郭云香，陳 龍， 李曉瑾，王果平， 蔣益萍 ，辛海量， 賈曉光

(1 新疆醫(yī)科大學(xué) 中醫(yī)學(xué)院，新疆 烏魯木齊 830011；2 新疆維吾爾自治區(qū)中藥民族藥研究所,國家中醫(yī)藥管理局新疆中藥民族藥資源重點實驗室,新疆 烏魯木齊 830002；3 海軍軍醫(yī)大學(xué)藥學(xué)院生藥學(xué)教研室，上海 200433；4 襄陽市中心醫(yī)院 湖北文理學(xué)院附屬醫(yī)院，湖北 襄陽 441021；5 湖北中醫(yī)藥大學(xué) 中藥資源和中藥復(fù)方教育部重點實驗室，湖北 武漢 430065)

啤酒花HumuluslupulusL.為桑科葎草屬啤酒花的干燥雌性球穗狀花序，不僅是釀造啤酒的重要添加原料[1]。在我國還作為民族藥使用。被收錄于《新疆藥用植物志》《內(nèi)蒙古植物藥志》《寧夏中藥志》《哈薩克藥物志》《四川中藥志》等，具有止咳化痰、健胃、消食、鎮(zhèn)靜、利尿的功效，為藥食兩用的新疆特色資源植物[2]。在歐洲，啤酒花提取物用于緩解更年期的潮熱不適以及絕經(jīng)后骨質(zhì)疏松癥[3]。傳統(tǒng)啤酒花生藥的鑒別方法有顯微鑒定、理化鑒定[4]及非線性化學(xué)指紋圖譜[5-6]等，但這些方法都存在實驗復(fù)雜、檢測時間過長等缺點。近紅外漫反射光譜技術(shù)(NIR)其無損、快速、準確的優(yōu)點能夠反映樣品的綜合信息，在植物藥[7]、動物藥[8]和礦物藥[9]中均有涉及，能反映分子中C-H、N-H、O-H基團基頻振動的倍頻吸收與合頻吸收。本研究將運用近紅外漫反射光譜(NIRS)技術(shù)，將主成分分析(PCA)和支持向量機(SVM)等化學(xué)計量學(xué)算法相結(jié)合，建立快速無損的PCA-SVM識別模型，用于國產(chǎn)和進口啤酒花的快速鑒別。

1 儀器與材料

1.1 儀器

MPA傅里葉變換近紅外光譜儀(德國布魯克光學(xué)儀器公司，配備固體積分球漫反射附件)，OPUS 7.5 采集和處理軟件(德國布魯克光學(xué)儀器公司)，MATLAB R2014b軟件(美國Math Works公司)。

1.2 樣品

2017年采集的國內(nèi)外不同地方的啤酒花樣品均經(jīng)第二軍醫(yī)大學(xué)藥學(xué)院生藥教研室辛海量副教授鑒定，并密封存放于干燥陰涼處，詳細采集信息見表1。

表1 啤酒花樣品產(chǎn)地來源及采集時間

(續(xù)表1)

2 方法與結(jié)果

2.1 近紅外光譜采集

共計56批樣品，分別取2g置于樣品瓶中，采用積分球漫反射測試模式掃描NIR光譜。光譜掃描范圍4 000～12 500 cm-1，掃描次數(shù)32次，儀器分辨率為8 cm-1。每個樣品重復(fù)掃描3次，取平均值作為該樣品的分析光譜。所有樣品NIR光譜見圖1。

