牛肝菌作为一种著名的野生食用菌, 具有较高的食用价值和经济价值。 牛肝菌种类繁多, 不易区分, 建立一种有效、 快速、 可信的种类鉴别技术, 可为牛肝菌提高品质提供一种方法。 本研究采集云南不同地区7种野生牛肝菌共计683株, 获取样品中红外光谱和紫外光谱, 分析不同种类牛肝菌平均光谱图特征。 基于多种预处理组合(SNV+SG, 2D+MSC+SNV, 1D+MSC+SNV+SG, MSC+2D)的单一光谱数据结合两种特征值提取法(PCA, LVs)构建了偏最小二乘法判别分析与随机森林算法并结合数据融合策略对牛肝菌进行种类鉴别, 有一定的创新性。 结果表明: (1)中红外光谱和紫外光谱的不同种类牛肝菌平均光谱吸收峰差异较小, 吸光度具有细微差异。 (2)合适的预处理可提高光谱数据信息, 偏最小二乘法判别分析和随机森林算法模型的中红外光谱数据和紫外光谱数据最佳预处理组合为2D+MSC+SNV, SNV+SG, 2D+MSC+SNV, 1D+MSC+SNV+SG。 (3)单一光谱模型中, 中红外光谱模型优于紫外光谱模型, 中红外光谱最佳预处理组合2D+MSC+SNV的偏最小二乘法判别分析模型正确率训练集99.78%, 验证集99.12%; 随机森林模型正确率训练集93.20%, 验证集99%。 (4)数据融合策略提高了分类正确率, 低级融合的偏最小二乘法判别分析模型训练集和验证集正确率为100%, 99.12%。 随机森林模型训练集和验证集正确率为92.32%, 99.14%。 (5)随机森林算法中级数据融合Latent variable(LVs)正确率为训练集92.76%, 验证集96.04%; 中级数据融合Principal components analysis(CPA)正确率为训练集97.15%, 验证集100%。 (6)偏最小二乘法判别分析中级数据融合(LVs)正确率为训练集100%, 验证集99.56%; 中级数据融合(CPA)训练集和验证集正确率均能达到100%。 基于偏最小二乘法判别分析和随机森林算法结合数据融合策略对牛肝菌进行种类鉴别, 鉴别效果理想。 偏最小二乘法判别分析中级数据融合(CPA)可作为一种低成本高效率的牛肝菌种类鉴别技术。

我国是全球最大的牛肝菌出口国, 云南则是国内牛肝菌最大产区。 美味牛肝菌香郁爽滑、 营养丰富, 备受消费者青睐, 但因不同的地理气候和环境差异, 导致品质参差不齐。 开展云南省不同产区美味牛肝菌产地鉴别, 有利于提高商品质量控制。 本研究采集云南省13个产地美味牛肝菌样品124份, 使用傅里叶变换中红外光谱(FTIR-MIR)、 傅里叶变换近红外光谱(FTIR-NIR)、 紫外可见光谱(UV-Vis)和电感耦合等离子体原子发射光谱法测定光谱信息与不同部位矿质元素含量并进行分析, 对原始光谱进行平滑(Savitzky-Golay, SG)、 二阶导数(SD)、 标准正态变换(SNV)等预处理, 数据使用Kennard-Stone分类法分为训练集与预测集, 通过偏最小二乘辨别分析(PLS-DA)和支持向量机(SVM)建立分类模型后进行对比分析, 寻找最佳的产地鉴别方法。 结果显示: (1)元素测定方法中茶叶标准物质回收率在91.00%~106.00%之间, 方法准确可靠; (2)美味牛肝菌富含元素K, P, Mg, Na和Ca且不同部位相同产地, 不同产地相同部位元素之间存在差异性, 可能与美味牛肝菌不同部位的富集能力和不同产地地理环境差异相关; (3)中级融合通过主成分分析(PCA)提取重要信息, 其中FTIR-MIR和UV-Vis光谱数据的累计贡献率达到83.50%和66.70%, 代表重要信息变量; (4)在PLS-DA与SVM模型中, 数据融合后的产地鉴别效果基本高于单一数据鉴别, 说明数据融合策略在美味牛肝产地鉴别中效果显著; (5)采用Hottelling T2检测法对数据融合进行异常值检验, 结果表明模型未超过置信区间, 具有准确性与可信性; (6)PLS-DA模型的初级融合和中级融合结果都高于SVM, 说明PLS-DA模型中级融合可以作为产地鉴别的最佳方法。 多种光谱结合不同部位矿质元素可准确鉴别不同产地美味牛肝菌, 为云南美味牛肝菌地域品质差异评价提供有效的分析方法。