本发明涉及一种鉴别姜黄精油产地的方法，特别是一种基于拉曼光谱技术鉴别姜黄精油产地的方法。
背景技术：
：姜黄精油的产地一直是比较受关注的一类问题，不同产区的姜黄精油，其主要成分的含量不同，其功效和价格也有很大的差距。所以对不同产区的姜黄精油进行鉴别和鉴定，有着十分重要的意义。同时，鉴定是不是某地区所产的精油，还可以避免以次充好的情况。由于姜黄精油的主要颜色和味道在不同产区之间没有太大的差距，在这种情况下，感官品评等传统方法不可靠。作为传统的鉴定精油的方法通常是使用液相色谱进行每个组分的分析，大致来判断精油的归属产地。使用色谱仪进行判断时间周期过长，每个样品大致需要1-2小时的检测周期，同时还需要高额的检测费用，检测成本高。拉曼光谱技术是一种指纹谱鉴定技术，当一束激光照在物质上时，物质会产生拉曼散射峰，其散射峰的位置代表物质所含化学成分的基团，从而拉曼散射峰可以用于物质成分分析。使用高精度的光谱仪收集和处理这种散射信号，通过数据处理和分析多种物质的光谱，来达到定量和定性检测的目的。目前通过拉曼光谱技术来鉴定物质的产地已经有所开发和应用，但是随着鉴定对象的不同，其具体的鉴定方法也各不相同，不同物质的鉴定方法没有太多借鉴和参考的意义。因此，研究设计一种针对姜黄精油的拉曼光谱鉴定方法，对于姜黄精油产地的快速鉴定具有非常重要的意义。技术实现要素：本发明的目的在于，提供两种基于拉曼光谱技术鉴别姜黄精油产地的方法，一种为主成份分析法(pca)，属于定性鉴别，另一种为偏最小二乘判别分析法，属于定量鉴别。本发明具有鉴定误差小，鉴定速度快和无损的特点。本发明的技术方案：一种基于拉曼光谱技术鉴别姜黄精油产地的方法，同时使用定性和定量的鉴别方法，包括以下步骤：(1)采集校正集验证集以及拉曼光谱数据处理a.选取已知不同产地的姜黄精油样品各10份作为初步建立模型的校正集，以及选取每个产地各2份样品作为预测模型是否可靠的预测集，在0-4°温度条件下保存，在待测之前，保证其化学物质和成分的稳定；b.将已采集的全部样品的拉曼光谱导入分析计算软件中，对原始拉曼光谱数据进行平滑处理，降低原始数据的噪音干扰，然后对原始的拉曼图谱数据进行一阶求导，其中求导后的600-850cm-1、1140-1250cm-1、1350-1520cm-1和1550-1720cm-1这四个波段是不同产地姜黄油显示区别的主要区间；(2)建立判定模型2.1pca定性判定模型的建立a.通过导入拉曼光谱求导后的数据，启动pca自动分析模块，软件自动依据数据的差异性，形成一个二维的拉曼向量的pca分类象限；b.建立好的分类判定模型其特征向量值会分布在pca得分象限图中，通过观察得分象限图的结果来定性区分三种精油，这一步是定性区分。如果分类效果不佳则调整选取的特征波段，直到定性分析的结果能够满足对样品区分的要求，最后将各自不同的十个点训练成一个校正模型；2.2pls-da定量判定模型的建立通过导入拉曼光谱求导后的数据，启动pls-da自动分析模块，选择上述特征波段，使用pls-da分类方法进行量化判定模型的建立，将三种精油产地的各10个样品训练成一个可以用得分值量化的校正模型；(3)测定待测样品校正模型建立后即可以开始测试样品，将待测的姜黄精油样品从冰箱取出，复温，使用拉曼光谱仪测试其拉曼信号，然后分别使用定性和定量的方法进行鉴定，该鉴定方法如下：将待测样品的拉曼信号导入到分析计算软件中，在软件中对光谱进行平滑处理和一阶求导，将一阶求导后的光谱数据导入到已经建立好的校正模型中，如果是姜黄精油的光谱，其会分布在已经训练好的pca模型中间，通过其在集合中的分布情况，即可判定出待测样品是否在指定的区间和其所属类别；或将待测样品的拉曼信号导入到分析计算软件中，在软件中对光谱进行平滑处理和一阶求导，将一阶求导后的光谱数据导入到已经建立好的pls-da校正模型中，如果是姜黄精油的光谱，其特征值在所对应的类别的范围区间，可判定出待测样品是否在指定的区间和其所属类别。前述的基于拉曼光谱技术鉴别姜黄精油产地的方法，步骤(1)所选取的样品为各个产地纯的姜黄精油油状液体。前述的基于拉曼光谱技术鉴别姜黄精油产地的方法，所述拉曼光谱数据处理时，拉曼光谱仪激发光的波长是1064nm，测量波的范围是200-1800cm-1,曝光时间是10-15s，激光功率最高是500mw。本发明的有益效果本发明先根据不同地区姜黄精油的特性，建立校正模型，再将待测品的拉曼光谱数据进行处理，接着与所建模型进行比对判断，从而实现姜黄精油产地的鉴定。由于拉曼光谱测定时间短，因此在鉴定姜黄精油产地时，测试速度非常快，几秒钟即可完成鉴定，并且样品不用做任何处理。与传统的液相色谱方法相比，准确度一致，但拉曼光谱成本低，而且是无损原位检测。