径向基函数神经网络和近红外光谱法鉴别大黄的应用.docVIP

径向基函数神经网络和近红外光谱法鉴别大黄的应用 　　摘要：测定了41个大黄（Rhubarb）样品的近红外光谱数据，结合径向基函数神经网络模型，对正品与非正品大黄加以鉴别。为了提高神经网络的训练速度，在利用径向基函数神经网络建立模型之前，通过小波变换压缩了光谱变量，分析了建立模型的参数。结果表明，该法对大黄样品的识别正确率达97.56%，可用于大黄中药生产的质量控制。 　　关键词：大黄（Rhubarb）；近红外光谱；径向基函数神经网络；鉴别 　　中图分类号：R917 文献标识码：A 文章编号：0439-8114（2014）02-0423-03 　　Identification of Rhubarb Based on Near Infrared Spectrum and RBF Neural Network 　　TANG Yan-feng1，HOU Zhan-zhong1，XI Qing-chuan1，FAN Guo-qiang2 　　（1.Hebei North University， Zhangjiakou 075000，Hebei，China； 　　2. Institute for Chinese Medicine， Beijing Tongrentang Group Co. Ltd.，Beijing 100011，China） 　　Abstract： The 41 unknown rhubarb samples were analyzed by near infrared spectral data combining with the radial basis function neural network model identification. In order to improve the training speed of neural network， the radial basis function neural network（RBF-NN） model and the wavelet transform for spectrum variables were adopted and the related parameters were discussed. The results showed that the accuracy of identification could reach 97.56%， which could be used to control the quality of rhubarb. 　　Key words： Rhubarb； near infrared spectroscopy； RBF-NN； identification 　　大黄（Rhubarb）是蓼科（Polygonaceae）大黄属（Rheum）植物的合称，为中国常见中药材。随着国内外对大黄需求量的日益增加，少数不法商贩为牟求利益，将次品大黄或非大黄充当正品大黄使用。因此，大黄的质量控制、真伪和道地性鉴定是保证大黄真实性、疗效和用药安全的重要环节。近红外光谱是叠加谱，只要中药材的各成分组成相对稳定，其光谱就有一定的重现性，应用于中药材鉴别非常简便、快速[1-5]，与此同时，径向基函数神经网络适宜处理大量的模糊数据[6-9]。两种方法将为中药材准确快速的鉴定提供参考[10]。 　　1 材料与方法 　　1.1 样品 　　41个不同品种和不同产地的大黄样品由北京同仁堂研究所提供。根据《中国药典》相关描述，将样品分为正品大黄和非正品大黄2类，其中23个为正品样本，18个为非正品样本（表1）。 　　1.2 仪器 　　Foss 6500型近红外光谱仪（Foss NIR Systems Inc，USA），石英卤灯，PbS检测器。 　　1.3 方法 　　1.3.1 样品预处理 药材经烤箱烘干，机器粉碎，过60目筛，取约2.5 g样品放入样品池中。 　　1.3.2 数据采集和处理 测量范围1 100～2 500 nm，每隔2 nm采集一个数据点，样品池直径38 mm，厚度10 mm，每个样品扫描测量30次，取其平均值作为该样品的光谱数据。为了保证样品数据具有代表性，在测定一定次数后，需将样品池取出并均匀摇动，使样品完全填充。 　　1.3.3 大黄近红外光谱的RBF-NN模型 程序采用Matlab语言编写，以函数appcoef进行一维小波变换，提高神经网络的训练速度，得到大黄近红外光谱数据组成44×41矩阵，利用Matlab中神经网络工具箱的newrb函数做网络训练，在隐层中传递函数调用高斯函数radbas，并应用函数sim对径向基网络仿真分析。 　　2 结果与分析 　　大黄样品近