2.2 樣本集劃分及類別標簽值設(shè)定

將56批樣品按2:1比例隨機分為校正集和測試集2個子集，校正集訓(xùn)練模型，并以內(nèi)部交叉驗證法驗證模型性能，測試集對所建模型進行預(yù)測能力評價。采用矢量歸一化法(VN)、一階導(dǎo)數(shù)(FD)、二階導(dǎo)數(shù)(SD)對樣品進行光譜預(yù)處理，運用PCA-SVM算法，以 RBF(高斯徑向基核函數(shù))為核函數(shù)，分別采用網(wǎng)格搜索優(yōu)化法、遺傳算法(GA)、粒子群算法(PSO)并結(jié)合五折交叉驗證法進行建模，并以五折交叉驗證準確率為指標，對SVM模型參數(shù)組合(c,g)進行尋優(yōu)，用尋優(yōu)所確定的最佳參數(shù)建立PCA-SVM模型，并用所建模型對校正集和測試集樣品進行預(yù)測，計算預(yù)測準確率。具體分集信息見表1。

圖1 56份啤酒花樣品的近紅外原始光譜疊加圖

2.3 PCA降維及光譜預(yù)處理

2.3.1PCA降維

PCA是一種將原來多個具有一定相關(guān)性的眾多指標，重新組合成一組新的互相無關(guān)的綜合指標的統(tǒng)計分析方法[11]。運用PCA方法對近紅外光譜數(shù)據(jù)特征提取和壓縮，對多維數(shù)據(jù)進行降維，去除輸入隨機向量之間的相關(guān)性，突出原始數(shù)據(jù)中的隱含特性，可消除眾多信息共存中相互重疊的信息部分。選擇特征值較大的幾個主成分作為特征變量進行模式識別[12]。

在OPUS軟件中，將校正集樣本初始建模譜段的原始光譜數(shù)據(jù)，進行PCA降維處理，提取前兩個主成分，利用各樣品的第一主成分(PC1)和第二主成分(PC2)得分值繪制平面散點圖(圖2)。

圖2 第一主成分(PC1)和第二主成分(PC2)得分平面散點圖 進口：藍色；國產(chǎn)：紅色

2.3.2光譜預(yù)處理

在用近紅外漫反射儀進行光譜信息采集時，得到的樣品信息包括除自身信息外的無關(guān)信息，例如由于儀器、樣品粒徑大小、裝樣量、重復(fù)測量次數(shù)等引起的基線不平、噪音干擾，為了得到可靠的信息，需要對光譜進行預(yù)處理以消除干擾，建立更可靠的模型。采用光譜預(yù)處理方法有矢量歸一化法(VN)、一階導(dǎo)數(shù)法(FD)、二階導(dǎo)數(shù)法(SD)建立定性模型，并以模型效果確定最佳預(yù)處理方法。

為確定最佳的光譜預(yù)處理方法，提取有效的主成分。利用Matlab R2014b軟件，在訓(xùn)練集樣品的9 000～4 100 cm-1譜段，分別對VN,FD或SD預(yù)處理后的光譜進行PCA降維，并提取不同預(yù)處理條件下的前兩個主成分，利用各樣品的第一主成分(PC1)和第二主成分(PC2)得分值繪制平面散點圖(圖3)。

由圖3可知，校正樣品經(jīng)VN、FD、SD預(yù)處理后可見鑒別趨勢，但VN、SD預(yù)處理后部分同類別樣品分布較近，易混淆。而校正集樣品的光譜經(jīng)FD預(yù)處理后，其主成分得分的散點圖上，同類樣品彼此靠近，異類樣品彼此分離，相比于其他預(yù)處理方法，其分類效果最佳，故確定FD為最佳光譜預(yù)處理方法。光譜在9 000～4 100cm-1譜段的光譜經(jīng)FD預(yù)處理后，消除了基線漂移，同時光譜峰差異得到顯著放大，更有利于進行品種鑒別。

2.4 特征譜段篩選

在9 000～4 100 cm-1譜段中還包括水的特征吸收7 500～6 500 cm-1,5 400～5 000 cm-1。此外還有尚不明確的干擾信息，因此，為簡化模型，消除干擾，提高模型穩(wěn)定性，對建模譜段進行篩選。在不降低模型鑒別能力的情況下，盡可能縮小建模譜段的范圍。

