对Curcumae Rhizoma的物种歧视和VIP堆叠定量模型使用多模态光谱与机器学习算法相结合

科学领域:

• 草药分析 草药分析
• 化学测量和光谱学 化学测量和光谱学
• 制药品质量控制 制药品质量控制

背景情况:

• (Curcumae Rhizoma (Ezhu)) 在物种分化和准确的小成分分析方面面临着挑战.
• 传统的EZHU分析方法耗时且繁.
• 光谱技术与化学测量技术相结合,为Ezhu质量控制提供了一个有希望的替代方案.

研究的目的:

• 通过使用多模态光谱学和化学测量,为Ezhu开发准确的定性和定量模型.
• 为埃祖建立强大的物种歧视模型.
• 创建先进的模型来预测Ezhu中关键次要成分的含量.

主要方法:

• 采用了多模式光谱学,包括富里埃变换红外线 (FT-IR),富里埃变换近红外线 (FT-NIR) 和紫外线 (UV).
• 利用UV+FT-NIR+FT-IR光谱数据的数据融合,使用LDA,KNN和DT模型进行定性分析.
• 在投影 (VIP) 引导的堆叠组合策略中开发了一种新的变量重要性,用于定量分析.

主要成果:

• 定性模型在物种歧视方面实现了100%的分类准确性.
• 与传统方法相比,VIP堆叠组合策略在小组成部分内容预测方面表现出更高的预测准确性和稳定性.
• 准确的预测模型成功地构建了七个特定的小成分在Ezhu.

结论:

• 频谱数据融合对于以朱的定性和定量分析都非常有效.
• 这种VIP堆叠组合策略显著提高了内容预测模型的性能.
• 这种方法提供了一个有效的方法,用于Ezhu识别和质量控制,适用于制药,农业和食品科学.