摘要：本文基于红外光谱近红外区0.75~2.5μm、中红外区2.5~25μm区间范围内，通过对一些中药材的近红外和中红外光谱数据进行预处理，运用平滑滤波和二阶导数建立模型，通过特征峰的数量、位置、形状和强度，进行分析，最后得出红外光谱对中药材的种类和产地的鉴别。 关键词：MATLAB 导数法 红外光谱 直接差分处理
1 问题分析
基于预处理后的带有类别编号的大量中药材中红外光谱数据，对特征基团1区域的数据进行平滑滤波，为消除基线漂移和平缓背景对数据的干扰，通过 MATLAB 中的 deriv 函数对数据进行直接差分法处理，建立导数模型，根据特征峰的位置、强度、形状来观测其特征性，根据吸收峰的位置来观测差异性，最后根据峰的有无和数量，得出药材的种类。 基于预处理后的带有类别和产地编号的大量中药材中红外光谱数据，对比导数模型在求导过程中易产生误差，为减少误差，采取窗口最优二阶导数来进行分析，然后根据两个特征基团
区域分别对其进行求导数图。发现特征基团区域1导数图存有不规则区域，故不进行分类，在特征基团区域2内发现特征峰位明显，故将其进行详细分类，分别为第一特征基团区域划分为5类，第二特征基团区域划分为6类，最后将其分为 11 类。通过进行地址对比，得出药材产地的鉴别结果。
2 数据预处理
2.1 识别和剔除异常光谱数据
根据预处理后的带有类别编号的大量中药材中红外光谱数据，画出光谱图，剔除在原光谱看不出特征值的三条异常光谱线。因中药材的吸光度为仪器矫正后的值，会存在一些负值，为了不影响分析结果，将负值删除。
2.2 外界环境对红外光谱的影响
2.2.1 根据特征基团分类
分子是由原子构成的，而红外光谱法正是借助于某物质分子内部各原子间相对振动及分子
旋转等作为信息源，以此来认定物质分子构成和甄别化合物成分的分析方法。同时振动又可依据对象振幅的方向划分为伸缩类振动和弯曲类振动；构成分子的各种基团都附带有自己的特征吸收峰，具有相同吸收带特定的基团可以形成特征基团，注意此种吸收带即为特征吸收，振动频率即为特征频率或基团频率，故而根据特征吸收峰来甄别特征基团是有事实依据的，充分利用这种特性来进行相关分析研究。
2.2.2 CO2 和 H2O对红外光谱数据的影响
为了不影响分析药材种类的结果，故将药材中水（7450~6950cm−1、5600~5100cm−1的近红外光谱和 4000~3500cm−1、1900~1300cm−1的中红外光谱）和二氧化碳（2390~2280cm−1）的区间内所有数据进行剔除。
坩埚炉
3 模型建立与求解
3.1 选取区域
图 1 特征基团区域
通过图 1 所示：可以看出波数在特征基团3和4这两个区间段无明显的差异性和特征点，波数在特征基团 1、2 这两个区间段有明显的差异性和特征点。将波数在特征基团 3 和 4 的两个区间段删除。故分为两大区域，即不饱和C-H 面内弯曲震动区域（650~1000cm−1 ）和饱和 C-H 伸缩震动区域（2800~3000cm−1）。
根据波长公式：
得到最终特征区域：特征频率区2.5~7.7μm和指纹区7.7~25μm。
3.2 中红外光谱对不同种类药材的特征和差异性的研究
为了消除基线漂移和平缓背景对数据的干扰，首先对数据进行平滑滤波处理。通过 MATLAB 中的 deriv函数对数据进行直接差分法处理，建立导数模型[2]：
不同种类中药材的特征性根据特征峰的位置、强度、形状来观测，差异性根据吸收峰的位置来观测。具体描述如表 1 所示。
表 1 不同种类中药材的特征性与差异性
峰数 | 吸收峰的位置 | 特征峰的强度 | nfdm特征峰的形状 英国版权法 |
单峰 | 2825—2840 2940 5 | 吸收峰弱 | 吸收峰缓 |
双峰 | 2840—2855 2910—2920 | 吸收峰强 | 吸收峰尖 |
| | | |
由上述分析可得：可以根据峰的有无和数量，将中药材分为3个种类，如表2所示。
表 2 药材的种类
不饱和C-H面内弯曲震动区域（650-1000cm-1） | 饱和C-H伸缩震动区域（2800-3000m-1） |
无峰 | 2个峰 |
1个峰 | 如梦令赏析1个峰 |
无峰 | c12蛋白芯片1个峰 |
| |
3.3 中红外光谱对不同产地药材的特征和差异性的研究快波
根据预处理后的带有类别和产地编号的大量中药材中红外光谱数据，对比导数模型[4]在求导过程中容易将误差导入到光谱图中，为减少误差，求导的窗口大小选取存在最优问题，提出窗口最优的二阶导数法来进行求导。首先对数据进行排序，把要分类的数据进行单独挑出，根据两个特征基团区域（2925~2936cm−1和 2949~2955cm−1）分别对其进行画出二阶导数图。发现第一特征基团区域和第二特征基团区域有不同的特点。
1.第一特征基团区域二阶导数图特点
（1）峰的数量：分为 3 个峰和 4 个峰。
（2）峰的形状：3 个峰的根据峰的强弱判断平缓的峰和峰尖，两个相邻的峰强点的宽度决定峰值点的形状。四个峰宽度基本相等，趋于一条直线。最左边峰值有一个较大的宽度。
（3）峰的位置：根据峰的强弱来判断峰的位置，左边峰强大于右边， 两边峰强大于中间，右边峰强大于左边。
2.第二特征基团区域二阶导数图特点
（1）峰的数量：分别为 1 个峰或 2 个峰。
（2）峰的位置：区间‘3’为划分界线，‘3’的左边有一个极小值，‘3’的右边有一个极小值，‘3’的两边分别有一个相等的极小值。
（3）峰的形状：峰值相邻的两个峰值点的宽度决定峰的形状。
根据上述分析的特征性与差异性，与 11 个地址进行对比，得到药材不同产地的鉴别结果。
4 模型的评价
灵活运用导数法和比对法策略，分别从中药材的类别和产地分析近红外和中红外光谱数据曲线图，利用数据挖掘技术进行深入分析和研究，达到对中药材类别、产地的鉴定。
本文中所采用的鉴别方法可用于对中药材类别、产地的鉴别，随着红外光谱技术的不断发展，该模型可进一步推广至食材种类、产地的鉴别等应用领域。
参考文献
1.
孙素琴, 周, 秦竹. 中药二维相关红外光谱鉴定图集[M]. 北京: 化学工业出版社.2003.
2.
姜大成,王永生,翁丽丽.常用中药光谱鉴定[M].北京:化学工业出版社.2006.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议