基于近红外光谱的连翘有效成分分析与产地鉴别技术研究

《基于近红外光谱的连翘有效成分分析与产地鉴别技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、河南科技大学硕士学位论文基于近红外光谱的连翘有效成分分析与产地鉴别技术研究姓名：张晓彗申请学位级别：硕士专业：农产品加工及贮藏工程指导教师：刘建学;史国安20080501摘要论文题目连翘质量的快速评价与产地鉴别专业农产品加工及贮藏工程研究生张晓慧指导教师刘建学史国安摘要近红外光谱NIR分析是近年来发展最快的检测技术之一具有无损快速高效方便的特点适合中草药内部品质的测定和分析本文以连翘为研究对象考察了近红外光谱分析技术在连翘质量控制中的应用从定性鉴别有效成分的快速定量分析两方面进行了研究在定性方面采用近红外光谱结

2、合SIMCA模式识别方法鉴别5种不同产地-1的连翘研究结果表明,在8500~4000cm波数范围内的光谱,通过SNV预处理方法后利用SIMCA的模式识别方法分别为卢氏栾川洛宁新安和陕西安泽等5个产地连翘建立了模型交叉验证的最佳主成分数分别为34234在a=5%的显著水平下预测集的10个样品中只有1个被错判表明该方法具有良好的鉴别分类功能在定量方面本研究共收集了50个连翘样本其中校正集40个预测集10个以连翘苷含量为指标对校正集的原始光谱一阶导数光谱二阶导数光谱和小波变换(WT)光谱进行偏最小二乘回归分析用相关系

3、数校正集均方根误差和预测集均方根误差3个统计量来评价模型的预测效果用高效液相色谱法HPLC测定连翘中连翘苷含量并以此为参比值运用偏最小二乘法对校正集的原始光谱一阶导数光谱二阶导数光谱和WT处理后光谱建立定标方程结果模型的相关系数分别为0.9450.9830.960和0.977校正集预测误差均方根分别为1.3220.9251.126和0.914预测集预测误差均方根分别为0.530,0.379,0.481和0.390由结果可以看出由小波变换和一阶导数光谱处理后所得的预测结果相近但是一阶导数光谱的主成份是3而经WT变

4、换后的光谱由于有效地压缩了原始谱图的数据消除谱图中噪声和背景的干扰主成份是2从而提高建模速度并获得较高的预测精度为中药常规化学成分的NIR分析提供了一种快速有效的数据处理方法通过上述研究表明近红外漫反射光谱法不需要对样品进行复杂繁琐的前处理分析速度快结果准确具有传统化学分析方法所不具有的显著优点适用于中药生产过程的快速分析和质量监控因此近红外光谱技术在中药生产现代I河南科技大学硕士学位论文化进程中具有很大的潜力关键词连翘近红外光谱连翘苷SIMCAPLS小波变换论文类型应用研究II摘要Subject:RapidV

5、aluationandVarietyIdentificationinQualityofForsythiaSuspensaSpecialty:EngineeringofAgriculturalProductsProcessingandStorageName:ZhangXiao-huiSupervisor:LiuJian-xueShiGuo-anABSTRACTNearinfraredspectroscopyanalysisisoneoffastdevelopingtechnologywhichisnondestr

6、uctive,fast,efficient,convenient,andhashighperformanceinthedetectionandanalysisofTraditionChineseMedicine’sinternalquality.Thethesisexplorestheapplicationofnear-infraredspectroscopyinForsythiasuspensa’squalitycontrol,anddiscussesqualitativecalibrationandquan

7、titativecalibration.Theworkcanbesummarizedasfollow:Intheaspectofqualitativecalibration,IdentificationmethodofForsythiasuspensefrom5differenthabitatsbynearinfraredspectroscopycoupledwithpatternrecognitionbasedonSIMCAwasproposedinthispaper.Inthespectraregionbe

8、tween-1-18500cmand4000cm,5predictivemodelsofLushi,Luanchuan,Luoning,Xin’aninHenanprovince,andAnzheinShanxiprovincewerebuiltseparatelybythestandardnormalvariate(SNV)preprocessingmethodwithSIMCApa