引用本文
陈蓓, 郑恩让, 马晋芳, 葛发欢, 肖环贤. 基于近红外光谱的安胎丸生产年份预测方法[J]. 光谱学与光谱分析, 2020,40(8): 2592-2597.
CHEN Bei, ZHENG En-rang, MA Jin-fang, GE Fa-huan, XIAO Huan-xian. Prediction Method for Production Year of Antai Pills Based on Near Infrared Spectroscopy[J]. Spectroscopy and Spectral Analysis, 2020,40(8): 2592-2597.
Doi:10.3964/j.issn.1000-0593(2020)08-2592-06  
Permissions
Copyright©2020, 《光谱学与光谱分析》期刊社
《光谱学与光谱分析》期刊社 所有
基于近红外光谱的安胎丸生产年份预测方法
陈蓓1, 郑恩让1,*, 马晋芳2, 葛发欢3, 肖环贤4
1. 陕西科技大学电气与控制工程学院, 陕西 西安 710021
2. 广州谱民信息科技有限公司, 广东 广州 510006
3. 中山大学药学院, 广东 广州 510006
4. 江西保利制药有限公司, 江西 赣州 341900
*通讯联系人 e-mail: zhenger@sust.edu.cn

作者简介: 陈 蓓, 1982年生, 陕西科技大学电气与控制工程学院讲师 e-mail: chenbei@sust.edu.cn

收稿日期: 2019-09-08 接受日期: 2019-12-30
基金: 国家自然科学基金项目(31670596)和陕西科技大学博士科研启动基金项目(2019BJ-06)资助
摘要

随着中药制剂存储时间的延长, 其有效成分含量逐渐降低。 化学检测手段损耗样品、 检测时间长、 成本高, 利用近红外光谱对不同年份的经典名方安胎丸进行年份鉴别。 为探讨这种无损、 快速质量控制方式的可行性, 采集了三年的105粒样本在1 000~1 799 nm波段近红外光谱吸光度数据, 随机选择80个作为训练集, 25个作为测试集。 首先采用连续投影算法(SPA), 消除原始光谱数据中的冗余信息, 对输入全光谱进行优化降维, 根据测试集的内部交叉验证均方根误差值, 从输入的800个波长中提取出11个特征波长, 分别是: (1 692, 1 714, 1 405, 1 001, 1 114, 1 478, 1 514, 1 788, 1 202, 1 014, 1 164) nm; 然后建立支持向量机(SVM)分类模型, 由于SVM模型中的参数选取对分类正确率影响很大, 利用粒子群优化(PSO)算法, 对SVM模型中惩罚参数C和核函数参数进行寻优, 形成PSOSVM分类模型; 最后将SPA降维后的特征波长输入到PSOSVM分类算法中。 用Matlab软件进行仿真测试, 分别构建SVM, SPA-SVM和本文的SPA-PSOSVM三种方法分类模型, 分类测试正确率分别达到了76%, 92%和100%。 从仿真结果可以看出, SPA波长优选可有效地降低光谱信息中存在的冗余信息, 减少建模所需的时间, 结合PSOSVM分类模型降低了模型的复杂度, 提高分类精度。 结果证实, 依照所建立的利用近红外算法, 可以准确无损区分中药制剂安胎丸生产的年份, 该研究可为中药制剂年份间差异评价提供一种思路。

关键词: 近红外光谱; 安胎丸; 年份预测; 连续投影算法; 粒子群优化结合支持向量机
中图分类号:R286.0 文献标志码:A
Prediction Method for Production Year of Antai Pills Based on Near Infrared Spectroscopy
CHEN Bei1, ZHENG En-rang1,*, MA Jin-fang2, GE Fa-huan3, XIAO Huan-xian4
1. School of Electrical and Control Engineering, Shaanxi University of Science & Technology, Xi’an 710021, China
2. Guangzhou Pumin Information Technology Co., Ltd., Guangzhou 510006, China
3. School of Pharmaceutical Sciences, Sun Yat-sen University, Guangzhou 510006, China
4. Jiangxi Poly Pharmaceutical Co., Ltd., Ganzhou 341900, China
*Corresponding author
Abstract

