一种不同采收月份唐古特大黄药材的多元红外光谱判别方法、系统、存储介质及终端技术方案

本发明专利技术公开了一种不同采收月份唐古特大黄药材的多元红外光谱判别方法、系统、存储介质及终端，包括：在同一种红外谱图下比较不同月份样品的红外光谱特征，得到光谱特征判别结果；分别在不同的红外谱图下建立判别模型；训练得到不同红外谱图下对应的最优判别模型；利用不同的最优判别模型分别进行判别，并结合所述光谱特征判别结果选定判别效果最好的红外谱图及其对应的最优判别模型。本发明专利技术通过采集不同月份药材多种不同的光谱信息，在分析其红外光谱特征的基础上，建立了多种红外光谱信息下的不同采收月份大黄药材判别模型，籍此实现对不同采收月份唐古特大黄的快速判别，为指导唐古特大黄药材采收及后续的生产实践活动提供科学依据。供科学依据。供科学依据。

【技术实现步骤摘要】
一种不同采收月份唐古特大黄药材的多元红外光谱判别方法、系统、存储介质及终端


[0001]本专利技术涉及红外光谱检测
，尤其涉及一种不同采收月份唐古特大黄药材的多元红外光谱判别方法、系统、存储介质及终端。

技术介绍

[0002]中药材的采收月份是影响中药材质量和产量的重要因素，不同生长时期药材的有效成分含量和药理药效活性都存在一定差异。如现有技术中测得3月底采收麦冬果糖、总皂苷等含量较高，不同采收期的枸橘中芸香柚皮苷、柚皮苷和枸橘苷的含量差异较大，不同采收期唐古特大黄的游离型蒽醌等4类功效组分含量存在显著影响。可见，为保障药材质量的安全性和有效性，有必要选择最佳的采收时期，对药材的采收月份进行准确鉴别。
[0003]唐古特大黄为蓼科大黄属，多年生高大草本，是青海省道地中藏药材，也是《中华人民共和国药典》中收载的三种正品大黄之一。其以干燥根及根茎入药，具有泻下攻积、凉血解毒、利湿退黄的功效，在一些国家也常被作为泻药和胃健康促进剂。大黄的品质受到药材采收期的影响，然而，不同月份采收的唐古特大黄从外观上难以准确区分。以往的鉴别工作均需借助高效液相色谱等传统常规检测方法，但是存在分析检测时间长、对检测样品易造成损耗、化学试剂污染等缺点，因此亟需建立一种可用于唐古特大黄不同月份鉴别的快速而准确的方法。
[0004]近年来，快速、无损、环境友好的红外光谱分析技术在药材真伪判别、产地鉴别、含量检测、过程分析等领域得到了广泛应用，取得了较好的实践效果，但未涉及对药材不同采收期的鉴别，对于药材采收缺乏指导依据。r/>
技术实现思路

