基于多变量数据融合与人工智能分类算法相结合的中国Menthae Haplocalycis Herba原产地可追溯性的研究
Sichen Wang1, Kewei Zhang1, Tianfei Ma1
1School of Pharmacy, Nanjing University of Chinese Medicine, 138 Xianlin Rd, Nanjing, 210023, China. kewei@njucm.edu.cn.
Analytical methods : advancing methods and applications
|August 7, 2025
概括
这项研究使用多维数据分析了Menthae Haplocalycis Herba (MHH). 先进的算法准确地识别了MHH.
科学领域:
- 分析化学 分析化学
- 化学测量 化学测量 化学测量
- 食品科学 食品科学 食品科学
背景情况:
- 蒙特海普洛卡利西斯 (Menthae Haplocalycis) 草 (MHH) 在传统医药和食品中广泛使用.
- 确保MHH的地理来源和质量对于其真实性和有效性至关重要.
- 多维分析提供了一种全面的方法来表征植物产品.
研究的目的:
- 开发和验证MHH的地理来源可追溯性的多维方法.
- 来自中国不同地区的MHH特征性化学和物理标记物的识别.
- 建立一个智能分类算法,用于准确的MHH来源识别.
主要方法:
- 高性能液体染色学 (HPLC) 用于非挥发性部件.
- 超快气体染色学-电子鼻子 (UF-GC-e-nose) 用于挥发性化合物.
- 计算机视觉用于颜色和纹理分析.
- 多变量统计分析和鱼优化算法-深信网络 (WOA-DBN) 用于分类.
主要成果:
- 在不同的MHH生长区中,发现了独特的挥发性概况和物理特征.
- 17个特征因素被选用于地理原产地识别.
- 与PCA和PLS-DA相比,WOA-DBN算法在MHH来源可追溯性方面取得了显著的改进.
结论:
- 多维数据融合与智能算法相结合,为MHH的地理可追溯性提供了一个强大的方法.
- 这种方法提高了植物产品原产地识别的可靠性.
- 该研究为食品可追溯性和质量评估系统提供了宝贵的参考资料.