With the increase of the storage time of traditional Chinese medicine, the content of its effective components gradually decreases. Chemical detection means to consume the samples, with a long period and a high cost. In this paper, near infrared spectroscopy was used to identify the years of Antai pills of the classical prescriptions with different years. In order to explore the feasibility of this nondestructive and rapid quality control method, the absorbance data of 105 samples in 1 000~1 799 nm band near infrared spectroscopy of three years were collected, 80 samples were randomly selected as training sets and 25 samples as test sets. Firstly, the Successive Projection Algorithm (SPA) was adopted to eliminate the redundant information in the original spectral data, and the full input spectrum was optimized and the dimensionality was reduced. According to the internal of the test sets, the error value of the root mean square was cross-verified, 11 characteristic wavelengths were extracted from 800 wavelengths, respectively: (1 692, 1 714, 1 405, 1 001, 1 114, 1 478, 1 514, 1 788, 1 202, 1 014, 1 164) nm. Then the Support Vector Machine (SVM) classification model was established. Since the selection of the parameters in SVM model has a great influence on the classification accuracy, the Particle Swarm Optimization (PSO) algorithm was used to optimize the penalty parameter C and the kernel function parametersin SVM model to form PSOSVM classification model. Finally, after SPA dimension reduction, the characteristic wavelength was input into PSOSVM classification algorithm. Matlab software was used in the simulation test, and SVM, SPA-SVM classification models and SPA-PSOSVM classification model in this paper were respectively constructed. The classification test accuracy reached 76%, 92% and 100% respectively. From the simulation results, it can be seen that the SPA wavelength optimization could effectively reduce the redundant spectral information and reduce the time required for modeling. The PSO-SVM classification model, the complexity of the model was reduced and the classification accuracy was improved. The results show that the near infrared algorithm established in this paper could accurately and nondestructively distinguish the production years of the traditional Chinese medicine Antai pills, and this study could provide a way of thinking for the evaluation of the differences of the years of traditional Chinese medicine.

Keyword: Near infrared spectroscopy; Antai pills; Year classification; Successive projection algorithm (SPA); Particle swarm optimization combined with support vector (PSOSVM)
引 言

安胎丸是经典古方, 由当归、 白芍、 白术、 川穹、 黄芩等五味药材加工制成, 具有安胎养血的功效[1]。 随着人们经济和生活水平的提高, 需求日益增加。 市售安胎丸由于药品的原材料差异, 并且随着药物生产和保存的时间、 储存环境不同等都使药效差别较大, 会对患者带来一定的损失, 制剂的批间差异是其质量考量的重要指标。 卫生部药品标准中采用薄层色谱法对其中三味药材进行定性鉴别, 王雪丽等[2, 3]主要采用高效液相色谱(HPLC)化学检测方法对部分质控成分的进行定量检测, 这些质控方法不仅会损耗样品, 且检测时间长, 检测成本高。 中药制剂成分多样, 发生反应机制复杂, 部分成分尚不明确, 单一或者几种成分含量测定具有片面性。 近红外光谱(near infrared spectroscopy, NIRS)是利用近红外光对化学物质中不同含氢基团的吸收信息来进行分析、 检测的一种新型无损、 快速、 无污染的分析技术[4], 可作为一种整体质量评价的手段, 在中医药质控领域, 主要应用在品种鉴定、 产地鉴别、 品质分级和定量分析等方面[5, 6], 对于药品生产年份质控方式的相关研究未见报道。

近红外光谱通常包含大量的波长变量, 一定程度上还会引入噪声, 通过筛选特征波长建立模型, 可以降低模型的复杂程度, 提高预测能力。 常用的波长提取方法有遗传算法(GA)、 无信息变量消除法(UVE)、 连续投影算法(successive projection algorithm, SPA)等。 王涛等[7]在预测胡杨叶含水量中建模对比, 采用SPA波长选择算法预测精度和相关度都优于GA; 经UVE筛选之后的波长变量数目仍然过于庞大, 不能达到最终的简化目标, SPA算法能大大减少建模所需变量的数目, 比GA和UVE算法得到的变量数目更少, 可提高建模的效率和速度。 有研究利用SPA结合支持向量机(support vector machine, SVM)有效地对玉米的霉变程度进行了判别, 预测准确率达到了91.11%, 但文中SVM参数是凭经验选取的合适参数, 并不能保证参数是最佳的。 鉴于此, 本文提出一种基于近红外光谱技术的安胎丸生产年份预测方法, 以某药厂三年的105粒安胎丸为研究对象, 实验采集其近红外光谱, 应用SPA算法去除光谱冗余信息, 优选出样本的特征波长, 结合粒子群优化(particle swarm optimization, PSO)算法对SVM分类模型进行参数寻优, 建立PSOSVM分类预测模型。 通过该方法可以区分安胎丸生产的不同年份, 对药物的质量评价提供一种方法。