由圖4，在排除水分的干擾后，初始建模譜段可被分為3部分：9 000～7 500 cm-1,6 500～5 400 cm-1,5 000～4 100 cm-1，故將上述SD預(yù)處理后的三個譜段，分別進行PCA降維，提取前兩個主成分，繪制主成分得分散點圖(圖5)。由圖5可見6 500～5 400 cm-1譜段效果最佳，該譜段條件佳，PCA得分散點圖上，同類樣品點相對集中，異類樣品點能較好分離。但3批樣品出現(xiàn)類別混亂。尚需進一步的優(yōu)化。

因此，選取6 500～5 400 cm-1譜段，以FD為最佳預(yù)處理方法進行光譜預(yù)處理，以PCA提取主成分，獲得各樣品光譜的主成分得分，作為SVM模型的輸入變量，建立國產(chǎn)和進口啤酒花的近紅外光譜PCA-SVM定性分析模型。

圖3 光譜預(yù)處理VN、FD、SD散點圖 A.矢量歸一化法散點圖；B.一階導(dǎo)數(shù)法散點圖；C.二階導(dǎo)數(shù)法散點圖

圖4 啤酒花樣品的一階導(dǎo)數(shù)NIRS

2.5 SVM建模

2.5.1SVM算法

SVM算法[13]是一種基于統(tǒng)計學(xué)理論的新的機器學(xué)習(xí)方法，SVM通過尋求結(jié)構(gòu)化風(fēng)險最小來提高學(xué)習(xí)機泛化能力，實現(xiàn)經(jīng)驗風(fēng)險和置信范圍的最小化，達到在統(tǒng)計樣本量較少的情況下，獲得良好統(tǒng)計規(guī)律的目的。在解決小樣本、非線性、高維數(shù)據(jù)時具有很大優(yōu)勢，在很大程度上能夠克服“過學(xué)習(xí)”和“維數(shù)災(zāi)難”等問題。SVM常用核函數(shù)有多項式、Sigmoid感知核和高斯徑向基核(RBF)。其中，RBF核函數(shù)[14]是應(yīng)用最廣泛的核函數(shù)，適用于低緯、高維、小樣本或大樣本等情況，是較為理想的分類依據(jù)函數(shù)。

2.5.2內(nèi)部參數(shù)優(yōu)化

在RBF為核函數(shù)的SVM算法中有2個重要的參數(shù)：懲罰因子c和核函數(shù)參數(shù)g，不同參數(shù)所建立的模型的預(yù)測能力不同，故參數(shù)優(yōu)化的方法在建模過程中有著很大的影響。網(wǎng)格搜索法(GS)是SVM問題上應(yīng)用最為普遍的參數(shù)尋優(yōu)算法，它是將參數(shù)(c,g)在一定的空間范圍中劃分成網(wǎng)格，從網(wǎng)格中全部的點中找到最優(yōu)參數(shù)[15]。此外，遺傳算法(GA)和粒子群算法(PSO)是近年來迅猛發(fā)展起來的智能算法，GA算法是借鑒生物界自然選擇和遺傳機制，利用選擇、交換和突變等算法的操作，隨著不斷的遺傳迭代，保留目標數(shù)據(jù)較優(yōu)的變量，最終達到最優(yōu)結(jié)果的一種方法[16]。PSO算法模擬鳥群飛行覓食的行為，通過鳥之間的集體協(xié)作使群體達到最優(yōu)目的。在PSO算法系統(tǒng)中，每個備選解被稱為一個粒子，多個粒子共存、合作尋優(yōu)，每個粒子根據(jù)其自身的經(jīng)驗和相鄰粒子群的最佳經(jīng)驗在問題空間中向更好的位置飛行，搜索最優(yōu)解[17]。

