高光譜相機對冬蟲夏草含量及真?zhèn)舞b別中的檢測應用

    結合高光譜成像檢測技術對冬蟲夏草粉末的真假鑒別及含量判斷的無損檢測模型。方法 將真?zhèn)螛悠贩勰┓謩e按9：1、8：2、7：3、6：4、5：5等不同比例進行混合，通過光譜范圍為940 nm~2500 nm的高光譜成像儀分別獲取真?zhèn)螛悠贰⒉煌壤鎮(zhèn)位旌蠘悠返母吖庾V影像數據，經過主成分分析（PCA）初步判別真?zhèn)螛悠返牟町愋裕俳Y合偏最小二乘法（PLS）對真?zhèn)畏勰悠返暮窟M行分析判斷。結果 不同比例真?zhèn)位旌衔镏卸x夏草粉末的識別度為97.0%-98.78%，偽冬蟲夏草粉末的識別度為83.10%-99.3%。 結論 基于高光成像技術可以實現對冬蟲夏草粉的真假辨別，并可準確地判別出冬蟲夏草粉末的有效含量。

    掃描方式為推掃式成像技術，該儀器的光譜掃描范圍為940 nm ~2500 nm，每個樣品的采樣間隔為2.5 nm，每個樣品的測定速度一般小于 1分鐘。在獲取樣品的高光譜影像后，需要對采集的光譜圖像進行圖像校正才能得到樣品的反射率。

                                                                                                                  圖像校正公式如下：

高光譜相機的光譜采集。其中偽品2個標號為9號、10號（分別為地蠶、蛹蟲草），3個標準樣品6號、7號、8號，同時將8號與10號樣品粉末分別以9：1、8：2、7：3、6：4、5：5等不同比例進行混合，得到1~5號樣品。樣品主成分分析的結果

光譜掃描范圍為940 nm ~2500 nm，每個樣品的采樣間隔為2.5 nm，每個樣品的測定速度一般小于 1分鐘。在獲取樣品的高光譜影像后，需要對采集的光譜圖像進行圖像校正才能得到樣品的反射率。       紅色曲線為8號樣品、       藍色為9號         綠色為10號樣品。

通過主成分分析，可以明顯將9號、10號兩個偽樣品與其它樣品進行區(qū)分，由此可以判斷9號與10號樣品為偽樣品。

      偏最小二乘法

偏最小二乘法（PLS）是一種數學優(yōu)化的技術，它主要是通過最小化誤差的平方和來找到一組數據的最佳函數匹配，然后用最簡的方法求得一些絕對不可知的真值，而令誤差平方之和為最小。偏最小二乘法（PLS）就相當于將多元線性回歸分析、典型的相關分析以及主成分分析方法融合在一起的數學方法。

偏最小二乘法（PLS）主要是通過主成分分析法將多為空間數據的曲線壓縮到較低維的空間數據上，使其原曲線分解為多種主成分分析曲線，而不同的曲線的主成分分別代表不同的主分和因素間對曲線的貢獻率，選取貢獻率較大的主成分，去除有干擾組分和干擾因素的主成分，僅僅將貢獻率較高的主成分與質量參數進行回歸。

本研究將8號樣品與10號樣品的粉末分別按9：1、8：2、7：3、6：4、5：5等不同比例進行混合，得到1~5號樣品。將1～5號樣品作為未知樣品進行偏最小二乘法變換（PLS）實現分類判別，判斷8號與10號樣品的混合比例，結果如下表1-表5所示。

從表1到表5可知，1號到5號樣品中8號樣品冬蟲夏草粉末的成分識別度在97.0%到98.78%之間；蛹蟲草粉末的成分識別度在83.10%到99.3%之間；未識別成分所占比例在0.57%到0.84%之間。

從總體上看，基于PCA變換后的高光譜影像，利用偏最小二乘法可準確地識別出肉眼無法分辨的冬蟲夏草和蛹蟲草粉末。其中當冬蟲夏草和蛹蟲草粉末進行9：1混合時，91.1%識別為冬蟲夏草粉末，8.31%識別為蛹蟲草粉末，未識別成分占0.59%；當冬蟲夏草和蛹蟲草粉末按8：2混合時，78.26%識別為冬蟲夏草粉末，20.14%識別為蛹蟲草粉末，未識別成分占0.60%；當冬蟲夏草和蛹蟲草粉末按7：3混合時，71.47%識別為冬蟲夏草粉末，28.80%識別為蛹蟲草粉末，未識別成分占0.73%；當冬蟲夏草和蛹蟲草粉末按6：4混合時，59.04%識別為冬蟲夏草粉末，40.36%識別為蛹蟲草粉末，未識別成分占0.57%；當冬蟲夏草和蛹蟲草粉末按5：5混合時，51.50%識別為冬蟲夏草粉末，47.66%識別為蛹蟲草粉末，未識別成分占0.84%。