近红外光谱预测芳樟、龙脑樟精油主成分含量

摘要

为更便捷快速地检测芳樟、龙脑樟中的主成分含量，利用近红外光谱分析技术对芳樟和龙脑樟精油和叶片进行了分析和定量检测。分别扫描芳樟和龙脑樟叶片及精油光谱，结合化学计量学方法建立以精油和叶片为材料的芳樟及龙脑樟精油主成分含量快速预测模型。结果显示：芳樟精油模型，使用偏最小二乘法（PLS）计算模型，经一阶导数处理（db1）预处理，在1 000.00～1 350.62和1 399.78～2 000.00 nm波段内建立的模型性能最好，校正集相关系数（R_C）和交互验证集相关系数（R_V）分别为0.962 0和0.953 9,校正集均方根误差（RMSEC）和交互验证均方根误差（RMSEV）分别为0.011 0和0.015 5;芳樟叶片模型在1 000.00～2 000.00 nm波段、Segment 5 Gap5的3点二阶泰勒求导（ds2）预处理、PLS算法条件下所建模型的效果最佳，R_C和R_V分别为0.938 6和0.930 3,RMSEC和RMSEV分别为0.033 1和0.032 1。龙脑樟精油模型在1 000.00～1 350.62和1 399.78～2 000.00 nm波段内，使用PLS计算模型，整体多元散射校正（mf）、db1和结合单位长度归一化（nle）3种方法相结合预处理光谱，所建预测模型具有最佳预测性能，R_C和R_V分别为0.985 2和0.955 8,RMSEC和RMSEV分别为0.075 9和0.078 6;龙脑樟叶片模型选择主成分回归（PCR）建模方法，在1 000.00～1 350.62和1 399.78～2 000.00 nm建模波段，经标准正态变换（SNV）预处理后所建龙脑预测模型最佳，R_C和R_V分别为0.944 2和0.953 0,RMSEC和RMSEV分别为0.112 1和0.130 8。所建模型经外部验证，均表现出较好的性能，预测值无明显偏差，表明所建模型均具备良好的预测能力，能准确预测芳樟、龙脑樟精油主成分含量。

关键词

近红外光谱 / 芳樟 / 龙脑樟 / 精油 / 主成分含量