基于上述原理，本文使用了RBF核函數(shù)建立國產(chǎn)和進口啤酒花的SVM模式分類模型。模型以FD預(yù)處理的樣品光譜(6500-5400cm-1)經(jīng)PCA提取的前兩個主成分得分為SVM輸入變量，以各類樣品的類別標簽值為輸出，分別采用網(wǎng)格搜索優(yōu)化法、GA、PSO并結(jié)合五折交叉驗證法，以五折交叉驗證準確率為指標，對SVM模型參數(shù)組合(c,g)進行尋優(yōu)，用尋優(yōu)所確定的最佳參數(shù)建立PCA-SVM模型，并用所建模型對校正集和測試集樣品進行預(yù)測，計算預(yù)測準確率。綜合考慮五折交叉驗證準確率、校正集預(yù)測準確率和測試集預(yù)測準確率，對PCA-SVM模型進行評價。不同尋優(yōu)方法的尋優(yōu)過程見圖6所示，所得參數(shù)建立的SVM模型效果見表2。

綜合對比上述預(yù)測準確率，準確率越高，模型越好，據(jù)此判斷最佳SVM模型。由表2，不同尋優(yōu)方法下，兩個主成分所建PCA-SVM模型的效果一致。但PSO尋優(yōu)所確定的c值偏大而g值偏小，該選優(yōu)方法不合適。對比網(wǎng)格搜索法和GA尋優(yōu)過程，發(fā)現(xiàn)GA尋優(yōu)操作更為復(fù)雜，且具有一定隨機性，故確定網(wǎng)格搜索法為最佳。依據(jù)網(wǎng)格尋優(yōu)結(jié)果，確定最佳c和g值均為1，利用前2個主成分得分值建立的PCA-SVM模型對校正集和測試集預(yù)測準確率均較高(>85%)。但考察主成分累計貢獻率變化(圖7)，前兩個主成分累計貢獻率為91.70%(<95%)，2個主成分包含原光譜數(shù)據(jù)的信息量有限，是否為最佳建模主成分數(shù)尚不明確，故對主成分數(shù)進行優(yōu)選，進一步提高PCA-SVM模型性能。

圖5 不同建模波段的一階導(dǎo)數(shù)PCA得分散點圖 A.9 000～7 500 cm-1；B.6 500～5 400 cm-1；C.5 000～4 100 cm-1

圖6 SVM內(nèi)部參數(shù)尋優(yōu)過程圖 A.網(wǎng)格搜索優(yōu)化法；B.遺傳算法；C.粒子群優(yōu)化算法

尋優(yōu)算法主成分數(shù)cg準確率/%五折交叉驗證校正集測試集網(wǎng)格21192.1192.11(35/38)88.89(16/18)GA22.55660.344792.1192.11(35/38)88.89(16/18)PSO2778.68770.00192.1192.11(35/38)88.89(16/18)

圖7 主成分累計貢獻變化圖

2.5.3主成分數(shù)進一步優(yōu)選

經(jīng)原始光譜(9 000～4 100 cm-1)FD預(yù)處理、PCA降維得到前2個主成分，并提取特征譜段數(shù)據(jù)(6 500～5 400 cm-1)進行SVM建模，前2個是否為必要或最佳主成分尚不明確，且對原始光譜數(shù)據(jù)信息的代表性不強，故需對主成分數(shù)進行優(yōu)選。在前2個主成分的基礎(chǔ)上，增加建模的主成分個數(shù)，將PCA提取前3、4、5、6、7、8、9、10個主成分，以防數(shù)據(jù)丟失。但主成分數(shù)增加會使模型穩(wěn)定性減低，故需對建模的主成分數(shù)進行篩選。根據(jù)上述SVM算法建模及尋優(yōu)過程依次建立8個PCA-SVM分類模型，由圖7可得，前10個主成分累計貢獻率達99.74%，前10個主成分的貢獻率相對較大，對原數(shù)據(jù)的代表性較強，故本研究在這前10個主成分中進行篩選，依次建立不同主成分數(shù)的PCA-SVM模型，并對比建模效果見表3。