此外，本发明选用1064nm的激光波长，尽可能减少样品的背景荧光，提高了鉴定的准确性。为验证本发明的方法能够实现姜黄精油的测定，发明人做了如下实验：(1)分别取云南、四川和广西的姜黄精油样品各10份，对其进行编号，其中云南的编号是s1-s10，四川的编号是s11-s20，广西的编号是s21-s30；(2)首先对所有样品进行拉曼光谱测试以及pca分类，结果如附图3所示，标注产区名称后如附图4所示。从图3和图4可以看出，每一组取10个样品建立的模型，每一组的点形成一个集合，这三个集合相对独立，每个集合在象限图中相互都没有交叉，表明三组样品可以完全区分。(3)下面开始对这个模型使用pls-da的方法进行训练，本案例使用商业软件unscramble对上述样品进行分类。其中依据姜黄精油的特性，选取7个位置的拉曼峰作为线性分类及判定的依据，分别是794cm-1、1137cm-1、1200cm-1、1370cm-1、1432cm-1、1576cm-1和1608cm-1。将7个位置求导后的拉曼值作为分类的依据，对同一产地样品的拉曼光谱用pls-da进行分类标记。依据pls-da的特征值规则，以及为简化数据计算，特定义云南地区产地的特征值为1，定义广西地区的特征值为2，定义四川地区的特征值为3，将定义好特征值的模型使用pls-da的程序进行运行。模型的标准值和模型的自我训练结果以及误差值如表1所示：表1不同地区姜黄精油样品预测值分类训练的模型曲线如图5所示，方差是97.9％，大于95％，说明模型的相关度很高，可以作为模型训练的标准。(4)模型建立之后，对实际样品进行预测实际样品中，2个是云南产地，2个是广西产地，2个是四川产地，其预测数值如表2所示：表2不同地区姜黄精油样品实际预测预测值相对误差参考值s311.0946410.284626云南s321.0989470.272439云南s331.9972970.125216广西s341.9935840.126344广西s353.095580.14013四川s363.0846940.133292四川此预测值是通过将这六个待测样品的拉曼光谱数据导入到已经建立好的姜黄精油的pls-da校正模型中得到的。表1和表2的结果可以展示在图6中，其中s1-s30分别为云南、四川和广西的姜黄精油各10个样品，代表着三个精油主要产区的模型样本。s30-s36是待预测的样品，云南广西和四川各两个样品。从图6中很容易区别和鉴定出他们的分类，介于0.8-1.2的可以认为是云南省的样品，介于1.8-2.2的可以认为是广西的样品，介于2.8-3.2的可以认为是四川的样品。如果数值范围不在这个区间，可以认为该样品不属于这些省份样品，或者不属于姜黄精油样品。附图说明附图1为原始拉曼图谱；附图2为图1的原始拉曼图谱的一阶导数；附图3为三个产地样品的pca分类结果；附图4为标注产区后的图3；附图5为训练模型曲线；附图6为预测结果图像。具体实施方式下面结合实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。本发明的实施例一种基于拉曼光谱技术鉴别姜黄精油产地的方法，同时使用定性和定量的鉴别方法，包括以下步骤：(1)采集校正集验证集以及拉曼光谱数据处理a.选取已知不同产地的姜黄精油油状液体样品各10份作为初步建立模型的校正集，以及选取每个产地各2份样品作为预测模型是否可靠的预测集，在0-4°低温条件下保存，在待测之前，保证其化学物质和成分的稳定；b.将已采集的全部样品的拉曼光谱导入分析计算软件中，对原始拉曼光谱数据进行平滑处理，降低原始数据的噪音干扰，然后对原始的拉曼图谱数据进行一阶求导，其中求导后的600-850cm-1、1140-1250cm-1、1350-1520cm-1和1550-1720cm-1这四个波段是不同产地姜黄油显示区别的主要区间。(2)建立判定模型2.1pca定性判定模型的建立a.通过导入拉曼光谱求导后的数据，启动pca自动分析模块，软件自动依据数据的差异性，形成一个二维的拉曼向量的pca分类象限；b.建立好的分类判定模型其特征向量值会分布在pca得分象限图中，通过观察得分象限图的结果来定性区分三种精油，这一步是定性区分，如果分类效果不佳则调整选取的特征波段，直到定性分析的结果能够满足对样品区分的要求，最后将各自不同的十个点训练成一个校正模型。2.2pls-da定量判定模型的建立通过导入拉曼光谱求导后的数据，启动pls-da自动分析模块，选择上述特征波段，使用pls-da分类方法进行量化判定模型的建立，将三种精油产地的各10个样品训练成一个可以用得分值量化的校正模型。