基于近紅外光譜的中寧枸杞子判別分析

許春瑾，張 睿，于修燭*，王 寧

（西北農林科技大學食品科學與工程學院，陜西 楊凌 712100）

基于近紅外光譜的中寧枸杞子判別分析

許春瑾，張 睿，于修燭*，王 寧

（西北農林科技大學食品科學與工程學院，陜西 楊凌 712100）

為實現中寧枸杞子產地的自動化快速鑒別，利用近紅外光譜儀對不同產地42個枸杞子樣品進行掃描，對枸杞子近紅外光譜分別進行距離判別分析和聚類分析，建立枸杞子產地判別模型。結果表明：在6 500～5 200 cm－1波數范圍內，采用多元散射校正和標準正態變量變換預處理，對樣品的識別率均達到100%，模型預測效果好；采用馬氏距離結合離差平方和法，枸杞子可分為寧夏中寧枸杞和非寧夏中寧枸杞兩大類群，樣品判別率達到96.9%。利用近紅外光譜對中寧枸杞子產地判別分析是可行的。

枸杞子；近紅外光譜；判別分析；聚類分析

枸杞（Lycium barbarum L.）為茄科枸杞屬多分枝灌木[1-2]，枸杞子為枸杞的干燥成熟果實[3]，具有味甘、性平，滋補肝腎、增強免疫、抗癌、保肝、降低血脂和膽固醇等功效[4-9]。枸杞子有效成分的形成與土壤、氣候、生態環境有密切聯系。《中國藥典》（2010版） 僅將寧夏產枸杞子定義為入藥枸杞，而中寧縣枸杞子為其中珍品，有“中寧枸杞甲天下”的美譽[10]。不同產地枸杞子品質差異較大，價格相差懸殊。一些不法商販為牟取暴利，濫標產地、以次充好，嚴重擾亂了中寧枸杞市場，傷害了當地農民的經濟利益[11]。目前在枸杞子產地的判別分析中，仍以形態學特征的鑒定和化學方法為主，形態學法鑒定枸杞子的產地[12]，易受人為和外界因素的影響；而化學方法[13]，需對樣品進行預處理，方法繁瑣，成本高。建立自動、準確、環保的枸杞子產地鑒別方法，以保證寧夏中寧枸 杞子的品質，具有十分重要意義。近紅外光譜對應分子基頻振動的倍頻和組合頻，其特征隨著樣品成分含量的變化而變化[14]，具有無損、綠色、實時監控的特點[15]，非常適合農產品和食品的快速判別分析[16]。目前有關枸杞子近紅外光譜產地鑒定報道較少，湯麗華等[17]采用近紅外光譜技術結合簡易分類（simple modeling of class analogy，SMICA）法對枸杞子進行了產地溯源分析，雖然取得一定進展，但溯源分析建立于化學指標上，操作比較繁瑣。本實驗以寧夏中寧枸杞子為主要材料，利用傅里葉變換近紅外光譜（fourier transform near infrared spectrometer，FT-NIR）技術結合判別分析、聚類分析等方法，建立枸杞子產地判別模型。以期快捷、準確的鑒定中寧枸杞子，為中寧枸杞子地理標志產品保護提供參考。

1 材料與方法

1.1 材料

枸杞子樣品分別采集于：寧夏中寧縣田灘村、鐵渠村、舟塔村、五道渠、曹橋村等12個地區（寧杞1號、2號、4號、7號等不同品種）；寧夏平羅縣、同心縣（苦水枸杞）；甘肅省靖遠縣（寧杞2號）、武威市民勤縣（寧杞4號）；青海省格爾木市河西村、柴達木諾木洪、德令哈市尕海（柴達木枸杞）、柴達木盆地（野生黑枸杞）；河北省（血杞）；新疆博州精河縣（精河枸杞）；內蒙古烏拉特前旗（寧杞1號、蒙杞1號、2號）、沙海鎮（綠洲沙海紅）。其中寧夏中寧枸杞品種28個，其他地區14個。隨機分為兩類，35個為校正集樣品，其中中寧枸杞23個，其他地區12個；7個為驗證集樣品，其中中寧枸杞5個，其他地區2個（分別為寧夏平羅縣和甘肅靖遠縣）。

1.2 儀器與設備

MPA-TM傅里葉變換近紅外光譜儀（檢測器為InGaSe） 德國布魯克光學儀器公司；數據分析軟件為OPUS 5.5、OMNIC 7.3、TQ Analyst 7.2和DPS 7.55等。

