1 中国地质大学(武汉)珠宝学院, 湖北 武汉 430074
2 滇西应用技术大学珠宝学院, 云南 大理 671000
3 国检珠宝培训中心, 北京 102627
建立基于激光诱导击穿光谱仪技术获取的半定量青白色软玉的微量元素含量的人工神经网络模型, 以促进人工神经网络技术在宝石产地溯源方面的应用。 以我国新疆、 广西、 江苏、 青海, 以及韩国和俄罗斯六个产地的青白色软玉为样品, 利用激光诱导击穿光谱仪在颜色均匀干净的部分获取元素含量数据。 使用数据筛选原则对数据进行了筛选和Al的归一化处理之后, 以因子分析和线性回归分析讨论了数据间的共线性, 在数据间不存在明显多重共线性的情况下建立了三层人工神经网络的判别模型。 结果表明, 所选取的每个变量的VIF值小于5, 数据间不存在明显的多重共线性, 因子分析的KMO值小于0.6, 表明变量间无明显关系。 同时利用软玉t-SNE图对数据进行降维和可视化处理, t-SNE图显示大部分数据点都重叠在一起, 表明对此数据进行简单聚类和相关分析是无法区分产地的, 因此选择人工神经网络的方法对六个产地的数据进行产地判别分析。 经人工神经网络模型迭代判别之后, 模型对我国新疆、 广西、 江苏、 青海, 以及韩国和俄罗斯六个产地的青白色软玉判别的精度达到0.933, 其中韩国软玉的数据判别结果精度最高, 达到0.995, 误差为0.028, 青海软玉的数据判别结果最低为0.803, 误差为0.090。 综上所述, 激光诱导击穿光谱结合人工神经网络的方法在宝石产地溯源方面的应用是具有很大潜力的。
激光诱导击穿光谱仪 人工神经网络 软玉 产地溯源 Laser-induced breakdown spectroscopy Artificial neural network model Nephrite Identification of the origin
1 成都市药品检验研究院, 四川 成都 610045
3 成都中医药大学, 四川 成都 611137
产地是影响中药材质量的重要因素, 产地差异导致中药材质量参差不齐, 为维护市场秩序, 有必要建立中药材产地鉴别方法, 以便更加精准地判别和分析中药材品质。 以多产地临床大宗药材丹参为研究对象, 收集不同产地丹参样品150份, 采用显微聚焦拉曼光谱技术在无损条件下对每份丹参样品的每根药材表面随机扫描1~n次, 求每份样品扫描1~n次的平均光谱。 分析原始光谱数据发现丹参表面光谱信号同时包含了丹参酮类成分的拉曼光谱和杂质的荧光光谱, 主要表现在特定波长范围内不同产地丹参存在各自的聚集区和丹参表面光谱信号强度明显弱于或强于丹参酮类对照品的拉曼光谱信号强度。 对扫描1~n次的平均光谱数据进行预处理后运用偏最小二乘判别分析(PLS-DA)和随机森林分类算法[不筛选(RF)或筛选重要变量(RF-VS)]建立扫描1~n次的丹参产地分类模型。 结果随机扫描1次所得最优模型训练集和测试集预测准确率分别为88%和87%, 且对质量差和质量优的丹参样品区分准确率高达97%; 随机扫描2次和3次所得最优模型训练集和测试集预测准确率均分别为89%和87%, 结合模型运行效率和成本, 选择随机扫描1次所得光谱, 经一阶导数(1ST-D)预处理和RF-VS计算所得模型为丹参最终产地鉴别模型。 综上, 在无损伤条件下显微聚焦拉曼光谱技术能建立快速、 准确的丹参产地鉴别预测模型, 为该技术进一步用于贵细中药材的产地和真伪鉴别提供参考。
拉曼光谱 丹参 产地鉴别 Raman spectroscopy Danshen Identification of the origin 光谱学与光谱分析
2022, 42(6): 1774
