留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

应中央军委要求,2022年9月起,《药学实践杂志》将更名为《药学实践与服务》,双月刊,正文96页;2023年1月起,拟出版月刊,正文64页,数据库收录情况与原《药学实践杂志》相同。欢迎作者踊跃投稿!

基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花

郭云香 陈龙 李晓瑾 王果平 蒋益萍 辛海量 贾晓光

郭云香, 陈龙, 李晓瑾, 王果平, 蒋益萍, 辛海量, 贾晓光. 基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花[J]. 药学实践与服务, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
引用本文: 郭云香, 陈龙, 李晓瑾, 王果平, 蒋益萍, 辛海量, 贾晓光. 基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花[J]. 药学实践与服务, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
GUO Yunxiang, CHEN Long, LI Xiaojin, WANG Guoping, JIANG Yiping, XIN Hailiang, JIA Xiaoguang. Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm[J]. Journal of Pharmaceutical Practice and Service, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
Citation: GUO Yunxiang, CHEN Long, LI Xiaojin, WANG Guoping, JIANG Yiping, XIN Hailiang, JIA Xiaoguang. Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm[J]. Journal of Pharmaceutical Practice and Service, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008

基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花

doi: 10.3969/j.issn.1006-0111.2019.04.008
基金项目: 国家自然科学基金(U1603283)

Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm

  • 摘要: 目的 利用近红外漫反射光谱(near-infrared reflectance spectroscopy,NIRS)法,结合主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)联用算法,建立PCA-SVM的NIR模式识别模型,用于国产和进口啤酒花的快速鉴别。 方法 收集上述不同产地的啤酒花样品,制备成均匀粉末,在4 000~12 500 cm-1光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000~4 100 cm-1为建模谱段,分别采用不同光谱预处理方法进行预处理并分别进行PCA降维。根据2维主成分平面散点图,优选最佳预处理方法。利用最佳预处理方法处理后的光谱PCA降维数据,建立SVM模式识别模型,SVM模型参数采用网格搜索法、遗传算法(GA)、粒子群优化法(PSO)进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立PCA-SVM的NIR快速鉴别模型。 结果 在6500~5400 cm-1谱段,以一阶导数法(first derivative,FD)为最佳光谱预处理方法,PCA提取的光谱前8个主成分为最佳主成分,并经网格搜索法确定最佳SVM内部参数:惩罚因子c=2,核函数参数g=1,建立啤酒花PCA-SVM鉴别模型,该模型五折交叉验证准确率达97.37%,对校正集和测试集样品预测准确率均分别为97.37%和97.44%。 结论 啤酒花NIRS光谱,进行PCA-SVM算法建模,模型预测准确率高、性能佳,可用于啤酒花样品的快速、无损鉴别。
  • [1] AGHAMIRI V,MIRGHAFOURVAND M,MOHAMMAD-ALIZADEH-CHARANDABI S,et al.The effect of Hop[KG3] (Humulus lupulus L.) on early menopausal symptoms and hot flashes:A randomized placebo-controlled trial[J].Complement Ther Clin Pract,2016,23:130-135.
    [2] ZANOLI P,ZAVATTI M.Pharmacognostic and pharmacological profile of Humulus lupulus L.[J].Journal of Ethnopharmacology,2008,116(3):383-396.
    [3] HOYLES R K,ELLIS R W,WELLSBURY J,et al.A multicenter,prospective,randomized,double-blind,placebo-controlled trial of corticosteroids and intravenous cyclophosphamide followed by oral azathioprine for the treatment of pulmonary fibrosis in scleroderma[J].Arthritis Rheum,2006,54(12):3962-3970.
    [4] 王春阳,罗正东,赵丽.中药啤酒花的生药鉴定[J].中医药信息,1997(3):20.
    [5] 张娟.非线性化学指纹图谱在啤酒和啤酒花鉴别及定量分析中应用[D].长沙:中南大学,2014.
    [6] 郭沙沙,王志沛,骆学雷,等.非线性化学指纹图谱在啤酒花鉴别评价中的应用[J].酿酒科技,2013(9):71-74.
    [7] 丁念亚,黎薇,冯昕韡,等.近红外漫反射光谱在中药分类及真伪鉴别中的应用[J].计算机与应用化学,2008,25(4):499-502.
    [8] CHO C H,WOO Y A,KIM H J,et al.Rapid qualitative and quantitative evaluation of deer antler (Cervuselaphus) using near-infrared reflectance spectroscopy[J].Microchemical Journal,2001,68(2):189-195.
    [9] 陈龙,张晓冬,孙杨波,等.基于近红外漫反射光谱和PCA-SVM算法快速鉴别炉甘石[J].中国实验方剂学杂志,2019(4):25-27
    [10] 尼珍,胡昌勤,冯芳.近红外光谱分析中光谱预处理方法的作用及其发展[J].药物分析杂志,2008,28(5):824-829.
    [11] DUBUISSON-JOLLY M P,GUPTA A.Color and texture fusion:application to aerial image segmentation and GIS updating[J].Image and Vision Computing,2000,18(10):823-832.
    [12] KWITT R,MEERWALD P,UHL A.Lightweight detection of additive watermarking in the DWT-domain[J].IEEE Trans Image Process,2011,20(2):474-484.
    [13] VAPNIK V N.The nature of statistical learning theory[M].New York:Springer,1999:988-999.
    [14] 李盼池,许少华.支持向量机在模式识别中的核函数特性分析[J].计算机工程与设计,2005,26(2):302-304.
    [15] 王健峰,张磊,陈国兴,等.基于改进的网格搜索法的SVM参数优化[J].应用科技,2012,39(3):28-31.
    [16] 杨旭,纪玉波,田雪.基于遗传算法的SVM参数选取[J].辽宁石油化工大学学报,2004,24(1):54-58.
    [17] 姚全珠,蔡婕.基于PSO的LS-SVM特征选择与参数优化算法[J].计算机工程与应用,2010,46(1):134-136,229.
    [18] 张晓冬,陈龙,黄必胜,等.基于NIRS和PCA-SVM算法快速鉴别4种含铁矿物药[J].中成药,2018,40(2):404-410.
  • [1] 夏天爽, 刘晓燕, 蒋益萍, 李晓瑾, 王果平, 辛海量.  啤酒花经抗氧化途径减轻Aβ损伤成骨细胞作用研究 . 药学实践与服务, 2021, 39(6): 509-514. doi: 10.12206/j.issn.1006-0111.202103018
    [2] 夏天爽, 丁卢颖, 张嘉宝, 李晓瑾, 王果平, 辛海量.  啤酒花及其活性成分黄腐酚抗糖皮质激素性骨质疏松的作用研究 . 药学实践与服务, 2021, 39(3): 221-225. doi: 10.12206/j.issn.1006-0111.202102002
    [3] 王伯阳, 暴铱, 李杰, 耿铮.  近红外光谱分析方法在七叶皂苷钠快速检测中的应用研究 . 药学实践与服务, 2020, 38(4): 364-367. doi: 10.12206/j.issn.1006-0111.202002011
    [4] 刘晓燕, 夏天爽, 董志敏, 蒋益萍, 秦路平, 辛海量.  啤酒花抗骨质疏松的应用及展望 . 药学实践与服务, 2020, 38(6): 492-495. doi: 10.12206/j.issn.1006-0111.202007063
    [5] 刘景雪, 姜玉, 谢和辉, 黄瑾.  中药啤酒花药理作用的研究进展 . 药学实践与服务, 2019, 37(1): 5-8,13. doi: 10.3969/j.issn.1006-0111.2019.01.002
    [6] 董志敏, 许月明, 闻俊, 蒋益萍, 秦路平, 辛海量.  啤酒花HPLC指纹图谱研究 . 药学实践与服务, 2019, 37(1): 42-45,54. doi: 10.3969/j.issn.1006-0111.2019.01.010
    [7] 林柳悦, 夏天爽, 蒋益萍, 李常惠, 秦路平, 辛海量.  啤酒花活性成分黄腐酚抗骨质疏松作用研究 . 药学实践与服务, 2018, 36(3): 219-223. doi: 10.3969/j.issn.1006-0111.2018.03.006
    [8] 李常惠, 许月明, 张巧艳, 韩婷, 辛海量.  啤酒花中黄酮类成分的含量分析 . 药学实践与服务, 2018, 36(1): 64-67. doi: 10.3969/j.issn.1006-0111.2018.01.013
    [9] 钱小峰, 柳艳, 陈辉, 陆峰.  基于药用辅料的拉曼光谱鉴别络活喜仿冒药研究 . 药学实践与服务, 2015, 33(4): 334-337. doi: 10.3969/j.issn.1006-0111.2015.04.012
    [10] 贾燕花, 熊成文.  消旋山莨菪碱非铝塑包装片剂近红外鉴别模型的初探 . 药学实践与服务, 2014, 32(5): 357-359. doi: 10.3969/j.issn.1006-0111.2014.05.011
    [11] 赵白云, 李悦悦, 朱臻宇, 赵亮, 戈萌, 张国庆, 柴逸峰.  小柴胡汤毒性成分分析 . 药学实践与服务, 2013, 31(6): 454-458. doi: 10.3969/j.issn.1006-0111.2013.06.016
    [12] 王科兵, 高群, 李皓, 陆峰.  基于拉曼光谱法的品牌仿冒药检测方法研究 . 药学实践与服务, 2013, 31(2): 108-112. doi: 10.3969/j.issn.1006-0111.2013.02.007
    [13] 林兵, 林锦明, 邵美红, 孙加焱, 秦路平.  差热分析法和近红外漫反射光谱法快速鉴别不同栽培品种的苦荞麦 . 药学实践与服务, 2012, 30(3): 194-196. doi: 10.3969/j.issn.1006-0111.2012.03.010
    [14] 蒋海强, 马斌, 聂磊, 李运伦.  高血压病肝阳上亢证患者血清样品的核磁共振谱代谢组学研究 . 药学实践与服务, 2010, 28(4): 258-261.
    [15] 徐立平, 朱斌.  微球的近红外漫反射光谱聚类分析鉴别 . 药学实践与服务, 2009, 27(1): 61-62.
    [16] 范积平, 张柳瑛, 张贞良, 吴玉田.  不同产地大黄药材的近红外漫反射光谱法鉴别 . 药学实践与服务, 2005, (3): 148-150.
    [17] 姜虹, 王晓娜, 刘惠敏, 王憬, 甘露, 钱彦丛.  槐花薄层色谱法定性鉴别 . 药学实践与服务, 2003, (3): 185-185.
    [18] 朱宁江, 江爱龙, 李昆.  清热止咳颗粒的定性鉴别 . 药学实践与服务, 2003, (3): 169-170.
    [19] 朱斌, 单磊, 刘荔荔, 陆峰.  近红外光谱技术及其在天然产物分析中的应用 . 药学实践与服务, 2002, (3): 176-179.
    [20] 张尊祥, 石静, 张静, 廖时萱.  矮脚苦蒿挥发油成分分析 . 药学实践与服务, 1994, (1): 63-64.
  • 加载中
计量
  • 文章访问数:  3381
  • HTML全文浏览量:  471
  • PDF下载量:  405
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-01-09
  • 修回日期:  2019-05-14

