水果采收期的成熟度决定了其最终食用品质, 选择果实最佳的采收期是提高水果品质的关键措施之一。 可见-近红外光谱技术以其快速、 无损的检测特点, 适合用于水果的成熟度、 采收期检测。 由于采收期果实品质差异大, 传统化学计量学方法需进行复杂的光谱预处理, 模型难以满足不同的季节、 果园等需求。 提出了一种基于全卷积神经网络（CNNs）的黄花梨采收期可见-近红外光谱（Vis-NIR）检测方法, 利用卷积神经网络进行光谱特征信息提取, 采用误差反向传播算法结合随机梯度下降法进行层与层之间的连接权重调节, 输出多采收期的Logistic回归结果, 实现了黄花梨采收期的端到端检测。 设计了包含1个输入层、 2个卷积层、 1个池化层和1个Softmax输出层等5层的一维全卷积神经网络, 采用交叉熵为损失函数, 增加L2正则项以防止模型的过拟合, 无光谱预处理, 对比分析了此方法与PLSDA方法的建模结果。 试验采集了两个年度黄花梨样品共450个, 其中, 第一年度的300个组成训练集, 90个样本组成测试集1, 第二年度的60个样本组成测试集2。 实验结果表明, 当测试集样品与训练集来自相同年份时, PLSDA和CNNs模型对测试样品集采收期正确识别率均为100%, 当测试集样品来自不同年份时, 测试集样品采收期的正确识别率分别降为41.67%和88.33%, 相关系数、 互信息计算模型的回归系数表明, CNNs模型充分利用了样品全波段信息。 可见, CNNs方法通过迭代对卷积核进行优化, 实现了更灵活的光谱预处理, 可降低模型训练难度, 所建模型有较好的可解释性和泛化能力, 该方法对建立稳健的水果采收期可见-近红外光谱检测模型有一定的参考价值, 有利于实现水果精细化的分期、 分批采收。

傅里叶变换红外光谱（FTIR）结合偏最小二乘判别分析（PLS-DA）和偏最小二乘回归（PLSR）对不同采收期滇重楼（Paris polyphylla var yunnanensis）分别进行定性鉴别与定量分析, 以期为滇重楼合理采收和鉴别评价提供科学依据。 采集46份不同采收期滇重楼样品的红外光谱, 对光谱数据进行自动基线校正+纵坐标归一化+自动平滑+小波去噪（WD）预处理后进行PLS-DA分析; 采用超高效液相色谱测定样品中重楼皂苷Ⅰ, Ⅱ, Ⅵ, Ⅶ的含量, 将液相测定数据与红外光谱数据进行拟合, 经自动基线校正+纵坐标归一化+自动平滑+一阶求导+正交信号校正（OSC）优化处理后, 建立滇重楼中重楼皂苷Ⅰ, Ⅱ, Ⅵ, Ⅶ的快速预测模型。 结果显示, （1）原始红外光谱中主要吸收区域在950~700, 1 200~950, 1 800~1 500和2 800~3 500 cm-1附近。 （2）PLS-DA得分图可准确区分不同采收期滇重楼样品。 （3）液相数据显示重楼总皂苷含量随着年限的增加先成倍增加, 再逐渐减少, 最后呈现缓慢增加的趋势。 （4）重楼总皂苷含量定量模型的预测值与真实值间无显著性差异, 表明模型预测效果好。 FTIR结合化学计量学可准确区分不同采收期滇重楼并快速预测其皂苷含量, 为不同采收期滇重楼的鉴别和皂苷含量预测提供一种新方法, 同时为确定滇重楼的最佳采收期提供参考依据。

建立不同采收期灯台叶紫外-可见光谱指纹图谱及HPLC指纹图谱, 结合主成分分析、 聚类分析对不同采收期灯台叶进行快速鉴别和品质评价, 确定最佳采收期, 推动傣药现代化发展进程。 通过单因素实验确定灯台叶紫外-可见光谱的最佳提取条件, 采集12个月份灯台叶紫外光谱数据, 平行3次, 扣除背景8点平滑后倒入SIMCA-P+11.5进行主成分分析, 以前三个主成分三维得分图快速鉴别不同采收期。 Agilent ZORBAX Eclipse XDB C18(250×4.6 mm, 5 μm)色谱柱, 以乙腈（B）-0.1%甲酸水（A）为流动相, 梯度洗脱（0～5 min, 5% B； 5～35 min, 5% B→26% B； 35～40 min, 26% B→56% B）, 流速1 mL·min-1, 进样量7 μL, 柱温30 ℃, 检测波长287 nm。 不同采收期灯台叶紫外-可见光谱根据吸收峰位置及变化的幅度可以将光谱分为三段, 第一段为235～400 nm, 第二段为400～500 nm, 第三段为500～800 nm。 第一段中吸收峰数目最多, 主要集中在270, 287和325 nm, 吸光度及其变化幅度最大, 体现出不同月份光谱图的指纹特征。 第二段吸收峰较少主要分布在410 nm和464 nm附近, 吸光度及其变化较第一段减小。 第三段图谱在665 nm处均有一个较大吸收峰, 吸光度无明显差异。 将UV-Vis光谱数据进行主成分分析, 不同月份样品在主成分得分图中离散分布, 同一月份样品相对集中, 可以将不同月份样品鉴别开。 HPLC指纹图谱结合聚类分析可将不同采收期样品分为Ⅲ类, 第Ⅰ类为3, 4, 5和7月份, 第Ⅱ类为6, 8和9月份, 第Ⅲ类为10, 11, 12, 1及2月。 结合共有峰面积可以看出同一类样品化学成分含量相近, 不同类之间差异较明显, 第Ⅲ类样品化学成分含量最高。 UV-Vis FP, HPLC FP结合主成分分析和聚类分析能快速鉴别不同采收期灯台叶并对其进行品质评价。 灯台叶最佳采收期为10月至次年2月, 即傣历中的冷季。

采收是中药生产的重要环节, 采收时间直接影响中药质量和产量, 是中医临床安全有效用药的前提, 开展中药适时采收期的研究具有重要意义和应用价值。 采用傅里叶变换红外光谱法对72份不同采收期的滇龙胆进行鉴别研究, 用TQ8.0软件对原始光谱进行一阶导数(first derivative, FD)、 二阶导数(second derivative, SD)、 标准正态变量(standard normal variate, SNV)、 多元散射校正(multiplicative scatter correction, MSC)和平滑(savitaky-golay filter, SG)预处理, 样品按3∶1分为校正集和预测集, 同时建立主成分分析(principal component analysis, PCA)和偏最小二乘判别分析(partial least square discriminant analysis, PLS-DA)模型。 结果显示, 选取1　800～600 cm-1波段范围的光谱, 去除光谱噪音； SNV结合二阶导数光谱和SG(15, 3)平滑, 预处理结果满意。 主成分分析表明, 前三个主成分方差贡献率为92.47%, 5月、 9月和10月份采收的样品差异较小。 偏最小二乘判别分析建立判别模型, 决定系数R2和校正均方根误差(RMSEE)分别为0.967 8和0.086 0, 可对18个预测集样品进行准确分类。 红外光谱法结合主成分分析、 偏最小二乘判别分析对不同采收期滇龙胆的分类和判别效果较好, 为不同采收期的中药鉴别提供理论依据。