1.3 光譜采集條件

光譜采集方法：積分球漫反射。積分球載樣器件：直徑為50 mm，高為50 mm旋轉樣品杯，光譜采集時枸杞子顆粒需基本裝滿旋轉式樣品杯，并保證樣品杯中枸杞子分布均勻，偏心距為10 mm。光譜采集范圍：12 000～4 000 cm－1；掃描次數：32次；分辨率：4 cm－1。1.4 判別分析

判別分析是根據樣品不同的特征值來判別其類型歸屬，是一種多變量統計分類方法。對光譜進行預處理后，在選定的特征波段截取枸杞子樣品的近紅外光譜，先根據各類間的馬氏距離建立判別模型，然后將未知樣本與各類樣本判別模型進行擬合，計算未知樣本與校正集之間的馬氏距離，進行判別歸類[18]。馬氏距離的計算公式[19]如下：

式中：Mij為第i個和第j個樣本之間的距離；（xi－xj）T為（xi－xj）的轉置矩陣。V－1為協方差矩陣的逆矩陣，其元素用vij表示為：xi、xj分別為第i個和第j個樣本的行向量，xik為第i個樣本的第k個特征變量，xjk為第j個樣本的第k個特征變量，分別為第i個和第j個樣本所有特征變量的均值。

1.5 聚類分析

聚類分析具有無管理模式識別方法的特點，利用相似樣本在多維空間中彼此的距離小，而不相似樣本在多維空間中彼此的距離大，使相似的樣本聚在一起，從而達到分類的目的。光譜的距離表明了譜圖的相似度，兩張光譜的距離值隨譜圖差別的增加而增大，將相似光譜按組分類，組的形式用樹狀圖表示[20]。

2 結果與分析

2.1 判別分析

2.1.1 光譜分析

利用近紅外光譜儀在分辨率4 cm－1、掃描次數32次的條件下采集枸杞子樣品光譜，其光譜見圖1。

圖1 不同產地枸杞子樣品的原始光譜Fig.1 Original NIR spectra of Chinese wolfberry samples from different regions

由圖1a可以看出，寧夏中寧枸杞子與非寧夏中寧枸杞子的光譜比較接近，且都在8 264、6 793、6 323、5 780、5 166、4 720 cm－1處有特征吸收，為幾個較寬的譜帶，譜圖分辨率較差，化學成分的吸收峰出現多次重疊，很難對近紅外譜帶進行精確歸屬[21]。圖1b為波數區域為7 000～5 000 cm－1光譜，在6 800～5 200 cm－1范圍內寧夏中寧枸杞子和非寧夏中寧枸杞子有著較明顯差異，可進一步為選擇校正集建模的波長范圍提供依據。枸杞子近紅外譜圖的差異主要由樣品化學成分的差異決定的。湯麗華[17]和白雪梅[22]等的研究表明，中寧枸杞子的多糖含量最高，達6.19%，比其他地區的平均值高出1.96%，人體必需氨基酸絲氨酸、蘇氨酸、纈氨酸及苯丙氨酸的含量分別為0.740、0.664、0.064、0.057 mg/g，比其他地區的平均值高出0.585、0.378、0.0197、0.019 mg/g。不同地區枸杞子化學成分的差異，可能是由于其生長的生態環境不同而引起的。

2.1.2 光譜預處理對判別分析結果的影響

建立枸杞子判別分析模型之前，為消除偏移或基線的變化，以保證枸杞子近紅外光譜數據和樣品性質之間的相關性，需對光譜進行預處理[23]。對原始光譜分別進行一階求導、二階求導、多元散射校正（multiplicative scatter correction，MSC）、標準正態變量變換（standard normal v ariate，SNV）等預處理。光譜預處理結果見表1。

表1 不同光譜預處理對校正模型樣品識別結果的影響（主成分數為1100）Table1 Effect of different spectral pretreatments on recognition rate of calibration samples (the number of principal components = 10)

由表1可知，不同波長范圍和光譜預處理方法，對識別率的影響很大。6 500～5 200 cm－1為識別率較好的波數范圍，建模前對波段進行篩選，可消除部分波段噪音的影響且可提高軟件計算速度；MSC方法可去除樣品的鏡面反射及不均勻性造成的噪聲，SNV方法是將光譜數據矩陣按行進行歸一化而消除散射效應的影響，導數法可消除基線漂移、強化譜帶特征，但同時會引入噪聲，降低信噪比[19]。因此，在6 500～5 200 cm－1波數范圍，原始光譜結合MSC與原始光譜結合SNV預處理方法均較好，優于原始光譜、一階求導、二階求導、一階求導結合MSC或二階求導等預處理方法，校正集識別率可達100%，模型效果好。采用原始光譜結合MSC與原始光譜結合SNV的預處理方法均適合于枸杞子的產地判別分析。