基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花

doi: 10.3969/j.issn.1006-0111.2019.04.008
    基金项目:  国家自然科学基金(U1603283)

摘要: 目的 利用近红外漫反射光谱(near-infrared reflectance spectroscopy,NIRS)法,结合主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)联用算法,建立PCA-SVM的NIR模式识别模型,用于国产和进口啤酒花的快速鉴别。 方法 收集上述不同产地的啤酒花样品,制备成均匀粉末,在4 000~12 500 cm-1光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000~4 100 cm-1为建模谱段,分别采用不同光谱预处理方法进行预处理并分别进行PCA降维。根据2维主成分平面散点图,优选最佳预处理方法。利用最佳预处理方法处理后的光谱PCA降维数据,建立SVM模式识别模型,SVM模型参数采用网格搜索法、遗传算法(GA)、粒子群优化法(PSO)进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立PCA-SVM的NIR快速鉴别模型。 结果 在6500~5400 cm-1谱段,以一阶导数法(first derivative,FD)为最佳光谱预处理方法,PCA提取的光谱前8个主成分为最佳主成分,并经网格搜索法确定最佳SVM内部参数:惩罚因子c=2,核函数参数g=1,建立啤酒花PCA-SVM鉴别模型,该模型五折交叉验证准确率达97.37%,对校正集和测试集样品预测准确率均分别为97.37%和97.44%。 结论 啤酒花NIRS光谱,进行PCA-SVM算法建模,模型预测准确率高、性能佳,可用于啤酒花样品的快速、无损鉴别。

English Abstract

郭云香, 陈龙, 李晓瑾, 王果平, 蒋益萍, 辛海量, 贾晓光. 基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花[J]. 药学实践与服务, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
引用本文: 郭云香, 陈龙, 李晓瑾, 王果平, 蒋益萍, 辛海量, 贾晓光. 基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花[J]. 药学实践与服务, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
GUO Yunxiang, CHEN Long, LI Xiaojin, WANG Guoping, JIANG Yiping, XIN Hailiang, JIA Xiaoguang. Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm[J]. Journal of Pharmaceutical Practice and Service, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
Citation: GUO Yunxiang, CHEN Long, LI Xiaojin, WANG Guoping, JIANG Yiping, XIN Hailiang, JIA Xiaoguang. Rapid identification of domestic and imported hops based on NIRS technology and PCA-SVM algorithm[J]. Journal of Pharmaceutical Practice and Service, 2019, 37(4): 322-331. doi: 10.3969/j.issn.1006-0111.2019.04.008
参考文献 (18)

目录

    /

    返回文章
    返回