一种快速评定人参品质的方法

摘要

本发明公开了一种快速无损鉴别人参品质的方法，该方法采用智能香气敏感系统对不同等级人参香气检测，得到传感器响应信号，根据逐步判别法对传感器优化初步后，对比3种不同特征值提取方法，得到优化传感器有效特征值作为建模数据。利用GC-MS分析香气化合物的变化规律，测定半倍萜类化合物和芳香族化合物含量，建立它们与优化后传感器间的偏最小二乘（PLS）回归模型，进而实现对未知人参品质的评定。本发明利用气敏传感器阵列和气相质谱联用技术，实现了气敏传感器阵列的合理优化，建立了一种预测芳香族化合物含量和半倍萜类化合物含量的预测模型，进而实现人参品质的预测，为药材市场人参品质鉴别提供了一种新方法。

主权项

一种快速无损鉴别人参品质的方法，其特征在于，包括如下步骤：（1）根据国标GB/T 22536‑2008，将采集来的人参分成不同等级，将其表面去杂，洗净，在阴凉处挥干水分，均匀切片后，对不同等级人参进行标注，标记为一等品，二等品，三等品；按质量与体积配比0.1g/ml的规格将不同等级待测样品放入相同大小的密闭顶空进样瓶内，室温下静置90min‑120min，使待测样香气浓度达到饱和；（2）抽取待测样品的饱和顶空气体，注入到智能香气敏感系统中, 设置检测时间为120s‑160s, 清洗时间为180s‑240s, 气体流速为200ml/min‑400ml/min；得到传感器阵列响应值；（3）智能香气敏感系统检测人参样品的传感器响应值是一个数据矩阵，由多根传感器的响应值组成，选用各气敏传感器响应稳定后的最大值作为原始数据，采用Wilks 统计变量最小的原则对18根传感器进行逐步筛选优化，得到优化后的传感器组合；分别采用小波分析特征值提取法、微分特征值提取法和方差特征值提取法提取高维数据矩阵的特征值；选取优化传感器组合对应的3种特征值作为原始数据，运用主成分分析法和判别函数分析2种模式识别方法对不同特征值提取方法结果进行验证，计算贡献率，筛选出最有效特征值作为后续建模数据集；小波分析特征提取方法的表达式为：其中，W为基于小波分析法提取的特征值；i=1,2,3…n₁, n₁为低频近似系数的个数，a_3i为第3层分解结构的低频近似系数；微分特征提取方法的表达式为：其中，n₂表示系统对一个样品采样点数，n₂为120；x_i 一个测试样本响应值中的第i个测试值；表示采样点时间，为1秒；K为平均微分值，即特征值；方差特征值提取方法的表达式为其中，xi为传感器信号在第i时刻的响应值，为信号响应值的平均值，n₃为传感器检测时间，单位是s，n₃=120；（4）用进样针抽取步骤（1）中同批次密闭容器内各饱和气体，注入到GC‑MS中，香气分子经色谱柱分离，高能离子源碰撞，高压电场作用后，进入质谱检测器中，分子特定质荷比信息被记录下来；经NIST和Wiley谱库检索鉴定香气各成分，并按照积分面积法统计半倍萜类化合物和芳香族化合物的含量；GC‑MS检测条件分别如下，GC条件：尺寸为250μm×30m，0．25μm的HP‑1 Methyl Siloxane色谱柱；进样口温度250℃；升温程序:40℃保持3min，以5℃/min上升至150℃，保存5min, 再以5℃/min上升到250℃，保持10 min； 载气为He； 柱内载气流量1．00 ml/min；不分流；MS条件：EI离子源，电子能量70 eV；离子源温度230℃；接口温度150℃；溶剂延时2 min；倍增器电压1964.7 V；全范围扫描；分别建立这两种化合物含量随品质变化的曲线；根据步骤（2）所得结果，选取优化后传感器组合对应的3种特征值提取方法中贡献率最高的一组特征值为原数据，分别建立半倍萜类化合物和芳香族化合物含量与优化后传感器阵列的含量PLS预测模型；化合物含量预测模型的表达式为：Y1=a1*X1+……+ai*Xi+…… an*Xn+ b1；Y2=a1*X1+……+ai*Xi+……+an*Xn+b2；其中n表示优化后传感器的个数，Xi为优化的传感器的响应值，i=1‑n；Y1，Y2分别表示芳香族化合物含量和倍半萜类化合物的预测含量；系数a1, ai, an, b1,b2 均为常数；（5）按照步骤（1）和步骤（2），测得未知待测人参样品香气传感器响应值，参照步骤（3）选取优化后的传感器组合，以小波提取法计算优化的传感器特征值，以此为原始数据，代入步骤（4）中预测模型内，得预测值，从而实现快速无损评定人参品质。