感官技术结合机器学习快速鉴别大黄与大黄炭及其成分含量预测模型的构建

摘要

目的 基于颜色特征并运用机器学习的方法识别大黄及大黄炭并预测其有效成分的含量，以期为大黄及大黄炭的快速鉴别及质量控制提供参考。方法 采用HPLC法测定大黄及大黄炭中6大类共15种成分的含量;使用SC-10色差仪测定大黄及大黄炭的色度值;采用主成分分析及支持向量机(SVM)建立大黄及大黄炭的识别模型。因5-羟甲基糠醛只存在于大黄炭样品中，且样本量较少，故将色度值与5类成分含量进行相关性分析，进一步采用机器学习方法建立颜色-成分预测模型，并比较其预测效果。结果 SVM分类识别模型受试者工作曲线下面积接近1，建立的颜色-成分预测模型中，随机森林回归及决策树回归(DTR)对没食子酸、儿茶素、番泻苷、游离蒽醌及结合蒽醌这5类成分的预测效果较好且稳定。结论 感官技术结合机器学习可实现基于颜色特征对大黄及大黄炭的定性及定量判别，为大黄炭制前后的质量控制及炮制程度的判断提供了参考。

关键词

大黄 / 大黄炭 / 感官技术 / 机器学习 / 预测模型 / 质量控制 / 快速鉴别

基金资助

国家自然基金联合基金重点项目(批准号:U21A20412); 甘肃省教育厅高校教师创新基金项目(2024A-091); 甘肃省道地药材质量标准化技术研究与推广工程实验室开放基金项目(ddyc-2022-04); 甘肃中医药大学引进人才科研启动基金(2019YJRC-01)