2.1.3 模型的建立

對35個校正集樣品在6 500～5 200 cm－1波數內采用原始光譜結合MSC、原始光譜結合SNV光譜預處理方式，圖2a為原始光譜結合MSC光譜預處理方法時，寧夏中寧枸杞子與非寧夏中寧枸杞子判別分析圖，圖2b為原始光譜結合SNV光譜預處理方法時，寧夏中寧枸杞子與非寧夏中寧枸杞子判別分析圖。

圖2 枸杞子的判別分析結果Fig.2 Distance discrimination plots for Chinese wolfberry samples

由圖2可知，在寧夏中寧枸杞子區域和非寧夏中寧枸杞子區域，無被錯判樣品，對所有樣品的識別率達到100%。說明采用MSC、SNV光譜預處理結合判別分析法均可較好地實現寧夏中寧枸杞子與非寧夏中寧枸杞子的分類。

2.1.4 模型驗證分析

采用判別分析法對預測集的7個樣品進行預測分析，判別分析結果見表2。

表2 7個驗證樣品判別預測分析結果Table2 Results of discrimination analysis for 7 samples in the validationn sseett

由表2可以看出，7個預測樣品中無錯誤判別，預測正確率為100%，表明在波數范圍為6 500～5 200 cm－1，采用MSC、SNV光譜預處理結合判別分析法能較好預測枸杞子的產地，可建立枸杞子近紅外指紋圖譜。

2.2 聚類分析

將枸杞子樣品原始近紅外光譜的波長及其對應的吸光度組成新的光譜數據，組成聚類分析的樣本矩陣，采用DPS 7.55軟件提供的聚類分析模塊中的馬氏距離結合離差平方和法對其進行處理，并得到聚類分析的樹狀圖，如圖3所示。

由圖3可以看出，以距離570劃分，將寧夏中寧枸杞子分為一類，非寧夏中寧枸杞子分為一類，其中有一個樣品出現誤判。誤判樣品為21號枸杞子，其產地為內蒙古烏拉特前旗鎮，品種為寧杞1號，可能因其是引種的寧杞品種，與中寧枸杞性質上比較接近，將其誤判為中寧枸杞。枸杞子近紅外光譜聚類分析結果正確率為96.9%，聚類結果比較理想，表明利用聚類分析對寧夏中寧枸杞子產地鑒別是可行的。

圖3 枸杞子的聚類分析結果Fig.3 Cluster analysis results of Chinese wolfberry

3 結 論

采用近紅外光譜分析技術結合判別分析法對寧夏中寧和非寧夏中寧的枸杞子進行了產地判別分析，通過建模及模型驗證分析，在6 500～5 200 cm－1波數范圍內，原始光譜結合MSC、原始光譜結合SNV變換預處理，對樣品的識別率均達100%，模型預測效果較好。聚類分析中，利用馬氏距離結合離差平方和法，枸杞子可分為寧夏中寧枸杞與非寧夏中寧枸杞兩大類，樣品的判別率達到96.9%。利用近紅外光譜技術進行中寧枸杞子產地的快速判別分析是可行的。

[1] 楊薇, 譚自力. 枸杞的價值及栽培技術[J]. 河北農業科技, 2008(6): 35-36.

[2] 鄭國琦, 胡正海. 寧夏枸杞的生物學和化學成分的研究進展[J]. 中草藥, 2008(5): 796-780.

[3] 周群, 孫素琴, 梁曦云. 枸杞產地的紅外指紋圖譜與聚類分析法研究[J]. 光譜學與光譜分析, 2003, 23(3): 509-511.

[4] 王亞軍, 安巍, 石志剛, 等. 枸杞藥用價值的研究進展[J]. 安徽農業科學, 2008, 36(30): 13213-13214.

[5] 呂海棠, 劉同慧, 馮瑞琴. FTIR法測定枸杞中的有效成分[J]. 食品工業科技, 2012, 33(6): 102-104.

[6] ROBERT J R, DELPHINE C, WANG Juankuan, et al. Cell wall polysaccharides of Chinese wolfberry (Lyceum barbarum)[J]. Carbohydrate Polymers, 2011, 84(3): 1344-1349.

[7] H E Nianwu, YANG Xingbin, JIAO Yadong, et al. Characterisation of antioxidant and antiproliferative acidic polysaccharides from Chinese wolfberry fruits[J]. Food Chemistry, 2012, 133(3): 978-989.

