12-16 02:57:11

神奇的冬蟲夏草

小學(xué)生必讀(高年級(jí)版)(2016年9期)2016-12-12 06:03:44

蛹蟲草液體發(fā)酵培養(yǎng)基的篩選

中央民族大學(xué)學(xué)報(bào)(自然科學(xué)版)(2016年3期)2016-06-27 07:55:28

基于自適應(yīng)稀疏變換的指紋圖像壓縮

自動(dòng)化學(xué)報(bào)(2016年8期)2016-04-16 03:39:00

可疑的指紋

青少年科技博覽(中學(xué)版)(2015年7期)2015-08-12 18:50:24

冬蟲夏草的經(jīng)濟(jì)學(xué)

漢語世界(The World of Chinese)(2013年5期)2013-04-29 00:44:03

質(zhì)量安全與檢驗(yàn)檢測(cè)2015年3期

質(zhì)量安全與檢驗(yàn)檢測(cè)的其它文章

QuEChERS前處理技術(shù)與LC-Q-TOF-MS法測(cè)定蔬菜中7種煙堿類農(nóng)藥殘留

色質(zhì)聯(lián)用技術(shù)在N-亞硝胺類物質(zhì)分析中的應(yīng)用

基于社交網(wǎng)絡(luò)和云計(jì)算技術(shù)的政務(wù)協(xié)同工作平臺(tái)架構(gòu)的設(shè)計(jì)與研究

層次分析法在出口玩具檢驗(yàn)監(jiān)管風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究

空港檢驗(yàn)檢疫電子化管理的研究與創(chuàng)新

俄羅斯進(jìn)口原油中氯鹽含量檢驗(yàn)標(biāo)準(zhǔn)的比對(duì)研究