在Anoectochilus roxburghii (墙) 中探索Quercetin的高光谱反应 林德尔. 林德尔. 林德尔. 林德尔. 林德尔. 林德尔. 林德尔. 林德尔. 林德尔. 使用标准指纹和带特定特征分析
Ziyuan Liu1, Haoyuan Ding1, Sijia Zhao2
1College of Optical, Mechanical and Electrical Engineering, Zhejiang A&F University, Hangzhou 311300, China.
这项研究引入了一种非破坏性的高光谱成像方法,用于量化氨酸,氨酸是Anoectochilus roxburghii中的一个关键化合物. 这种技术提供了一种更快,更准确的方法来评估药用草本.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 药理学是指药理学,即药理学是指药理学.
背景情况:
- Quercetin 是 Anoectochilus roxburghii 中的一种重要的黄类化合物,对其药理价值作出了重大贡献.
- 传统的素量化方法具有破坏性和耗时性,阻碍了药草的实时质量控制.
研究的目的:
- 为了研究A. roxburghii叶中的奎尔塞的高光谱响应特征.
- 开发一种基于特征的模型,用于非破坏性,实时检测和量化素.
- 探索超光谱成像用于植物药物的智能质量评估的潜力.
主要方法:
- 采用近红外高光谱成像技术,从奎尔丁溶液和A. roxburghii叶片中获取光谱数据.
- 使用特征选择算法,包括连续预测算法 (SPA),皮尔森相关性和竞争性适应性重权取样 (CARS) 来识别关键波长.
- 一个1D卷积神经网络 (1D-CNN) 模型使用SPA选择的波长进行训练,以预测奎尔塞丁.
主要成果:
- 在SPA选择的波长上训练的1D-CNN模型,特别是923纳米波段,显示了对Quercetin的优异预测性能.
- 开发的模型成功地预测了植物叶中的连续氨酸值,从而能够区分具有不同黄酸含量的品种.
- 主要组件分析 (PCA) 可视化和接收器操作特征 (ROC) 分析证实了该模型的光谱可转移性和功能评估的潜力.
结论:
- 超光谱成像提供了一种非破坏性,空间分辨率和生物化学可解释的方法,用于识别植物组织中的氨酸.
- 这项研究为过光谱逆转和智能质量评估像A. roxburghii这样的草药建立了坚实的方法论基础.
- 这种方法促进了实时监测和质量控制,克服了传统量化技术的局限性.
更多相关视频
08:22Measurement of 3-Dimensional cAMP Distributions in Living Cells using 4-Dimensional x, y, z, and λ Hyperspectral FRET Imaging and Analysis
Published on: October 27, 2020
09:50Author Spotlight: Eco-friendly Photoluminescent Textile Authentication with Curcumin
Published on: December 22, 2023
相关概念视频
IR Frequency Region: Fingerprint Region
IR and UV–Vis Spectroscopy of Aldehydes and Ketones
Spectrophotometry: Introduction
The essential components of a spectrophotometer include a source of electromagnetic radiation, a slot for placing a material to be analyzed, and a...
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
UV–Vis Spectroscopy of Conjugated Systems
One of the factors influencing λmax is the extent of conjugation in...
Ultraviolet and Visible (UV–Vis) Spectroscopy: Overview