(3)测定待测样品校正模型建立后即可以开始测试样品，将待测的姜黄精油样品从冰箱取出，复温，使用拉曼光谱仪测试其拉曼信号，然后分别使用定性和定量的方法进行鉴定，该鉴定方法如下：将待测样品的拉曼信号导入到分析计算软件中，在软件中对光谱进行平滑处理和一阶求导，将一阶求导后的光谱数据导入到已经建立好的校正模型中，如果是姜黄精油的光谱，其会分布在已经训练好的pca模型中间，通过其在集合中的分布情况，即可判定出待测样品是否在指定的区间和其所属类别；或将待测样品的拉曼信号导入到分析计算软件中，在软件中对光谱进行平滑处理和一阶求导，将一阶求导后的光谱数据导入到已经建立好的pls-da校正模型中，如果是姜黄精油的光谱，其特征值在所对应的类别的范围区间，可判定出待测样品是否在指定的区间和其所属类别。所述拉曼光谱数据处理时，拉曼光谱仪激发光的波长是1064nm，测量波的范围是200-1800cm-1,曝光时间是10-15s，激光功率最高是500mw。以上所述，仅为本发明创造较佳的具体实施方式，但本发明创造的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明创造揭示的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。当前第1页1 2 3
技术特征：1.一种基于拉曼光谱技术鉴别姜黄精油产地的方法，其特征在于：同时使用定性和定量的鉴别方法，包括以下步骤：
(1)采集校正集验证集以及拉曼光谱数据处理
a.选取已知不同产地的姜黄精油样品各10份作为初步建立模型的校正集，以及选取每个产地各2份样品作为预测模型是否可靠的预测集，在0-4°温度下保存，在待测之前，保证其化学物质和成分的稳定；
b.将已采集的全部样品的拉曼光谱导入分析计算软件中，对原始拉曼光谱数据进行平滑处理，降低原始数据的噪音干扰，然后对原始的拉曼图谱数据进行一阶求导，其中求导后的600-850cm-1、1140-1250cm-1、1350-1520cm-1和1550-1720cm-1这四个波段是不同产地姜黄油显示区别的主要区间；
(2)建立判定模型
2.1pca定性判定模型的建立
a.通过导入拉曼光谱求导后的数据，启动pca自动分析模块，软件自动依据数据的差异性，形成一个二维的拉曼向量的pca分类象限；
b.建立好的分类判定模型其特征向量值会分布在pca得分象限图中，通过观察得分象限图的结果来定性区分三种精油，这一步是定性区分，如果分类效果不佳则调整选取的特征波段，直到定性分析的结果能够满足对样品区分的要求，最后将各自不同的十个点训练成一个校正模型；
2.2pls-da定量判定模型的建立
通过导入拉曼光谱求导后的数据，启动pls-da自动分析模块，选择上述特征波段，使用pls-da分类方法进行量化判定模型的建立，将三种精油产地的10个样品训练成一个可以用得分值量化的校正模型；
(3)测定待测样品
校正模型建立后即可以开始测试样品，将待测的姜黄精油样品从冰箱取出，复温，使用拉曼光谱仪测试其拉曼信号，然后分别使用定性和定量的方法进行鉴定，该鉴定方法如下：
将待测样品的拉曼信号导入到分析计算软件中，在软件中对光谱进行平滑处理和一阶求导，将一阶求导后的光谱数据导入到已经建立好的校正模型中，如果是姜黄精油的光谱，其会分布在已经训练好的pca模型中间，通过其在集合中的分布情况，即可判定出待测样品是否在指定的区间和其所属类别；或将待测样品的拉曼信号导入到分析计算软件中，在软件中对光谱进行平滑处理和一阶求导，将一阶求导后的光谱数据导入到已经建立好的pls-da校正模型中，如果是姜黄精油的光谱，其特征值在所对应的类别的范围区间，可判定出待测样品是否在指定的区间和其所属类别。
2.根据权利要求1所述的基于拉曼光谱技术鉴别姜黄精油产地的方法，其特征在于：步骤(1)所选取的样品为各个产地纯的姜黄精油油状液体。
3.根据权利要求1所述的基于拉曼光谱技术鉴别姜黄精油产地的方法，其特征在于：所述拉曼光谱数据处理时，拉曼光谱仪激发光的波长是1064nm，测量波的范围是200-1800cm-1,曝光时间是10-15s，激光功率最高是500mw。
技术总结本发明公开了一种基于拉曼光谱技术鉴别姜黄精油产地的方法。本方法同时使用定性和定量的鉴别方法，其具体步骤包括(1)采集校正集验证集以及拉曼光谱数据处理；(2)建立判定模型、(2.1)PCA定性判定模型的建立、(2.2)PLS‑DA定量判定模型的建立；(3)测定待测样品。本发明具有鉴定误差小，鉴定速度快及无损的特点。
技术研发人员：阮银兰;李震;阮帅
受保护的技术使用者：珠海市亚波光子检测有限责任公司
技术研发日：2020.10.20
技术公布日：2021.03.12
