换一批基于近红外光谱技术结合深度学习快速鉴别滇黄精干燥方法和产地
Rapid identification Polygonatum kingianum of drying method and geographical origin based on near infrared spectroscopy combined with deep learning
摘要目的 探讨傅里叶变换近红外(fourier transform near infrared,FT-NIR)光谱技术在滇黄精Polygonatum kingianum质量评价中的应用,基于不同干燥处理方法、不同产地滇黄精的一维光谱与二维光谱构建鉴别模型,为滇黄精质量评价提供新方法.方法 研究采集了 198份不同干燥方式和产地的滇黄精样品,将其进行不同干燥处理,分析产地、干燥处理方法等因素对滇黄精质量的影响;采集并分析滇黄精FT-NIR光谱和二维相关光谱(two-dimensional correlation spectroscopy,2DCOS)特征,采用主成分分析(principal component analysis,PCA)和层次聚类分析(hierarchical clustering analysis,HCA)可视化样品的分类趋势,并基于FT-NIR光谱建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)和支持向量机(support vector machine,SVM)2种传统模型;基于同步、异步和综合2DCOS图像建立残差神经网络(residual neural network,ResNet)模型,比较3种模型的整体鉴别能力和模型性能.结果 同步2DCOS图像结合ResNet可以成功鉴别滇黄精不同产地和干燥处理方法,准确率达到100％,整体鉴别能力和模型性能均显著优于PLS-DA和SVM传统模型.结论 基于FT-NIR光谱构建的ResNet鉴别模型可以快速准确鉴别滇黄精的产地和干燥处理方法,为滇黄精质量的快速检测提供科学依据.
更多相关知识
关键词
滇黄精二维相关光谱残差神经网络干燥方法产地Polygonatum kingianum Coll.et Hemsl.two-dimensional correlation spectroscopyresidual neural networkdrying methodsorigin identification
分类号
R286.2（中药学）
栏目名称
DOI
10.7501/j.issn.0253-2670.2025.18.025
发布时间
2025-10-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
云南省重大科技专项计划（202502AS100009）
云南省农业基础研究联合专项重点项目（202401BD070001-018）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
