【技术实现步骤摘要】
本专利技术涉及光学分析，更具体地说，本专利技术涉及一种基于近红外光谱仪和层次分析法-熵权法的陈皮综合品质评价方法及装置。
技术介绍
1、陈皮为芸香科植物橘(citrus reticulata blanco)及其栽培变种的干燥成熟果皮，药材分为“陈皮”和“广陈皮(新会陈皮)”，而以广陈皮为质佳。陈皮始载于《神农本草经》，味苦、辛，性温，归肺、脾经，可理气健脾，燥湿化痰，常用于脘腹胀满，食少吐泄，咳嗽痰多等症。陈皮中含有丰富的黄酮类、挥发油类、多糖和微量元素等物质，在抗炎、抗氧化、抗肿瘤、抗病毒及抗动脉粥样硬化等方面发挥着重大作用。
2、中药品质的优劣影响中药的安全性和有效性，关系着临床疗效的优劣和科学研究的发展。现阶段，中药品质评价主要采用性状评价、化学评价和生物评价等单一的中药品质评价模式，其评价体系具有一定的片面性和局限性。如公告号cn114252520a的中国专利公开了一种陈皮的检测分级方法，其采用高效液相色谱法，特别是配合合适的高效液相色谱条件，对不同品质级别陈皮间存在的差异成分进行检测，并分析这些差异成分的峰面积，特别是这些差异成分的峰面积与维采宁-2峰面积的比值，确定待测陈皮的类型，最终实现待测陈皮品质评价，但评价模式单一，不够全面。
3、因此，此本专利技术提出一种基于近红外光谱仪和和层次分析法-熵权法的陈皮品质综合评价方法。
技术实现思路
1、本专利技术的目的是提供一种基于近红外光谱仪和层次分析法-熵权法的陈皮综合品质评价方法，其采集不同产地年份
2、为了实现本专利技术的这些目的，本专利技术提供的一种基于近红外光谱仪和层次分析法-熵权法的陈皮综合品质评价方法，包括：
3、步骤一、制备陈皮样品，并获取陈皮样品的近红外光谱数据；近红外光谱数据包括：原始近红外光谱数据和预处理近红外光谱数据，预处理包括：进行一阶导数(1stderivative)、二阶导数(2nd derivative)、savitzky-golay平滑(sg)、多元散射校正(msc)、一阶导数+savitzky-golay平滑(1st derivative+sg)、二阶导数+savitzky-golay平滑(2ndderivative+sg)、多元散射校正+一阶导数+savitzky-golay平滑(msc+1st derivative+sg)、多元散射校正+二阶导数+savitzky-golay平滑(msc+2nd derivative+sg)任一项；
4、步骤二、获取陈皮样品的产地年份信息，测定陈皮样品中的橙皮苷含量、川陈皮素含量、橘皮素含量、陈皮抗炎活性(anti-no)、鲜味、甜味、苦味、总体喜欢度和综合评分值；
5、步骤三、根据陈皮样品的近红外光谱数据分别与产地年份信息、橙皮苷含量、川陈皮素含量、橘皮素含量、陈皮抗炎活性(anti-no)、鲜味、甜味、苦味、总体喜欢度和综合评分值进行关联，建立陈皮产地年份判别模型、橙皮苷定量模型、川陈皮素定量模型、橘皮素定量模型、抗炎活性定量模型、鲜味定量模型、甜味定量模型、苦味定量模型、总体喜欢度定量模型、综合评分定量模型中的任一个或多个；
6、步骤四、将待测定的陈皮样品的近红外光谱数据代入到陈皮产地年份判别模型、橙皮苷定量模型、川陈皮素定量模型、橘皮素定量模型、抗炎活性(anti-no)定量模型、鲜味定量模型、甜味定量模型、苦味定量模型、总体喜欢度定量模型、综合评分定量模型中，获得待测定陈皮样品的产地年份信息、橙皮苷含量、川陈皮素含量、橘皮素含量、陈皮抗炎活性(anti-no)、鲜味、甜味、苦味、总体喜欢度和综合评分值等陈皮品质指标，用于评价陈皮品质。
7、优选地，所述步骤一中，对不同产地年份的陈皮样品进行粉碎，过筛，得到陈皮粉末；将陈皮粉末装入石英皿中，装填高度为1～2厘米，利用光谱仪测定陈皮样品的近红外光谱数据，测定的波长范围900～1700nm(纳米)。
8、优选地，所述步骤三中：
9、1)所述陈皮产地年份判别模型的建立过程为：
10、根据陈皮样品的产地年份数据与近红外光谱数据建立偏最小二乘判别分析模型(pls-da)或正交偏最小二乘判别分析模型(opls-da)。
11、2)所述橙皮苷定量模型的建立过程为：
12、橙皮苷含量参考值获取：使用高效液相色谱法测定陈皮中的橙皮苷含量；
13、根据陈皮样品的橙皮苷含量与近红外光谱数据，建立全光谱偏最小二乘回归(full-pls)模型、联合区间偏最小二乘回归(si-pls)、后向区间偏最小二乘回归(bi-pls)和支持向量回归模型(svr)，并选取最优建模参数，确保橙皮苷含量预测模型的准确性、鲁棒性和稳定性。
14、3)所述川陈皮素定量模型的建立过程为：
15、川陈皮素含量参考值获取：使用高效液相色谱法测定陈皮中川陈皮素的含量；
16、根据陈皮样品的川陈皮素含量与近红外光谱数据，建立全光谱偏最小二乘回归(full-pls)模型、联合区间偏最小二乘回归(si-pls)、后向区间偏最小二乘回归(bi-pls)和支持向量回归模型(svr)，并选取最优建模参数，确保川陈皮素含量预测模型的准确性、鲁棒性和稳定性。
17、4)所述橘皮素定量模型的建立过程为：
18、橘皮素含量参考值获取：使用高效液相色谱法测定陈皮中橘皮素的含量；
19、根据陈皮样品的橘皮素含量与近红外光谱数据，建立全光谱偏最小二乘回归(full-pls)模型、联合区间偏最小二乘回归(si-pls)、后向区间偏最小二乘回归(bi-pls)和支持向量回归模型(svr)，并选取最优建模参数，确保橘皮素含量预测模型的准确性、鲁棒性和稳定性。
20、5)所述抗炎活性(anti-no)定量模型的建立过程为：
