论文部分内容阅读
金线莲Anoectochilus roxburghii为兰科花叶开唇兰属的一种多年生珍贵中草药。目前市场上以栽培品为主,品种繁多,来源复杂,以次充好,缺乏科学的评价标准,掺伪掺假严重。近红外光谱技术具有无损、快速、绿色特点,本研究借鉴其在定性定量分析的优势,收集栽培品金线莲(尖叶、大圆叶、小圆叶)、台湾金线莲、红霞,野生品斑叶兰、血叶兰等样品,构建NIRS模型实现金线莲质量快速检测的目的,以期为日后品质评价研究提供科学依据。具体研究内容如下:1、基于NIR-PCA技术构建聚类分析模型快速区分金线莲及其伪品斑叶兰和血叶兰。以Q值、Cluster per Property、Spectra Residuals too big和Property Residuum为模型评价指标,选取4400-4800、5400-6600、7800-10000cm-1为建模波段,nle和dg1光谱预处理方式,建立金线莲及其伪品的定性判别模型,准确度为98%,模型预测性良好。2、基于NIR-PCA技术构建聚类分析模型快速区分不同栽培方式(3个月瓶苗、4个月瓶苗及入土种植6个月的种植苗)的金线莲,以Q值、Cluster per Property、Spectra Residuals too big和Property Residuum为模型评价指标,选取5000-1OOOOcm-1 为建模波段,nle和dg1光谱预处理方式,建立不同栽培方式金线莲的定性判别模型,准确度为80%。3、基于NIR-PCA技术构建聚类分析模型快速区分不同栽培方式的尖叶、大圆叶、红霞、及台湾金线莲,包括3个月瓶苗、4个月瓶苗及入土种植6个月的种植苗,以Q值、Cluster per Property、Spectra Residuals too big和Property Residuum为模型评价指标,4个模型Q值均大于0.9,准确度达100%,各模型预测性良好。4、采用UPLC法检测金线莲中黄酮类成分及含量,并基于NIR-PLS技术构建金线莲黄酮类成分定量分析模型。4.1建立UPLC法同时检测113批金线莲中水仙苷、芦丁、槲皮素、山奈酚和异鼠李素5种黄酮类成分。5种黄酮类成分在考察的浓度范围内呈较好的线性关系(R2>0.9999),平均加样回收率和RSD分别在97.06%-106.17%和3.17%-6.24%内。113批检测样品中水仙苷、芦丁、槲皮素、山奈酚和异鼠李素的含量范围分别为217.17-2243.26ug.g-1、15.95-1414.26ug.g-1、11.87-267.07ug.g-1、15.58-165.21ug.g-1、13.54-86.4ug.g-1。4.2基于NIR-PLS技术,Sa3+SNV光谱预处理方法,以全光谱为分析波段,构建金线莲水仙苷成分定量模型,其中SEC、SEP、Rc、Rv及Q值分别为0.134、0.147、0.974、0.969、0.792,定标模型的线性和相关系数分别为f(X)=0.9478X+0.0551,r=0.9736,并预测10批样品含量,平均相对偏差为6.09%,表明模型具有较好的预测性能。4.3基于NIR-PLS技术,SNV+MSC光谱预处理方法,以全光谱为分析波段,构建金线莲芦丁成分定量模型,其中SEC、SEP、Rc、Rv及Q值分别为0.024、0.022、0.978、0.969、0.866,定标模型的线性和相关系数分别为f(X)=0.9569X+0.0062,r=0.9782,并预测10批样品含量,平均相对偏差为4.50%。4.4基于NIR-PLS技术,MSC+Sa3光谱预处理方法,以全光谱为分析波段,构建金线莲槲皮素成分定量模型,其中SEC、SEP、Rc、Rv及Q值分别为15.508、16.732、0.962、0.950、0.430,定标模型的线性和相关系数分别为f(X)=0.9263X+7.8829,r=0.9625,并预测10批样品含量,平均相对偏差为8.15%。