文献类型：期刊文章

作　　者：李仲[1] 刘明地[2] 吉守祥[2]

机构地区：[1]青海民族大学物理与电子信息工程学院,青海西宁810007 [2]青海民族大学化学与生命科学学院,青海西宁810007

出　　处：《光谱学与光谱分析》

基　　金：国家自然科学基金项目(81160554);国家教育部春晖计划(Z2012108)资助

年　　份：2016

卷　　号：36

期　　号：3

起止页码：720-723

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI(收录号：20161902371700)、IC、INSPEC、JST、PUBMED、RCCSE、RSC、SCI(收录号：WOS:000372478000022)、SCI-EXPANDED(收录号：WOS:000372478000022)、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：应用红外光谱技术,快速鉴别枸杞药材产地。利用傅里叶变换红外光谱,测定了45个来自青海省不同产地的枸杞样品的红外光谱。以常规预处理方法和小波变换对红外光谱原始数据进行了预处理。对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正,小波变换是一种有效实用的光谱预处理方法。为了提高神经网络的训练速度,在利用人工神经网络建立模型之前,通过小波变换的方法对光谱变量进行了压缩,同时对建立的模型的相关参数进行了详细的讨论。结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络。其中隐含层神经元个数为5个,输出层神经元个数为1个。隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是learngdm。net.trainParam.epochs=1 000,net.trainParam.goal=0.001。对10个未知枸杞产地类别进行了预测,预测结果准确率达100%。实验表明,建立的模型能够正确地对枸杞样品快速地进行产地鉴别。红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。

关 键 词：枸杞 傅里叶变换红外光谱 小波变换 人工神经网络

分 类 号：O641]