针对市场中存在广陈皮年份造假、 以次充好等问题, 提出一种基于黑寡妇优化算法(BWO)和支持向量机模型(SVM)的广陈皮陈化年份高光谱鉴别方法。 以四类陈化年份(5~20年)的广陈皮作为实验对象, 采集样本的高光谱图像数据(385~1 014 nm波长), 通过镜头校准和反射率校准后提取样本感兴趣区域的平均光谱数据。 首先, 采用多项式平滑算法(SG), 结合多元散射校正算法(MSC)和去趋势算法(detrend)对数据进行降噪处理; 然后, 分别采用连续投影算法(SPA)、 竞争性自适应重加权与逐步回归混合算法(CARS_SR)筛选出特征波段; 最后, 提出以均方根误差(RMSE)为适应度函数, 分别使用偏最小二乘判别分析模型(PLS)、 粒子群算法优化SVM模型(PSO-SVM)和蝗虫算法优化SVM模型(GOA-SVM)对广陈皮的陈化年份进行鉴别, 并通过采用BWO算法优化SVM模型(BWO-SVM)来得到鉴别模型的最优参数。 结果发现: SG_detrend算法对广陈皮高光谱数据具有较好的降噪能力, CARS_SR算法具有较好的特征信息提取能力; 与PLS、 PSO-SVM和GOA-SVM相比, BWO-SVM算法可以得到更好的鉴别模型控制参数; SG_detrend-CARS_SR-BWO-SVM模型对广陈皮陈化年份的鉴别准确率达到97.59%, RMSE为0.060 2, R2为0.952 9。 该工作为实现广陈皮陈化年份的快速无损鉴别提供了新方法, 也为便携式鉴别仪器或在线生产设备研发提供了理论依据。

高光谱成像技术（HSI）是基于非常多窄波段的影像数据技术, 将成像技术与光谱技术相结合, 获取高光谱分辨率的连续、 窄波段的图像数据, 因其快速、 无损的特点, 被广泛应用于食品、 农产品、 中药材等样品的快速鉴别。 道地药材新会陈皮具有较高的市场价值, 且陈化（贮藏）年份越久市场价格亦越高, 市场人工鉴别准确率低、 难度大。 基于高光谱技术结合化学计量学方法, 建立不同陈化年份新会陈皮的快速无损鉴别方法。 采集5个陈化年份样品在可见-近红外波段（400～1 000 nm）的高光谱信息, 提取高光谱图像感兴趣区域（ROI）的平均光谱值作为样本原始光谱。 经黑白校正后获得标准数据, 通过多元散射校正（MSC）、 一阶导数（D1）、 二阶导数（D2）、 SG平滑（SG）和标准正态变量变换（SNV）5种预处理方法对数据进行降噪处理后, 结合偏最小二乘判别分析（PLS-DA) 、 随机森林（RF）和支持向量机（SVM）等方法建立分类鉴别模型, 以预测结果的准确率作为评价指标筛选最佳模型, 使用混淆矩阵（confusion matrix）评估模型分类性能。 结果表明, 外表皮数据以MSC结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率达到97.59%； 而内表皮数据则以原始数据结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率亦达到97.59%。 采用内表皮数据, 进一步采用连续投影算法（SPA）选择19个特征波长建模, 整体判别准确率仍可达90%以上。 通过SPA方法提取的特征波长建模可以达到与全波长模型相似的识别效果, 去除冗余变量可以大大降低模型的复杂性, 减少模型的运算时间。 该研究建立的高光谱技术结合化学计量学的方法可实现不同陈化年份新会陈皮样品的快速无损鉴别, 为专属小型化仪器装备系统的开发提供了理论依据。

针对陈皮无损、在线、快速的便携式检测需求, 基于可见-近红外光谱技术, 利用AS7341传感器设计了一款手持式非成像光谱分析仪。分析仪以STM32微控制器作为主控芯片, 具备网联、存储、显示等多种功能。对微控制器进行了软件及算法设计, 实现了光谱数据采集、处理、显示、保存与传输。并以不同年份陈皮作为检测对象进行了实验验证, 结果表明对测试集内陈皮的年份识别准确率不低于97%, 具有实际应用价值。

市场上陈皮以次充好现象时有发生, 而年份是衡量陈皮品质的重要指标。 研究用高光谱技术结合化学计量学算法, 在380～1 023及874～1 734 nm两波段对不同放置方式的陈皮进行年份鉴别。 为了寻找更合适的波段和模拟实际生产检测中陈皮放置的随机性, 采集了四个年份共180个样本在380～1 023及874～1 734 nm的正、 反面高光谱图像（720幅）。 用主成分分析法（principal component analysis, PCA）对陈皮光谱信息进行定性分析, 发现不同年份陈皮基于正反面光谱有明显的聚类; 而后以回归系数法（regression coefficient, RC）选取陈皮年份相关的特征波段以减少变量; 用偏最小二乘判别分析（partial least squares discriminant analysis, PLS-DA）基于全波段、 特征波段对三种放置方式（正、 反、 正反混合）的样本建立模型, 最后对特征波段建立线性PLS-DA模型和非线性ELM模型并进行比较分析。 研究表明: 在380～1 023 nm的预测效果大多高于874～1 734 nm, 基于非线性ELM的判别结果均高于线性PLS-DA模型, 准确率最高可达到建模集10000%, 预测集9833%, 陈皮正、 反、 正反混合三种放置方式预测准确率多数可高于85%, 故采用高光谱技术可实现对不同放置方式的陈皮年份进行无损鉴别, 为进一步开发便携仪器或在线生产设备提供方法和理论依据。

采用表面增强拉曼光谱技术对8种不同储存年份的陈皮进行检测。测试分析了储存11年的陈皮样品于金膜、银纳米颗粒、金膜-银纳米颗粒增强基底上的拉曼光谱。在金膜-银纳米颗粒增强基底上的陈皮拉曼光谱特征峰最明显，对375、493、650 cm-1等12处的拉曼特征峰进行初步归属分析，据此对陈皮的生化成分进行初步判断，并探讨了陈皮在金膜-银纳米颗粒基底上拉曼信号的增强机理。此外，通过分析比较8种不同年份陈皮的表面增强拉曼光谱信息，区分出不同存储年份的陈皮。根据峰值位置信息的变化，得出与存放5年及以下的陈皮相比，存放7年及以上的陈皮产生了某些新成分的结论。

陈皮是一种中药材, 有非常广泛的用途。而这类中药的药理特点并不基于单一或少数化学物质, 而是基于这种中药所组成的整体.为了探索这种中药整体的药理特征, 没有从这种物质的化学结构出发而是将这种中药整体的一维线性谱的吸收峰视为简正模, 在假定各模式之间的相互作用与偶极矩的大小后, 建立了激光与其相互作用微观模型。在此基础上, 理论地计算了陈皮在环境中的二维非线性激光谱。所得光谱图与实验结果较好吻合。这种方法能预言陈皮的能级结构与各简正模式间的耦合强度以及其偶极矩的大小。这一方法为深入研究这种中药药理提供了一个全新的思路。这种理论与实验相结合方法可以推广到其它中药材以及一些实验一维线性光谱易于得到的材料的能谱与极化分布的研究上, 对深入了解中药材药理具有重要意义。