基于红外光谱结合机器学习方法的牛膝不同炮制品及炮制程度的判别分析

作者：田瀚举; 杨颜溶; 贾豪; 李莹莹; 段浩瀚; 赵新梅; 张春亚; 雷敬卫^*; 谢彩侠; 杨春静; 龚海燕^*

来源：中草药, 2023, 54(22): 7387-7401.

• 牛膝
• 炮制品
• 炮制程度
• 红外光谱
• 正交偏最小二乘法-判别分析
• 机器学习算法

目的 采用红外光谱技术结合机器学习算法建立牛膝Achyranthes bidentata炮制品类别与炮制程度的定性判别模型。方法 采集不同炮制品与不同炮制程度牛膝的中红外光谱（midinfraredspectroscopy,MIRS），运用BP神经网络（back propagation neural network,BPNN）、遗传算法优化BP神经网络（GA-BP）、随机森林（random forest,RF）、径向基神经网络（radial basis function network,RBFN）、卷积神经网络（convolutional neural networks,CNN）等机器学习算法建立牛膝炮制品类别与炮制程度的定性判别模型；采集不同炮制品与不同炮制程度牛膝的近红外光谱（near infrared spectroscopy,NIRS），使用TQAnalyst软件中的判别分析法建立牛膝炮制品类别与炮制程度的定性分析模型。结果 机器学习算法模型结果显示CNN判别模型较优秀，BPNN、RF及RBFN性能相近，GA-BP模型性能相对较差。3个NIRS定性模型结果显示验证集准确率均为100%，可准确预测炮制品类别与炮制程度。结论 通过红外光谱技术建立的定性分析模型可作为牛膝炮制品类别与炮制程度的鉴别手段。同时提供了快速、无损的检测手段及可靠的数据分析方法，为中药材炮制品类别与炮制程度精准识别提供新的方法参考。

• 单位
  河南中医药大学