基于便携式近红外光谱技术的假冒茯苓块无损鉴别研究

赵芷岚，董怡青，苏光林，郑 郁，范 伟，杨清华，李 跑*

（1.湖南农业大学东方科技学院，湖南长沙 410128；2.湖南农业大学食品科学与技术学院，食品科学与生物技术湖南省重点实验室，湖南长沙 410128；3.湖南师范大学医学院，湖南长沙 410013；4.中国检验认证集团湖南有限公司，湖南长沙 410021）

茯苓是一种常见的食药同源物质，具有健脾宁心、利水渗湿等功效[1-2]。茯苓块的外观整体偏灰白、质地较硬，与其它物质如凉薯等在外观上较为相似，难以准确鉴别。因此，一些黑心商贩常使用凉薯、冬瓜、白萝卜块等冒充茯苓块，以谋取不当利益。目前常采用液相色谱法等对茯苓成分进行分析，以实现茯苓的鉴别，但此类方法需要较为贵重的仪器，费时费力，且对样品具有破坏性，影响产品的二次销售[3]。

近红外光（780～2 500 nm）是一种介于可见光与中红外的电磁波，反映了样品中含氢基团的伸缩振动倍频和合频信息，利用近红外光谱技术可实现样品中有机物组分的检测。然而信号中常存在谱峰重叠、背景、基线漂移以及噪声干扰，直接用光谱较难实现组分的定性定量分析。化学计量学方法的引入可以解决这些问题，通常需要两个步骤，一是光谱预处理方法可以消除光谱中多种干扰；二是模式识别法可以用于鉴别以及定量模型的建立[4-5]。近红外漫反射光谱（near-infrareddiffusereflectance spectroscopy，NIRDRS）技术具有快速、无损等优点，已被广泛应用于石油、农业、医药和食品等领域样品的快速无损检测[6-10]。

NIRDRS 中光谱采集方式主要有两种：光纤探头和积分球。积分球所采集的光谱信噪比高、重复性好；光纤探头采集方式更为简单和便携，但是信噪比不如积分球模式。近年来，NIRDRS 向着便携、低成本化的方向发展，便携式仪器得到了广泛应用。余梅等[11]利用便携式NIRDRS 和积分球漫反射模式采集了不同陈化年份陈皮内囊和外壁的近红外光谱，利用光谱预处理方法结合不同模式识别方法构建不同年份陈皮的鉴别模型。郑郁等[12]利用便携式NIRDRS 和积分球漫反射模式结合化学计量学法开发了一种不同比例掺假茯苓粉无损检测方法。然而现阶段尚缺乏对假冒茯苓块的无损鉴别研究。本研究旨在基于便携式近红外漫反射光谱技术结合化学计量学方法构建一种假冒茯苓块无损鉴别分析方法，并对不同漫反射光谱采集方式获得的结果进行比较。

1 材料与方法

1.1 仪器与样品

由本地药店购买的靖州白茯苓块。于湖南农业大学东之源超市购买冬瓜、白萝卜、凉薯，并切至同茯苓块一样大小，作为假冒茯苓块。每组样品30 个，共有120 个样品。

i-Spec Plus 光栅型便携式近红外光谱仪，带有积分球漫反射附件与光纤探头，必达泰克光电科技（上海）有限公司，波数范围为11 100～5 900 cm-1。

1.2 光谱采集

积分球漫反射采集方式：在室温下，将茯苓块或假冒样品放入石英瓶中，置于光斑中心位置，直接采集光谱。光纤探头漫反射采集方式：在室温下，通过光纤探头距样品2 mm 处直接采集光谱。利用上述两种光谱采集的方式分别对茯苓块与假冒茯苓块进行单次光谱采集，作为原始光谱。

1.3 光谱预处理与聚类分析

光谱预处理与聚类分析由MATLAB R2010b（The Mathworks，Natick，USA）软件实现。采用了连续小波变换（continuous wavelet transform，CWT）方法消除光谱中的基线漂移以及谱峰重叠等干扰。此外，为了消除光谱两端的噪声干扰，手动扣除两端的光谱，去噪后的光谱波数范围为10 985～5 923 cm-1。采用主成分分析（principal component analysis，PCA）方法建立假冒茯苓块鉴别模型。

