基于大黄的红外光谱的人工神经网络鉴别研究.pdfVIP

维普资讯 第25卷 ，第5期 光 谱 学 与 光 谱 分 析 Vo1．25，No．5，pp715．718 2005年 5月 Spectroscopy and SpectralAnalysis May，2005 基于大黄的红外光谱的人工神经网络鉴别研究 汤彦丰 ，张卓勇 卜，范国强 ，朱惠菊 ，王新越 1．首都师范大学化学系，资源环境与地理信息系统北京市重点实验室，北京 100037 2．北京同仁堂集团中药研究所，北京 100011 摘 要 将傅里叶变换红外光谱法和人工神经网络用于鉴别正品和非正品大黄样品。在对神经网络训练前 用小波变换对测量的红外光谱进行压缩，将原700个数据点的光谱压缩到44个变量，因此加速了神经网络 的训练速度。52个大黄样品被用于网络模型的建立，其中包括25个正品大黄和27个非正品大黄的样品。文 章还对隐含层神经元数 目和动量参数的影响做了考察。结果表明，在优化的条件下用该方法对大黄样品的 鉴别正确率达到98％。这种方法可被用于含大黄中药生产的质量控制。 主题词 大黄；红外光谱；神经网络；小波变换 中图分类号：R931．5 文献标识码：A 文章编号：1000—0593 2005 05—0715—04 出识别 。 引 言 人工神经网络 ArtificialNeuralNetwork，ANN ，有时简 称为神经网络，是在现代生物学研究人脑组织时所取得成果 大黄是我国闻名世界的特产药材，优质大黄只产于中 的基础上提出的，它是利用大量简单的处理单元广泛连接组 国。药典规定的正品大黄只有药用大黄R．officinaleBail1．、 成网络，用来模仿人脑神经网络结构和功能而建立的一种信 掌叶大黄Rheumpalmatum L．和唐古特大黄 R．tanguticm 息处理系统。目前应用最广泛的网络是 BP网络，它采用误 Maxim．ExBalf三种。由于国内外对大黄的需求 日益增多， 差反传播算法，即沿误差负梯度的方向调整处理单元间的权 不少地区将同属其他种大黄如华北大黄、波叶大黄混入商 重值来实现，该算法可以实现由输入到输出的非线性映射。 品，充当正品大黄使用。多年来大黄生药鉴定主要依靠宏观 用该学习算法对网络进行训练时，可分为两个步骤：第一步 与微观特征，利用化学反应和在紫外光下观察颜色来区分正 正向传播阶段 是对于给定的网络输入，通过正向传播得到 品大黄和非正品大黄。常规的光谱分析方法则需对药材进行 各个单元的实际输出；第二步 误差反向传播过程 是计算输 分离提取，利用红外光谱法直接鉴别中药材也 已有报 出层各单元的输出误差项，然后根据这些误差逐层向输入层 道u_l0J，但采用光谱法保持药材原性状 无损伤 鉴别同名药 方向逆向传播，以调整各连接权值。两个步骤交替重复进 材则较少报道。 行，直到代价函数或输出层的输出误差项最小。 大黄中含有多种有效成分，其中包括大黄素、大黄酸、 本文利用红外光谱法和人工神经网络对 52个同科属、 大黄蒽醌、芦荟大黄素、土大黄甙、大黄素甲醚、大黄酚及 不同种、不同产地、不同采集时间的大黄属植物样品进行了 其葡萄糖苷等，这些成分在中红外区都有比较明显的吸收峰 测试和鉴别，结果可以区分其中的正品大黄和非正品大黄。 出现。比如，大黄酚含有苯环和羟基，因此在红外光谱 图中 此鉴别方法与常规的鉴别方法相比具有更直接、快速、不破 就能检测到苯环的骨架振动和羟基的吸收峰；如果有大黄 坏样品等特点，因此是一种科学性的鉴别中药材的方法。 酸，就能检测到羧基的存在，另外大黄素甲醚的存在，就能 够出现醚的官能团所特有的吸收峰。但是这些物质都存在于 1 实验部分 大黄样品中，而在测试的时候只是将大黄样品进行直接红外 测试，而不是先通过色谱进行分离，因此得到的光谱图将含 1．1 仪器与测试条件 有各种成分的吸收峰，而不是其中某一种成分的特征光谱。 仪器设备：傅里叶变换中红外光谱仪为PE1730型光谱 因此，用红外光谱进行扫描，只能检测出样品中含有哪些基 仪，DTGS检测器。 团，通过比较谱图的差异也很难对正品和非正品大黄样品做 测试条件：光谱分辨率4CITI～。测量范围：4000--400 收稿 臼期 ：2003．11-26。修订臼期 ：2004—04—16 基金项 目：北京市教育委员会科技发展项 目 KM座机电话号码8105 资助 作者简介：汤彦丰，1977年生，首都师范大学化学系硕士研究生 *通讯联系人 维普资讯 716 光谱学与光谱分析 第25卷 CITI～ 。 温度控制在22℃。 样品之间的一些差别。 1．2 样品来源及简单制备 本工作选用的52个不同品种和不同产地的大黄样品。 根据我国药典的要求，我们将这些样品分为正品大黄和非正 品大黄两类，其