表3 不同主成分數(shù)的PCA-SVM模型的建模參數(shù)及驗證、評價效果

由表2和表3可知：隨主成分數(shù)的增加，校正集和測試集預(yù)測準確率均增加，其中當(dāng)主成分數(shù)為8時，校正集預(yù)測準確率達到最大，其后保持穩(wěn)定；當(dāng)主成分數(shù)為7時，測試集預(yù)測準確率達到最大，并保持穩(wěn)定。此外，五折交叉驗證準確率先增大，后減小，當(dāng)主成分數(shù)為8時，五折交叉驗證準確率最大。故確定啤酒花樣品最佳主成分數(shù)為8。即以PCA提取的前8個主成分得分為PCA-SVM的輸入變量。

2.6 SVM評價

綜上所述，在6 500～54 00 cm-1建模譜段，確定最佳光譜預(yù)處理方法為一階導(dǎo)數(shù)法(FD)，F(xiàn)D預(yù)處理光譜PCA降維后，確定最佳主成分前8個主成分(PC1,PC2,...,PC8)。經(jīng)網(wǎng)格搜索法確定最佳SVM建模參數(shù)組為：c=2,g=1，所建PCA-SVM模型對校正集和測試集樣品預(yù)測正確率均分別為97.37%和97.44%，預(yù)測準確率高。模型五折交叉驗證準確率亦達97.37%，模型性能最佳。該模型對校正集和測試集預(yù)測結(jié)果見圖8。

通過圖8可以看出，在尋優(yōu)過程中發(fā)現(xiàn)，網(wǎng)格搜索算法尋優(yōu)原理簡單，具有可重復(fù)性，而PSO算法和GA尋優(yōu)的智能算法，其運算過程具有一定的隨機性，對復(fù)雜問題的解決能力更強。建立光譜數(shù)據(jù)經(jīng)FD預(yù)處理后進行降維，使得建模復(fù)雜度相對簡化，且不同樣品的趨向度不一致，故確定最優(yōu)內(nèi)部尋優(yōu)方法為網(wǎng)格搜索算法。以網(wǎng)格搜索算法確定的模型8對訓(xùn)練集和測試集樣品的預(yù)測可知，校正集的第9個樣品PJH-14預(yù)測錯誤，測試集的第17個樣品PJH-51預(yù)測錯誤，可能樣品的基數(shù)過小，可達標原始光譜的絕大多數(shù)信息。

圖8 模型8對樣品的預(yù)測效果 A.預(yù)測集；B.校正集

3 討論

本實驗通過收集國產(chǎn)和進口啤酒花樣品，在收集的56個樣品中，有21個進口啤酒花，35個國產(chǎn)啤酒花，利用NIRS光譜，建立了啤酒花中藥材的PCA-SVM模式識別模型，該模型對預(yù)測集和校正集樣品的預(yù)測準確率高。模型五折交叉驗證準確率亦達97.37%，模型性能最佳?？捎糜谄【苹悠返目焖勹b別。建模過程中，本文采用光譜PCA降維所得的主成分得分平面散點圖，對光譜預(yù)處理主成分進行優(yōu)選，根據(jù)樣品的趨勢，確定樣品的最佳預(yù)處理方法。然后對SVM的內(nèi)部參數(shù)進行GA算法、PSO算法尋優(yōu)，建立PCA-SVM算法，快速鑒別啤酒花樣品。

本文首次將NIRS技術(shù)應(yīng)用于啤酒花中藥材的鑒別，證明了其具有可能性，為啤酒花的鑒別提供了新的方法。但由于樣本量及產(chǎn)地的限制，本文在對啤酒花樣品進行模型五折交叉驗證中校正集第9個樣品PJH-14預(yù)測錯誤，測試集第17個樣品PJH-51預(yù)測錯誤。后期需對樣品量和產(chǎn)地、品種進行擴增，對模型進行完善。使該方法可以快速鑒別啤酒花，提高測試正確率和準確率。該方法也可用于其他中藥材的鑒別，例如礦物類和樹脂類中藥材[18-19]。本研究方法較新，收集樣品量大，建立方法具有一定的應(yīng)用和推廣價值。