[0005]本专利技术的目的在于克服现有技术中未针对药材不同采收期进行鉴别的问题，提供了一种不同采收月份唐古特大黄药材的多元红外光谱判别方法、系统、存储介质及终端。
[0006]本专利技术的目的是通过以下技术方案来实现的：
[0007]在第一方案中，提供一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，所述方法包括：
[0008]收集不同月份的唐古特大黄药材作为样品；
[0009]分别采集每一个月份样品的多种红外谱图；
[0010]在同一种红外谱图下比较不同月份样品的红外光谱特征，得到光谱特征判别结果；
[0011]分别在不同的红外谱图下建立判别模型，其中，对不同的判别模型采用不同的建模方法和优化方法；
[0012]对所述判别模型进行训练，得到不同红外谱图下对应的最优判别模型；
[0013]利用不同的最优判别模型分别对样品进行判别，得到模型判别结果；
[0014]结合所述光谱特征判别结果选定判别效果最好的红外谱图及其对应的最优判别模型。
[0015]作为一优选项，一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，所述收集不同月份的唐古特大黄药材作为样品，包括：
[0016]在4月到10月植物生长期内每月采集一次样品。
[0017]作为一优选项，一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，以不同采收月份唐古特大黄药用部位根部为研究对象。
[0018]作为一优选项，一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，所述分别采集每一个月份样品的多种红外谱图，包括：
[0019]分别采集近红外光谱NIR、衰减全反射红外光谱ATR以及中红外光谱MIR并取每一种光谱的平均谱图。
[0020]作为一优选项，一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，所述光谱特征判别结果，包括：
[0021]近红外光谱NIR的一阶导数谱图在5600～5900cm
‑1、4400～4250cm
‑1处振动明显；
[0022]衰减全反射红外光谱ATR的一阶导数谱图在2400～1900cm
‑1、1700～400cm
‑1处振动明显；
[0023]中红外光谱MIR的一阶导数谱图在3000～2800cm
‑1、1800～400cm
‑1处振动明显。
[0024]作为一优选项，一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，所述分别在不同的红外谱图下建立判别模型，包括：
[0025]分别将样品的各红外谱图导入TQ Analyst软件，以校正集与预测集比例2:1对样本集进行随机划分，并每月抽取20％样品作为外部测试集。
[0026]作为一优选项，一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，所述建模方法包括优化距离匹配DM和判别分析DA；所述优化方法包括分别使用不同的预处理方法对谱图进行处理。
[0027]在第二方案中，提供一种不同采收月份唐古特大黄药材的多元红外光谱判别系统，所述系统包括：
[0028]样品采集模块，用于收集不同月份的唐古特大黄药材作为样品；
[0029]红外谱图采集模块，用于分别采集每一个月份样品的多种红外谱图；
[0030]光谱特征判别模块，用于在同一种红外谱图下比较不同月份样品的红外光谱特征，得到光谱特征判别结果；
[0031]判别模型建立模块，用于分别在不同的红外谱图下建立判别模型，其中，对不同的判别模型采用不同的建模方法和优化方法；
[0032]模型训练模块，用于对所述判别模型进行训练，得到不同红外谱图下对应的最优判别模型；
[0033]模型判别模块，利用不同的最优判别模型分别对样品进行判别，得到模型判别结果；
[0034]模型比对模块，结合所述光谱特征判别结果选定判别效果最好的红外谱图及其对应的最优判别模型。
[0035]在第三方案中，提供一种存储介质，其上存储有计算机指令，所述计算机指令运行
时执行任意一项所述多元红外光谱判别方法的步骤。
[0036]在第四方案中，提供一种终端，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机指令处理器运行计算机指令时执行任意一项所述多元红外光谱判别方法的步骤。
[0037]需要进一步说明的是，上述系统各选项对应的技术特征在不冲突的情况下可以相互组合或替换构成新的技术方案。
[0038]与现有技术相比，本专利技术有益效果是：
[0039]本专利技术在同一种红外谱图下比较不同月份样品的红外光谱特征，得到光谱特征判别结果，同时分别在不同的红外谱图下建立判别模型，结合所述光谱特征判别结果选定判别效果最好的红外谱图及其对应的最优判别模型，通过采集不同月份药材多种不同的光谱信息，在分析其红外光谱特征的基础上，建立了多种红外光谱信息下的不同采收月份大黄药材判别模型，籍此实现对不同采收月份唐古特大黄的快速判别，为指导唐古特大黄药材采收及后续的生产实践活动提供科学依据。
附图说明
[0040]图1为本专利技术实施例示出的一种不同采收月份唐古特大黄药材的多元红外光谱判别方法的流程图；
[0041]图2为本专利技术实施例示出的近红外光谱NIR原始谱图；
[0042]图3为本专利技术实施例示出的近红外光谱NIR下不同月份平均谱图；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，其特征在于，所述方法包括：收集不同月份的唐古特大黄药材作为样品；分别采集每一个月份样品的多种红外谱图；在同一种红外谱图下比较不同月份样品的红外光谱特征，得到光谱特征判别结果；分别在不同的红外谱图下建立判别模型，其中，对不同的判别模型采用不同的建模方法和优化方法；对所述判别模型进行训练，得到不同红外谱图下对应的最优判别模型；利用不同的最优判别模型分别对样品进行判别，得到模型判别结果；结合所述光谱特征判别结果选定判别效果最好的红外谱图及其对应的最优判别模型。2.根据权利要求1所述的一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，其特征在于，所述收集不同月份的唐古特大黄药材作为样品，包括：在4月到10月植物生长期内每月采集一次样品。3.根据权利要求2所述的一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，其特征在于，以不同采收月份唐古特大黄药用部位根部为研究对象。4.根据权利要求1所述的一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，其特征在于，所述分别采集每一个月份样品的多种红外谱图，包括：分别采集近红外光谱NIR、衰减全反射红外光谱ATR以及中红外光谱MIR并取每一种光谱的平均谱图。5.根据权利要求4所述的一种不同采收月份唐古特大黄药材的多元红外光谱判别方法，其特征在于，所述光谱特征判别结果，包括：近红外光谱NIR的一阶导数谱图在5600～5900cm
‑1、4400～4250cm
‑1处振动明显；衰减全反射红外光谱ATR的一阶导数谱图在2400～1900cm
‑1、1700～400cm
‑1处振动明显；中红外光谱MIR的一阶导数谱图在3000～2800cm
‑1、1800～400...

【专利技术属性】
技术研发人员：孙菁，冯丹，龙若兰，罗西，
申请(专利权)人：中国科学院西北高原生物研究所，
类型：发明
国别省市：