根据近红外光谱学与化学测量结合的Dendrobium officinale的真实性识别和定量分析
Zhi-Liang Fan1, Qian Li1, Zhi-Tong Zhang2
1School of Basic Chinese Medicine, Guizhou University of Traditional Chinese Medicine, Guizhou 550000, China.
Foods (Basel, Switzerland)
|January 10, 2026
概括
一种使用近红外 (NIR) 光谱与数据驱动的类类类类比软独立建模 (DD-SIMCA) 和部分最小平方回归 (PLSR) 的新方法可以准确地识别和量化造的Dendrobium officinale. 这为有价值的健康食品提供了快速的质量控制.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 化学测量 化学测量 化学测量
背景情况:
- 丹德罗 (Dendrobium officinale) 是一种有价值的健康食品,具有重要的药用特性.
- 大规模改Dendrobium officinale危害了产品的质量和安全.
- 现有的检测方法缓慢,昂贵和破坏性,需要快速,非破坏性的替代方法.
研究的目的:
- 开发和验证一种快速,非破坏性的方法,用于识别和量化Dendrobium officinale.中的改.
- 为了准确分析,将近红外 (NIR) 光谱与先进的化学测量模型相结合.
主要方法:
- 采用近红外 (NIR) 光谱法来获取光谱数据.
- 用数据驱动的软独立类类类模拟建模 (DD-SIMCA) 来进行识别.
- 部分最小平方回归 (PLSR) 用于对改水平的定量分析.
- 应用了各种各样的光谱预处理技术 (MSC,SNV,衍生,光滑).
主要成果:
- 在验证过程中,DD-SIMCA模型实现了100%的灵敏度和特异性,在独立的测试中获得了99.2%的准确性.
- 与NIR相结合的支持矢量机 (SVM) 也在分类中表现出高精度.
- 该PLSR模型对改水平的预测性能非常出色,R2>0.99和RMSE<0.05.
结论:
- 与DD-SIMCA和PLSR相结合的NIR光谱技术为快速识别和定量造的Dendrobium officinale提供了强大的和高效的方法.
- 这种方法支持高价值健康产品的有效质量控制和监管监督.
