黑果枸杞属药食同源植物, 富含多糖、 蛋白质、 矿物质、 花青素等生物活性物质, 具有清除自由基、 抗氧化、 美容养颜及调节人体免疫系统的作用, 引起国内外研究者的极大关注, 备受消费者的追捧。 我国幅员辽阔, 黑果枸杞的种植主要分布于新疆、 西藏、 内蒙古、 青海、 宁夏等地, 不同产地受海拔、 日照、 环境因素的影响所产黑果枸杞品质也不尽相同。 针对市场上不同产地黑果枸杞产地信息标注混乱, 品质参差不齐而导致市场混乱现象, 利用近、 中红外光谱技术结合化学计量学方法对黑果枸杞的产地品质信息进行区分。 首先对所收集不同产地的5种, 共计190个黑果枸杞样本进行近、 中红外光谱采集及多糖含量的测定, 利用主成分分析(PCA)对所采集的原始数据进行降维处理并采用偏最小二乘-支持向量机(LS-SVM)对其进行定性区分。 结果显示, 经PCA处理后的三维主成分得分图可明显地将黑果枸杞的光谱数据按照产地类型分为5大类, 进一步采用LS-SVM对其进行处理, 得出融合光谱与单一近、 中红外光谱所建LS-SVM模型相比, 融合光谱所建模型的预测能力优于单一一种光谱所建模型的预测能力, 当主成分数为9时, 近、 中红外融合光谱的校正集识别率达到100%, 预测集识别率达到99.17%。 采用联合区间偏最小二乘(Si-PLS)对多糖含量进行定量预测, 结果显示, 近、 中红外光谱融合后建立Si-PLS预测模型的校正集相关系数(R_c)为0.976 9, 交互验证均方根误差(RMSECV)最小为2.08%, 预测集的相关系数(R_t)达到0.967 0, 均方根误差(RMSEP)为2.40%。 另外用15个新的黑果枸杞样本对所建立最佳Si-PLS模型进行验证, 验证模型的R_t和RMSEP分别为0.947 7和2.57%, 结果证明研究所建最佳Si-PLS模型的鲁棒性好、 精确度高。 结合LS-SVM、 Si-PLS的近、 中红外融合光谱技术, 可以精简、 优化模型, 达到快速、 准确地识别黑果枸杞的产地品质信息的目的。

在近红外光谱的建模预测分析中, 数据的冗余及共线性会严重影响模型的预测精度和稳健性。 特征波长选择是提高定量分析预测精度的一种有效方法。 随机蛙跳(RF)是一种依据不同的变量具有不同的被选择可能性的特征波长选择算法, 近年来在特征波长提取方面展现良好的性能。 该方法通过多次迭代, 计算每个变量被选择的概率, 以优选概率高的变量为特征波长。 但由于其初始变量集V₀的产生是随机的, 具有较大的不确定性, 可能会包含无用或干扰信息, 难以保证初始信息的有效性, 使得迭代次数过大, 运行时间过长。 故而提出一种改进的联合区间随机蛙跳(Si-RF)特征波长选择算法, 通过联合区间偏最小二乘法(SiPLS)对全谱进行变量初选, 此时得到的波长对目标变量变化最为敏感, 将其作为RF的初始变量子集, 以解决RF运行时间较长、 效率较低的问题。 另一方面, RF在选择特征波长时, 选择被选概率值大于阈值的变量为特征波长, 但对概率值阈值的设定无理论依据, 易受人为因素影响。 通过对变量按被选概率值降序排列后逐次增加一个波长建立多元线性回归(MLR)模型, 以验证均方根误差(RMSEV)值最低时的变量子集为特征波长, 以找到预测精度最高点所包含的波长, 提高预测精度。 针对上述两点进行改进, 将其应用于一组土壤样本近红外光谱数据集, 进行特征波长选择后, 建立MLR模型, 与RF-MLR及全谱-PLSR模型的预测精度进行比较。 结果表明: RF经过10 000次迭代, 优选出10个波长点, 建立的MLR模型的预测均方根误差(RMSEP)为1.6276; 而改进后Si-RF只需进行1 000次迭代, 优选出17个波长点, 其MLR模型的RMSEP减小到0.818 4, 大大提升了预测精度, 提高运行效率。 相较于全谱, 也极大的提高了预测精度, 简化模型的复杂度, 证明改进的Si-RF是一种有效的特征波长选择算法。