1 实验部分
1.1 仪器

SupNIR1500近红外光谱仪(聚光科技(杭州)有限公司), Matlab2018(美国MathWorks公司), Ultimate3000高效液相色谱仪(美国Thermo公司)。

1.2 样本采集

从2013年— 2015年安胎丸中随机抽取样品15个批次, 批号为: 130501, 130502, 130601, 130602, 130701, 131101, 131201, 140401, 140402, 140501, 140502, 141103, 151001, 151002和151101, 总共105丸样品。

利用美国Thermo公司的Ultimate3000高效液相色谱仪, 测定安胎丸中关键质量控制成分的含量, 列表统计如表1所示。

表1 安胎丸中关键质控成分的含量测定统计表(mg· pill-1) Table 1 Statistical table for determination of key quality control indicator components in Antaipills (mg· pill-1)

利用聚光科技有限公司生产的SupNIR1500近红外光谱仪采集安胎丸光谱, 漫反射模式, 波长扫描范围是1 000~1 799 nm。 每丸样品重复扫描三次, 得到平均的光谱数据保存。 105个样品的光谱如图1所示。 从图1可以看出来, 近红外光谱信息重叠严重, 特别是2013年和2014年的光谱, 很难从峰值位置直观鉴别各样品的特征信息。 因此, 必须采用合适的特征提取办法, 才能对安胎丸样品进行年份的鉴别。

图1 105个安胎丸样本的光谱图Fig.1 The spectra of 105Antai pills samples

1.3 数据预处理

根据年份不同, 对安胎丸样品对应的光谱数据进行分类, 可以将样品分为三类, 得到的具体分类表如表2。

表2 样本根据年份分类表 Table 2 The table of sample classification according to year

从表1中数据可以看出, 生产年份不同, 存放的时间不同, 关键质控指标成分里的含量也不同, 体现了生产年份与安胎丸的质量有密切关系, 进一步说明按年份分类研究对药物的质量控制有一定的意义。

1.4 建模方法与模型评价

近红外光谱测量得到的数据数量庞大, 光谱波长较多, 相邻波长间存在较多的冗余信息和相关性, 如果直接用全光谱建模, 必然会使得建模的时间和模型的复杂度增加, 模型的预测正确率和稳定性降低。

具体的实验建模分析过程如图2所示。 先使用连续投影算法(SPA)对采集到的波长进行优化, 对输入进行降维, 最大程度的消除干扰。 得到降维后的光谱数据输入到PSOSVM分类模型中, 进行分类预测。 利用分类正确率作为模型的评价准则, 其定义为

Accuary=∑i=13Ni/N(1)

图2 实验数据处理流程图Fig.2 The flow chart of processing experimental data

在式(1)中N为测试集样本数量, Ni为识别第i类分类正确的样本数量。

1.4.1 波长优化选择算法SPA

连续投影算法[8](successive projection algorithm, SPA)属于前向选择变量算法, 首先选择一个波长变量作为初始值, 计算该变量在未选变量上的投影, 将最大投影向量对应的波长作为新的待选变量, 依次迭代, 直到内部交互验证均方根误差(RMSECV)达到最小, 选出最佳波长变量数N及波长变量集合Y。 SPA算法实现步骤如下:

(1) 光谱矩阵Xn× p(其中n为样本数, p为待选波长变量)标准化;

(2) 随机选取初始迭代波长: 从X中随机选择一个列向量Xj, 记为列向量Xk(0), k(0)=1, 2, 3…, p;

(3)将光谱矩阵X中剩余的列向量记为S, S={j, 1≤ j≤ p, j∉k(0), k(1), …, k(n-1)};