[8] 郭建宏, 符虎剛. 枸杞多糖提取條件初探[J]. 陜西農業科學, 2007(6): 34-38.

[9] ZHAO Lili, LI Aihua, XING Guosheng, et al. Determination of mineral elements in Lycium barbarum L. from Ningxia by sealed microwave digestion ICP-AES[J]. Medicinal Plant, 2012, 3(5): 49-51.

[10] 郝近大. 中華人民共和國藥典輔助說明[M]. 北京: 中國中醫藥出版社, 2010: 392.

[11] 雷建剛, 劉敦華, 郭進. 不同產地枸杞干果品質的差異性研究[J]. 現代食品科技, 2013, 29(3): 494-497.

[12] 孫素琴, 王米渠, 梁曦云, 等. 枸杞子四種原性狀的FTIR光譜法鑒別[J]. 光譜學與光譜分析, 2001, 21(6): 7 87-789.

[13] 李紅英, 彭勵, 王林. 不同產地枸杞中微量元素和黃酮含量的比較[J]. 微量元素與健康研究, 2007, 24(5): 14-16.

[14] SIERLER H W, OZAKI Y, KAWANO S, et al. Near infrared spectroscopy[M]. Weinheim: Wiley-VCH, 2004.

[15] 蒙杰丹. 近紅外光譜法快速無損分析測定中藥活性成分的研究[D].重慶: 西南大學, 2012.

[16] 吳海云, 劉洋, 左月明. 近紅外光譜數據分析方法的研究進展[J]. 農產品加工, 2010(3): 76-79.

[17] 湯麗華, 劉敦華. 基于近紅外光譜技術的枸杞產地溯源研究[J]. 食品科學, 2011, 32(22): 175-178.

[18] 成浩, 王麗鴛, 周健, 等. 基于化學指紋圖譜的綠茶原料品種判別分析[J]. 中國農業科學, 2008, 41(8): 2413-2418.

[19] 陸婉珍, 袁洪福, 徐廣通. 現代近紅外光譜分析技術[M]. 北京: 中國石化出版社, 2000: 13-31.

[20] MA Cunhua, DAI Bin, XU Caixia, et al. Cluster analysis and fingerprint study of inorganic elements in Xinjing Glycyrrhiza uralensis Fisch[J]. Medicinal Plant, 2010, 1(5): 21-23.

[21] 杰爾·沃克曼, 洛伊斯·文依. 近紅外光譜解析實用指南[M]. 北京:化學工業出版社, 2009: 13.

[22] 白雪梅, 田嘉銘, 王德寶. 高效液相色譜法測定枸杞子中氨基酸的含量[J]. 時珍國醫國藥, 2005, 16(8): 742-743.

[23] 張曉炎. 基于近紅外光譜的柑桔產地溯源及橙汁摻假識別研究[D].重慶: 西南大學, 2010.

Discrimination of Chinese Wolfberry from Zhongning Based on Near Infrared Spectroscopy

XU Chun-jin, ZHANG Rui, YU Xiu-zhu*, WANG Ning
(College of Food Science and Engineering, North west A & F University, Yangling 712100, China)

To develop an automatic and quick method to discriminate the g eographical origin of Chinese wol fberry from Zhongning, 42 Chinese wolfberry samples from different regions in China were scanned with a near infrared spectrometer (NIR). The NIR spectral data of wolfberry samples were analyzed with distance discriminant analysis (DDA) and cluster analysis to discriminate their geographical origins. The DDA analysis indicated that good prediction results were achieved with 100% recogn ition rate for the origin of wolfberry based on the multipl icative scatter correction and standard normal variate transformation of spectral data ranging from 6 500 to 5 200 cm-1. The wolfberry samples could be clustered into two groups using the Mahalanobis distances i n combination with the Ward’s method: one group consist ing of those from Zhongning, Ningxia and the other from other regions. The recognition rate was 96.9%. In conclusion, it is feasible to apply NIR to discriminate the geographical origin of Chinese wolfberry from Zhongning.

Chinese wolfberry; near infrared spectrometer (NIS); discrimination analysis; cluster analysis

TS255.2

A

1002-6630（2014）02-0164-04

10.7506/spkx1002-6630-201402030

2013-04-22

“十二五”國家科技支撐計劃項目（2012BAD36B04）

許春瑾（1989—），女，碩士研究生，研究方向為功能性食品安全檢測。E-mail：springxuchunjin@163.com

*通信作者：于修燭（1974—），男，副教授，博士，研究方向為功能性食品安全檢測。E-mail：xiuzhuyu1004@hotmail.com