根据FT-NIR和ATR-FTIR结合深度学习,通过九次蒸汽和九次干燥处理的Polygonatum kingianum的快速识别
Hui Ma1, Shaobing Yang2, Yuanzhong Wang2
1College of Traditional Chinese Medicine, Yunnan University of Chinese Medicine, Kunming, 650500, China; Medicinal Plants Research Institute, Yunnan Academy of Agricultural Science, Kunming, 650200, China.
Talanta
|January 16, 2026
概括
使用富里埃变换红外光谱 (FTIR) 和深度学习的新方法准确地识别了通过传统的九蒸和九干燥方法处理的Polygonatum kingianum. 这种技术可以区分微妙的差异,确保产品的真实性.
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:
- 传统的"九蒸九干"过程增强了Polygonatum kingianum的药用和食用价值.
- 假冒产品的减少步骤是视觉上无法区分的,需要可靠的识别方法.
研究的目的:
- 开发一种快速而准确的方法来识别通过"九蒸和九干"技术处理的Polygonatum kingianum
- 分析负责区分加工样本的关键代谢物.
主要方法:
- 里叶变换近红外 (FT-NIR) 和减弱总反射率里叶变换红外 (ATR-FTIR) 光谱.
- 深度学习模型,包括残余神经网络 (ResNet) 与同步二维相关谱 (2DCOS) 图像.
- 主要组件分析 (PCA) 用于光谱变量解释.
- 气色谱-质谱 (GC-MS) 用于代谢分析.
主要成果:
- 一个ResNet模型在识别通过传统方法处理的Polygonatum kingianum方面实现了100%的准确性.
- PCA确定了与碳水化合物相关的变量作为关键的歧视因素.
- GC-MS确定了关键的糖代谢物 (d-糖,d-糖,d-糖,l-糖) 区分第九次蒸.
结论:
- 与深度学习相结合的FTIR光谱学提供了一种强大而准确的方法,用于验证"九蒸和九干"加工的Polygonatum kingianum的真实性.
- 代谢分析揭示了传统加工方法背后的生化变化.
更多相关视频
11:14Rapid High-throughput Species Identification of Botanical Material Using Direct Analysis in Real Time High Resolution Mass Spectrometry
Published on: October 2, 2016
12.1K
07:51Combining Raman Imaging and Multivariate Analysis to Visualize Lignin, Cellulose, and Hemicellulose in the Plant Cell Wall
Published on: June 10, 2017
12.4K