21、anti-no参考值获取：利用raw264.7细胞构建炎症模型，使用no检测试剂盒，测定给予陈皮水提物后细胞上清液的no含量，计算一氧化氮生成抑制率；
22、根据陈皮样品的陈皮抗炎活性与近红外光谱数据，建立全光谱偏最小二乘回归(full-pls)模型、联合区间偏最小二乘回归(si-pls)、后向区间偏最小二乘回归(bi-pls)和支持向量回归模型(svr)，并选取最优建模参数，确保anti-no预测模型的准确性、鲁棒性和稳定性。
23、6)所述鲜味定量模型的建立过程为：
24、鲜味参考值获取：通过感官评价计算鲜味值；
25、根据陈皮样品的鲜味与近红外光谱数据，建立全光谱偏最小二乘回归(full-pls)模型、联合区间偏最小二乘回归(本文档来自技高网...
【技术保护点】
1.一种基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，包括：
2.如权利要求1所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，利用光谱仪测定陈皮样品的近红外光谱数据，测定的波长范围900～1700nm。
3.如权利要求2所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，所述综合评分值由层次分析法结合熵权法确定橙皮苷、川陈皮素、橘皮素、抗炎活性、鲜味、甜味、苦味和总体喜欢度的权重来计算得到。
4.如权利要求3所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，
5.如权利要求4所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，偏最小二乘判别分析模型或正交偏最小二乘判别分析模型建立方法为：
6.如权利要求4所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，全光谱偏最小二乘回归模型、联合区间偏最小二乘回归模型、后向区间偏最小二乘回归模型和支持向量回归模型的建立方法如下：>
7.如权利要求6所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，建立所述回归模型中，交叉验证优化建模参数，用预测相关系数RP，预测均方根误差RMSEP，相对分析误差RPD来评价模型性能。
8.如权利要求6所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，所述橙皮苷定量模型为后向区间偏最小二乘回归模型；所述川陈皮素定量模型为联合区间偏最小二乘回归模型；所述橘皮素定量模型为支持向量回归模型；所述抗炎活性定量模型为后向区间偏最小二乘回归模型；所述鲜味定量模型为全光谱偏最小二乘回归模型；所述甜味定量模型为联合区间偏最小二乘回归模型；所述苦味定量模型为后向区间偏最小二乘回归模型；所述总体喜欢度定量模型为联合区间偏最小二乘回归模型；所述综合评分定量模型为联合区间偏最小二乘回归模型。
9.如权利要求6所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，将未知陈皮样品的光谱数据导入到相应的定量模型中，得到相应的陈皮品质指标。
10.一种基于近红外光谱仪和层次分析法-熵权法的陈皮综合品质评价装置，包括存储单元和处理单元，存储单元存储权利要求1～9任一项所述基于近红外光谱仪和层次分析法-熵权法的陈皮综合品质评价方法程序和数据，处理单元执行权利要求1～9任一项所述基于近红外光谱仪和层次分析法-熵权法的陈皮综合品质评价方法。
...【技术特征摘要】
1.一种基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，包括：
2.如权利要求1所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，利用光谱仪测定陈皮样品的近红外光谱数据，测定的波长范围900～1700nm。
3.如权利要求2所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，所述综合评分值由层次分析法结合熵权法确定橙皮苷、川陈皮素、橘皮素、抗炎活性、鲜味、甜味、苦味和总体喜欢度的权重来计算得到。
4.如权利要求3所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，
5.如权利要求4所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，偏最小二乘判别分析模型或正交偏最小二乘判别分析模型建立方法为：
6.如权利要求4所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，全光谱偏最小二乘回归模型、联合区间偏最小二乘回归模型、后向区间偏最小二乘回归模型和支持向量回归模型的建立方法如下：
7.如权利要求6所述的基于近红外光谱和层次分析法-熵权法的陈皮综合品质评价方法，其特征在于，建立所述回归模型中...
【专利技术属性】
技术研发人员：苏志恒，李金凤，梁永红，邹紫微，潘孜萍，邓利军，黄会莎，杨莹，韦柳燕，吴金霞，任楚乔，
申请(专利权)人：广西医科大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。