1、食品工业 2023 年第44卷第 1 期 279 分析检测基于拉曼光谱的广陈皮年份检测方法李静敏，辛志昂，聂青青，罗甲，白华，高强*天津工业大学电子与信息工程学院（天津 300387）摘要分别采集不同年份广陈皮正面和反面的拉曼光谱数据,利用光谱预处理方法结合t检验的统计学分析方法对广陈皮进行定性和定量的分析,并且利用主成分分析的模式识别法构建广陈皮年份鉴别模型。根据t检验的结果发现,广陈皮反面的拉曼特征峰大部分均通过t检验(P0.05),说明反面的拉曼光谱在不同年份间具有显著性差异,同时反面768,869,1 598和2 124 cm-1处特征峰随年份的单调变化,说明可以利用这4个特征峰鉴别广
2、陈皮的年份。将预处理后的81组反面光谱的4个特征峰数据作为训练集,取均值后新生成的39组反面数据作为测试集,通过主成分回归法建立广陈皮年份鉴别预测模型,训练集预测精度为77.78%,测试集预测精度为76.92%,初步实现不同年份广陈皮的鉴别预测。关键词拉曼光谱;主成分分析;t检验;广陈皮;模式识别Age Detection Method of Citrus reticulata Based on Raman SpectroscopyLI Jingmin,XIN Zhiang,NIE Qingqing,LUO Jia,BAI Hua,GAO Qiang*Tiangong University,S
3、chool of Electronic&Information Engineering(Tianjin 300387)Abstract In this paper,Raman spectrum data of the front and back sides of Citrus reticulata in different years were collected,the qualitative and quantitative analysis of Citrus reticulata was carried out by using spectral preprocessing meth
4、od combined with statistical analysis method of students t-test,and the year identification model of Citrus reticulata was constructed by using pattern recognition method of principal component analysis.According to the results of students t-test,it was found that most of the Raman characteristic pe
5、aks on the reverse side of Citrus reticulata passed the students t-test(P0.05),indicating that the Raman spectroscopy on the reverse side of Citrus reticulata had significant differences among different years.At the same time,the Raman characteristic peaks at 768,869,1 598,2 124 cm-1 on the reverse
6、side changed monotonously with the year,indicating that these four characteristic peaks could be used to identify the year of Citrus reticulata.The four characteristic peak data of 81 groups of reverse data after pretreatment were taken as the training set,and the 39 groups of reverse data newly gen
7、erated after taking the mean value were taken as the test set.Through the principal component regression method,the year identification prediction model of Citrus reticulata was established.The prediction accuracy of the training set was 77.78%,and the prediction accuracy of the test set was 76.92%.
8、The identification prediction of Citrus reticulata in different years was preliminarily realized.Keywords Raman spectroscopy;principal component analysis;students t test;Citrus reticulata;pattern recognition*通信作者；基金项目：2021年国家级大学生创新创业训练计划项目“基于光谱指纹特征和模式识别的广陈皮年份检测方法研究”（No.202110058027）自古以来，陈皮以其独特的风味并作为