(4) 分别计算xj对剩余列向量S的投影Pxj,

Pxj=xj-(xTjxk(p-1))xk(p-1)(xTk(p-1)xk(p-1))-1(2)

(5)定义k(n)=arg[max(‖ Pxj‖ , k∈ s)]为N-1个投影值中的最大;

(6)将最大投影值对应的波长变量作为下次迭代的初始值:

xj=Pxj, 　j∈S

(7) 令i=i+1, 如果i< N, 则返回到步骤3循环进行计算;

(8) 将优化降维后得到的所有波长组合在一起, 表示为集合Y:

Y={xk(n):n=1, 2, …, N-1}

SPA算法可以从全部波段里提取出特征波长, 能够几乎消除原始光谱矩阵中的冗余信息, 将优化降维后的特征波长输入到后面的建模中, 能够显著增加模型正确率和运算速度。

1.4.2 分类建模算法PSOSVM

支持向量机(support vector machine, SVM)是在统计学的VC维理论基础上发展起来的机器学习方法, 在1995年由Vapnik首先提出[9], 具有理论完备、 分类准确率高、 泛化性能好等优点, 能够解决小样本、 非线性和高维数据划分的问题, 主要用于模式识别和非线性回归, 它的思想是建立一个分类超平面作为决策曲面, 使正例和反例之间的隔离边缘最大化。 SVM引入核函数K(x, xi)巧妙地解决了非线性分类问题, SVM有很多不同的核函数, 由于径向基RBF核函数能够逼近任何非线性函数, 具有很好的学习能力, 因此选择RBF核函数, 表达式如式(3)

K(x, xi)=exp(-γ‖x-xi‖2), 　γ> 0(3)

但是, SVM模型中惩罚参数C和核函数参数γ 的选取对分类的正确率影响很大。 仅依赖于经验值的试凑是不可行的。

粒子群优化(particle swarm optimization, PSO)算法是计算智能领域基于群体智能的优化算法之一, 算法概念源于对人工生命和鸟群捕食行为的研究[10], 采用仿生智能算法进行参数寻优, 不用遍历所有参数组, 目前已经广泛应用于神经网络、 函数优化等其他算法中。

PSOSVM算法的流程如图3所示, 将PSO算法用于支持向量机的参数优化, 可以降低优化过程的计算代价, 提高分类的正确率[11]。

图3 PSOSVM算法的流程图Fig.3 Flow chart of the PSOSVM algorithm

2 结果与讨论
2.1 优选特征波长

实验采集的近红外光谱波长扫描范围1 000~1 799 nm, 共有800个波长变量, 如果直接作为分类模型的输入, 输入量过大, 训练时间过长。 SPA通过最小化变量之间的共线性, 实现了最优波长的选择, 通过SPA对近红外光谱数据进行降维。

针对上述105丸样品, 随机选择80个作为训练集, 25个为测试集, 数据随机分布, 符合建模要求。 选取质控成分中含量最高, 且含量聚类与年份分类吻合的黄芩苷的含量为基准, 根据测试集的内部交叉验证均方根误差值最小, 由图4可看出, 提取最佳的特征波长有11个, 分别是: {1 692, 1 714, 1 405, 1 001, 1 114, 1 478, 1 514, 1 788, 1 202, 1 014, 1 164} nm, 其重要程度依次递减。

图4 优选特征波长分布图Fig.4 The distribution map of preferred characteristic wavelength

2.2 分类模型分析对比

利用训练集80个样本的光谱数据及年份分类, 采用SPA-PSOSVM算法建立安胎丸生产年份鉴别的分析模型, 以分类的正确率作为评价准则。 随机给定SVM分类模型参数, 其中惩罚参数C=1和核函数参数γ =1, 同时将建模结果与SVM和SPA-SVM两种算法作对比, 得到的测试集的分类结果对比如图5— 图7所示。

图5 基于SVM的测试集分类结果Fig.5 The graph of test classification result based on SVM

图6 基于SPA-SVM的测试集分类结果Fig.6 The graph of test classification result based on SPA-SVM

图7 基于SPA-PSOSVM的测试集分类结果Fig.7 The graph of test classification result based on SPA-PSOSVM

