离散小波特征提取及人工神经网络分类法的傅里叶变换红外光谱法识别鳞毛蕨科3种植物.pdf

《离散小波特征提取及人工神经网络分类法的傅里叶变换红外光谱法识别鳞毛蕨科3种植物.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷分析化学(FENXIHUAXUE)研究报告第3期2012年3月ChineseJournalofAnalyticalChemistry371～375离散小波特征提取及人工神经网络分类法的傅里叶变换红外光谱法识别鳞毛蕨科3种植物余鹏徐锐程存归(浙江师范大学化学与生命科学学院，金华321004)(河南科技大学化学与制药学院，洛阳471003)摘要利用水平衰减全反射一傅里叶变换红外光谱法测定了3种药用鳞毛蕨科植物贯众、阔鳞鳞毛蕨和变异鳞毛蕨根部的FT-IR。运用基于离散小波多分辨率分析法对FT一1R吸收较为相似的3种药用蕨类植物根的FT-IR进行特征提取。

2、选择第4、5分解层数的特征向量，进行人工神经网络(Artificialneuralnetwork，ANN)训练；再用训练出来的网络对不同产地的3种药用蕨类植物根所得FT-IR小波提取的特征向量进行分类。通过对240个不同样本的预测，说明能够采用基于FT_IR_离散小波特征提取及人工神经网络分类法对同科3种药用蕨类植物根的FT-IR进行识别。关键词水平衰减全反射傅里叶变换红外光谱；离散小波特征提取；人工神经网络；鳞毛蕨科植物；识别分析1引言随着现代科学技术的发展，学科之间的联系越来越密切，出现了许多相互交叉、相互渗透的边缘科学。20世纪60年代前后，在植物分

3、类学与植物化学这两门科学之间出现了一门新的边缘科学——植物化学分类学[1】。植物化学分类学亦称植物化学系统学，是利用化学的特征，来研究植物各类群间的亲缘关系，探讨植物界的演化规律。对于一个植物体而言，其化学成分不是单一的，如何利用其复杂的化学成分来进行物种间的鉴别成为一个植物化学分类学的焦点问题f21。傅里叶变换红外光谱由于能给出复杂体系的所有物质的化学结构信息，不同植物体具有不同的化学成分或相同的化学成分所占比例的不同，都可以产生不同的傅里叶变换红外光谱，因而将傅里叶变换红外光谱技术作为一种分析工具应用于植物的识别具有重要的理论意义和现实依据嘲。借助于化

4、学计量学，能够更为准确和快速地利用傅里叶变换红外光谱法进行植物的分类与识别[4~1。蕨类植物早在4亿年前便已遍布地球表面，它同时兼具原始维管束植物与高等隐花植物双重演化的地位。大多数蕨类植物均有药用价值，药用蕨类植物含有黄酮、甾类、生物碱等活性物质，对多种疾病有明显疗效【】。本研究选择形态较为相似的3种鳞毛蕨科的中型草本植物贯众、阔鳞鳞毛蕨及变异鳞毛蕨为分析对象，采用水平衰减全反射傅里叶变换红外光谱法测定FT—IR后运用离散小波进行特征提取，得到特征向量值后进行人工神经网络训练及检验，得到了较高的识别率。2实验部分2．1仪器与样品NEXUS670型傅里叶变

5、换红外光谱仪(美国Thermo公司)，配DTGS检测器，OMNICE．S．P．5．1智能操作软件，水平衰减全反射()附件，光谱范围为4000~650cm-。，分辨率2crn-，扫描累加次数64次。贯众为鳞毛蕨科植物贯众(CyrtomiumfortuneiJ．Sin)的干燥全草；阔鳞鳞毛蕨为鳞毛蕨科植物阔鳞鳞毛蕨(Dryopterischampionii(Bench)C．Chr．apudChing)的干燥全草；变异鳞毛蕨为鳞毛蕨科植物变异鳞毛蕨(Dryopterisvaria(L_)0．Ktze．)的干燥全草。所有样品均于2008年3月分别采自于浙江金华北山

6、及四川峨眉山，并经过浙江师范大学植物学教研室及上海师范大学植物学教研室鉴定。将采得的样品洗净，不经过任何化学处理，于避光处晾干。然后分别裁取样品的根部作为分析的对象，放入2011-05—15收稿；201卜09-09接受E-mail：ccg@zjnu．cn372分析化学第4O卷粉碎机中粉碎，再置于玛瑙研钵上研磨成约75um的细小均匀粉末。准确称取每种样品8mg，待测。2．2测定方法在采集数据前，按要求将HATR附件水平放置于傅里叶变换红外光谱仪的样品仓中，分别将样品粉末置于锗晶片与校正压力装置之间，转紧压力装置后直接测定样品的FT-IR。为了降低测定误差，每

7、次测定接触面积均固定为0．314mm。，图谱基线采用自动校正法进行校正。2．3数据处理通过测定，得到样品的FT—IR。采用Matlab6．1软件，对拷贝自实验中所给定的样品的FT—IR进行一维离散小波变换，在各个分辨率下观察样品的FT-IR差异程度，从中选择两个具有代表性的分辨率进行提取特征向量值。进行人工神经网络识别时，以3种蕨类根部的FT—IR作为实验样本。样本的训练集和测试集各选取240个，每种植物不同产地的训练数及预测样本数各选择40个，样本经过FT-IR测定后进行一维离散小波特征提取，其所选择的特征向量值作为特征信息进行ANN的训练与预测。3结果

8、与讨论3．1鳞毛蕨科3种植物根的HATR-FTIR谱图比较贯众、阔