2 结果与分析

2.1 不同采集方式下茯苓块与假冒茯苓块原始光谱

图1a、b 分别为光纤探头、积分球漫反射采集的茯苓块与假冒茯苓块原始光谱图。由图可知，利用光纤探头采集的茯苓块与假冒茯苓块（冬瓜块、凉薯块、白萝卜块）的原始光谱存在明显差别（图1a），表明光纤探头采集的原始光谱可以实现假冒茯苓块的准确鉴别。积分球漫反射采集方式结果如图1b 所示，在11 000～7 000 cm-1范围内茯苓块与假冒茯苓块（冬瓜、萝卜、凉薯）的谱线趋势相似，较难从原始光谱区分茯苓块与假冒茯苓块。此外，光纤、积分球采集的茯苓块在6 890 cm-1处有较强吸收峰，可能与茯苓多糖中的O—H 键伸缩振动一级倍频相关。由图1 可知，光纤探头、积分球漫反射采集方式的原始光谱中均有较严重的基线漂移和谱峰重叠干扰，其中积分球采集的光谱信噪比优于光纤探头采集的光谱，后者两端有强噪声干扰。

2.2 基于原始光谱和CWT 预处理的PCA 分析

采用PCA 方法建立假冒茯苓块鉴别模型。图2a 为光纤探头采集方式原始光谱的PCA 结果，可以看出茯苓块与其它三种假冒茯苓块置信椭圆有着明显区分，说明光纤探头采集方式下的原始光谱结合PCA 可以实现假冒茯苓块100%鉴别。图2b 为积分球采集方式原始光谱的PCA 结果，其中茯苓块与假冒茯苓块（冬瓜和萝卜）置信椭圆有着明显区分，但茯苓块与假冒茯苓块（凉薯）置信椭圆有所重叠，表明光纤探头采集方式下的原始光谱结合PCA 无法实现茯苓块与凉薯块的准确鉴别。

图2c、2d 分别为光纤和积分球采集方式获得光谱经CWT 预处理后的PCA 结果。光纤采集方式下CWT 预处理后的结果反而更差。可能是CWT 方法不仅消除了噪声干扰，还消除了光谱中有关茯苓块与假冒茯苓块的部分差异信息。由图2d 所示，积分球采集方式下CWT 预处理结合PCA 可以实现茯苓块与假冒茯苓块100%鉴别。基于便携式近红外漫反射光谱技术，结合合适的光谱采集方式以及预处理方法，可以实现假冒茯苓块准确无损鉴别，而不恰当的预处理方法会导致模型准确性下降。

2.3 基于去噪光谱的PCA 分析

由于便携式近红外光谱仪的稳定性较差，采集的光谱两端常出现噪声干扰。因此，手动去除了具有强烈噪声的两端光谱数据。去噪后的光谱波数范围为10 985～5 923 cm-1。图3a 为光纤探头采集方式下去噪光谱的PCA 结果，图3c 为光纤探头采集方式下去噪光谱结合CWT 的PCA 结果。由于去除了较大噪声的干扰，去噪后的光谱与结合了CWT 后所建立的模型均可实现假冒茯苓块100%鉴别。图3b 为积分球采集方式去噪光谱的PCA 结果，该模型依旧无法实现茯苓块与凉薯块的准确鉴别。图3d 为积分球采集方式下去噪光谱结合CWT 的PCA 结果，与图2d 结果类似，该模型可以实现茯苓块与假冒茯苓块100%鉴别。上述结果均表明了消除噪声可以提高模型的准确性。

3 结论

本研究基于便携式近红外漫反射光谱技术构建了一种假冒茯苓块无损鉴别分析方法。光纤探头模式下，利用原始光谱、去噪后的光谱以及去噪＋CWT 预处理后的光谱建立的鉴别模型均可实现假冒茯苓块100%鉴别；积分球模式下，利用CWT 预处理后的光谱建立的鉴别模型可实现假冒茯苓块100%鉴别。综上所述，基于便携式近红外漫反射光谱技术结合化学计量学方法可有效实现假冒茯苓块的准确无损鉴别。