9、一种药材为大众所熟知，而广陈皮作为陈皮的优良品种更是享有美誉1-2。广陈皮具有丰富的药用价值，可用于缓解胸腹胀满、脾虚食欲不振等症状，还可燥湿化痰、利水通便，适当地食用广陈皮对人体消化系统、呼吸系统、心血管系统和泌尿系统等多个系统器官都有正面作用3-6。市面上的广陈皮因年份不同，导致优劣质量也有所不同，而广陈皮的质量会影响其药用价值的发挥。因此需要研究如何有效鉴别陈皮年份，使陈皮能够更好地投入使用。为了对不同年份的广陈皮进行分析研究，需要对其进行信息采集。拉曼光谱提供快速、简单、可重复、无损伤的定性定量分析，而且可以对有机物及无机物进行分析，在中药化学成分的鉴别中起着重要的作用。由于陈皮在陈化
10、过程中，其化学成分、药理作用均与贮藏年份呈正比7，有着“陈久者良”的说法8-11，而且相较于检测时间长、样品提取复杂、对试验要求高的质谱法、色谱法，利用快速、简便的拉曼光谱研究陈皮成分12-14得到广泛关注。有研究通过拉曼光谱分析不同年份陈皮的化学成分15-19，也有许多研究通过统计学分析或模式识别方法对乳制品、干细胞、血清等进行分析20-24，但对于利用统计学分析或模式识别方法结合拉曼光谱实现陈皮年份鉴别方面的研究，却鲜有报道。主成分分析法作为模式识别的一种，在统计学、数学建模、数理分析等学科中均有应用，是一种常用的多变量分析方法，且t检验作为统计学分析方法的一种，常用于判定2个平均数之间的
11、差异是否显著，因此使用t检验和食品工业 2023 年第44卷第 1 期 280 分析检测主成分分析法结合拉曼光谱对陈皮年份进行鉴别，有着重要的研究意义。试验利用t检验的统计学分析方法对不同年份的广陈皮拉曼光谱进行定量和定性研究，并使用主成分分析的模式识别法建立回归模型，对广陈皮的年份进行鉴别预测，有助于使陈皮更好地发挥自身的药用价值。1数据采集与预处理1.1数据采集试验用Maya 2000便携式拉曼光谱仪（美国海洋光学公司，激光器波长785 nm）采集样本数据，使用的陈皮样本来自于广东新会陈皮。分别对2012，2015和2019年的广陈皮进行拉曼光谱采集，将每一年份的陈皮分为9组样本。考虑到实
12、际检测过程中陈皮放置方式的不确定性，故样本分别在正面和反面采集数据（陈皮的内里为正面、外壁为反面，下同），以消除在检测时陈皮放置方式对其成分的影响。每一年份采集3个陈皮样本，每个陈皮样本分为3瓣，每瓣在正面和反面分别采集3个点以消除误差，共采集得到162组数据，正反面各81组，采集到的原始光谱数据如图1所示。通过观察图1中的原始拉曼光谱图可知，随着拉曼位移的变化，其对应的光谱强度也随之发生变化，而所有陈皮的光谱中，强度在拉曼位移270 cm-1前开始急剧上升，出现大量无效信息，故在后续的研究分析过程中只考虑拉曼位移270 cm-1后的光谱信息。图1不同年份广陈皮原始拉曼光谱图1.2数据预处理光
13、谱中普遍存在背景噪声以及荧光，仅通过仪器的精度和准确度来消除检测干扰受到仪器自身的限制远远不够，因此采用去基线的方法对数据进行预处理。在光谱分析中，去基线能够非常有效地提高谱图信噪比，降低随机噪声的影响。基于拉曼位移270 cm-1前出现大量无效信息，故读取原始数据后，选择拉曼位移2702 170 cm-1作为特征波段，对这部分的数据进一步处理。使用PeakFit软件对原始光谱去基线，找到光谱基线趋势的拐点，选择2nd-DerivZero，即通过不同方程（如线性、多项式、对数等）的方法，拟合光谱基线，图2为去基线后的拉曼光谱图。去基线后的拉曼光谱比原始拉曼光谱的拉曼特征峰更明显一些，拉曼光谱的
14、特征峰位反映物质化学键的振动或转动频率，因此不同位置的拉曼特征峰可以代表不同的化学键，从而反映出分子的结构信息。图2去基线后的拉曼光谱图无论是原始光谱图还是去基线后的光谱图，在不同年份正反面广陈皮的光谱图中，峰的绝对强度数值差别较大，为了更好地对广陈皮中的化学成分进行定量和定性分析，对去基线后的拉曼光谱进行归一化处理。归一化可以校正由于微小光程引起的光谱变化，消除在测量过程中产生的数据在数量级之间的差异。通过观察发现，在绝大部分广陈皮的拉曼光谱中，拉曼位移492 cm-1处的绝对强度最高，故将其作为参照值对其他特征峰进行归一化，如式（1）所示。I=I/I492 nm （1）式中：I为归一化后的
15、相对强度；I为归一化前特征峰对应的数值；I492 nm是该组光谱数据中拉曼位移为492 cm-1处测量得到的绝对强度。由于采集的样本组数偏少，且取均值的操作能够大幅减小在试验中的误差，故对同一年份的同一片陈皮所采集的数据进行取均值处理，如式（2）所示。I=I1+I2+In/n （2）式中：I为新生成的光谱数据；n为某一片陈皮所采集的数据数；Xi（i=1，2，n）为第i组数据的光谱值。提到采集3个年份的陈皮数据，每年采集3个陈皮样本，每个陈皮样本分为3瓣，根据上述方法计算正面和反面每一年份的均值、每一个陈皮样本的均值、每一瓣陈皮样本的均值，分别生成6，18和54组数据，共生成新的78组广陈皮数据
16、，正、反面各39组，作为后续主成分分析模型的验证数据，以验证模型的准确性。图3为经过归一化和取均值处理后的拉曼光谱图，图3（a）为反面光谱，图3（b）为正面光谱，f表示反面，z表示正面，为了清晰起见，光谱垂直移动。食品工业 2023 年第44卷第 1 期 281 分析检测经过预处理后拉曼位移相对强度在特定的区间01内，消除数量级的影响，便于后续数据的对比分析。图3归一化平均拉曼光谱2模型的建立及结果分析2.1拉曼光谱t检验2.1.1拉曼特征峰归属拉曼光谱是一种无损的分析技术，该技术基于光和材料内化学键的相互作用，可以提供样品化学结构、相和形态、结晶度及分子相互作用的详细信息。一张拉曼光谱图通常由一定数量的拉曼峰构成，每个拉曼峰代表相应的拉曼散射光的波长位置和强度。每个谱峰对应于一种特定的分子键振动，其中既包括单一的化学键，如CC，CC，NO，CH等，也包括由数个化学键组成的基团的振动，如苯环的呼吸振动、多聚物长链的振动及晶格振动等。从广陈皮去基线后的拉曼光谱图（图2）中可以看出，广陈皮的拉曼光谱在不同年份的同一位置出现多个拉曼特征峰，对广陈皮主要的特征峰进行归属25-34，结果在表1中