为更清楚地对比三种方法的效果, 汇总仿真中部分变量、 参数和结果, 如表3所示(其中黑体字表示本文所用方法)。

表3 三种方法测试效果对比表 Table 3 Table of testcomparison of three methods

从表3对比可知, 近红外光谱数据通过三种方法分类建模测试, 第一种方法, 单一的SVM建模参与变量数目最多, 正确率最低; 第二种方法, 全光谱数据经过SPA降维后, 变量数目从800个降到11个, 再利用SVM建模, 正确率提高到92%, 模型耗时大大缩短, 体现了SPA算法可有效提高正确率和降低建模时间; 第三种方法, 即本方法, 光谱经SPA降维后, 再通过PSO寻优, SVM分类算法的最佳惩罚参数C和核函数参数γ (Best C=16.406 4, γ =0.773 39), 正确率达到了100%, 由于寻优过程消耗时间, 模型耗时高于单一的SVM分类方法。 综合考虑, 基于近红外光谱结合SPA-PSOSVM建立安胎丸的年份分类预测模型正确率最高, 性能较好(见图7)。

3 结 论

对安胎丸近红外光谱数据进行SPA优化降维, 在全波段提取了11个特征波长, 占全部波长的1.375%, 建立了PSOSVM分类模型, 预测模型正确率达到了100%, 表明SPA算法是一种比较有效的特征波长提取办法, 建立的SPA-PSOSVM分类模型正确率明显高于SVM和SPA-SVM, 可以有效地用于安胎丸的生产年份分类预测, 为药材原材料的优选、 厂家生产工艺的革新和伪劣过期药品的判别提供参考和依据。 根据中药的主要质控成分含量随存储时间的变化特点, 本方法可为中药的质量评价提供一种快速无损的判定方式。

参考文献
[1] Drug Specifications Promulgated by the Ministry of Public Health, PR China(卫生部药品标准). Traditional Chinese Medicine Preparation(中药成方制剂). Pharmacopoeia Commission of the Peoples Repbulic of China Press(中华人民共和国药典委员会编). Vol Ⅰ, 1989: 76. [本文引用:1]
[2] WANG Xue-li, MA Jin-fang, PENG Yin, et al(王雪利, 马晋芳, 彭银, 等). Journal of Chinese Medicinal Materials(中药材), 2018, 41(1): 155. [本文引用:1]
[3] CHEN Can-wen, SONG Fen-yun, LI Hua, et al(陈粲文, 宋粉云, 李华, 等). Chinese Journal of Pharmaceutical Analysis(药物分析杂志), 2016, 36(3): 465. [本文引用:1]
[4] YAN Yan-lu, CHEN Bin, ZHU Da-zhou, et al(严衍禄, 陈斌, 朱大洲, 等). Near Infrared Spectroscopy-Principle, Technology and Application(近红外光谱分析的原理、 技术与应用). Beijing: China Light Industry Press(北京: 中国轻工业出版社), 2013. [本文引用:1]
[5] LI Wen-long, QU Hai-bin(李文龙, 瞿海斌). Journal of Zhejiang University·Medical Sciences(浙江大学学报·医学版), 2017, 46(1): 80. [本文引用:1]
[6] XIAO Xue, LI Jun-shan, ZHANG Bo, et al(肖雪, 李军山, 张博, 等). Acta Scientiarum Naturalium Universitatis Nankaiensis(南开大学学报), 2017, 50(3): 44. [本文引用:1]
[7] WANG Tao, BAI Tie-cheng, YU Cai-li, et al(王涛, 白铁成, 喻彩丽, 等). Jiangsu Agricultural Sciences(江苏农业科学), 2018, 46(19): 269. [本文引用:1]
[8] Gabriela Krepper, Florencia Romeo, David Douglas de Sousa Fernand es, et al. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2018, 189: 300. [本文引用:1]
[9] Vapnik V N. IEEE Transactions on Neural Networks, 1999, 10(5): 988. [本文引用:1]
[10] Ardjani F, Sadouni K, Benyettou M. International Workshop on Database Technology and Applications, IEEE, 2010, 2: 32. [本文引用:1]
[11] WANG Dao-ming, LU Chang-hua, JIANG Wei-wei, et al(王道明, 鲁昌华, 蒋薇薇, 等). Journal of Electronic Measurement and Instrumentation(电子测量与仪器学报), 2015, (4): 611. [本文引用:1]