蒙古黄芪不同栽培方式的高光谱识别与分类

doi:10.3964/j.issn.1000-0593(2025)07-1842-06

摘要
参考文献
相关文章 (15)

全文: PDF (2255 KB)
输出: BibTeX | EndNote (RIS)

摘要：黄芪是一种重要的中药材，为豆科植物蒙古黄芪或膜荚黄芪的干燥根。一般来说，仿野生种植的蒙古黄芪在有效成分含量等方面往往优于平栽种植，但仅凭外观难以有效鉴别，而传统的高效液相色谱法（HPLC）测量有效成分则存在成本高昂、耗时长等缺点。本研究旨在探索一种快速、经济且准确的方法来区分仿野生和平栽种植的蒙古黄芪。采用HPLC测定研磨后蒙古黄芪根系样品的有效成分含量；采用地物光谱仪（SVC-HR1024）获取样品在350～2 500 nm波长范围的高光谱反射率信息，重点关注可见光（VIS，350～700 nm）、近红外（NIR，700～1 100 nm）和短波红外（SWIR，1 100～2 500 nm）三个主要波段的光谱特征；采用随机森林（RF）、K近邻（KNN）、朴素贝叶斯（NB）和支持向量机（SVM）四种机器学习模型进行分类；对表现最佳的RF模型进行了SHAP特征重要性分析。研究表明：（1）仿野生种植的蒙古黄芪有效成分的含量均显著高于平栽种植；（2）仿野生和平栽蒙古黄芪在近红外和短波红外区域存在显著的光谱差异，反映出仿野生种植环境的多样性对蒙古黄芪色素合成、组织结构及化学成分的影响；（3）随机森林模型在分类任务中表现最佳，准确率、精确率、F1分数、Kappa和MCC系数分别为97.14%、97.42%、0.971 3、0.942 9、0.945 6；（4）SHAP分析识别出的关键波段与水分、蛋白质和纤维素等重要成分相关。本研究证明了基于高光谱反射率的方法在区分蒙古黄芪仿野生与平栽样品方面的有效性，为中药材质量控制和鉴别提供了一种新的、非破坏性的快速检测方法，有望在中药材质量评估和市场监管中发挥重要作用。

关键词：蒙古黄芪；高光谱反射率；仿野生种植；平栽种植；机器学习；SHAP分析

Abstract：Huangqi is an important medicinal herb, specifically the dried root of either Astragalus membranaceus (Fisch.) Bge. var. Mongholicus (Bge.) Hsiao (A. mongholicus) or Astragalus membranaceus (Fisch.) Bge. Generally, simulated wild cultivation of A. mongholicus tends to result in higher active compound content compared to horizontal cultivation. However, these differences are challenging to distinguish by visual inspection alone. Traditional methods like High-Performance Liquid Chromatography (HPLC) are accurate for measuring these compounds but are costly and time-consuming. This study aims to develop a rapid, cost-effective, and accurate method to differentiate between simulated wild and horizontally cultivated A. mongholicus. Using a spectroradiometer, we measured the active compound content in ground root samples using HPLC and obtained hyperspectral reflectance data within the 350～2 500 nm wavelength range (SVC-HR1024). The study focused on the spectral characteristics in the visible (VIS, 350～700 nm), near-infrared (NIR, 700～1 100 nm), and shortwave infrared (SWIR, 1 100～2 500 nm) regions. Four machine learning models—Random Forest (RF), K-Nearest Neighbors (KNN), Naive Bayes (NB), and Support Vector Machine (SVM)—were employed for classification. An importance analysis of SHAP features was conducted on the best-performing RF model. The findings reveal that: (1) Simulated wild cultivation had significantly higher active compound content in A. mongholicus than horizontal cultivation; (2) Distinct spectral differences exist between simulated wild and horizontally cultivated A. mongholicus in the NIR and SWIR regions, indicating the impact of the diverse simulated wild environment on pigment synthesis, tissue structure, and chemical composition; (3) The RF model achieved the best performance with an accuracy, precision, F1 score, Kappa, and MCC coefficients of 97.14%, 97.42%, 0.971 3, 0.942 9, and 0.945 6, respectively; (4) SHAP analysis identified key wavelengths associated with moisture, protein, and cellulose content. This study demonstrates the effectiveness of hyperspectral reflectance in distinguishing between simulated wild and horizontally cultivated A. mongholicus samples, providing a novel, non-destructive, and rapid detection method for the quality control and identification of medicinal herbs. This approach has the potential to play a significant role in the quality assessment and market regulation of medicinal herbs.

Key words：A. mongholicus;Hyperspectral reflectance;Simulated wild cultivation;Horizontal cultivation;Machine learning;SHAP analysis

收稿日期: 2024-09-05 修订日期: 2025-02-15

中图分类号:

O433.4

基金资助: 包头师范学院高层次人才引进科研启动基金项目（BTTCRCQD2024-007），国家自然科学基金项目（32260027），内蒙古自治区自然科学基金项目（2024QN03033）资助

通讯作者: 范菠菠，刘杰 E-mail: fanbobo19@126.com；tunriyaoyun@126.com

作者简介: 吴强，1994年生，河南农业大学农学院博士后 e-mail: imauwq@163.com

引用本文:

吴强，卢玲，冯晓娟，王猛，王永龙，侯丁一，范菠菠，刘杰. 蒙古黄芪不同栽培方式的高光谱识别与分类[J]. 光谱学与光谱分析, 2025, 45(07): 1842-1847.
WU Qiang, LU Ling, FENG Xiao-juan, WANG Meng, WANG Yong-long, HOU Ding-yi, FAN Bo-bo, LIU Jie. Hyperspectral Identification and Classification of Different Cultivation Methods of A. mongholicus. SPECTROSCOPY AND SPECTRAL ANALYSIS, 2025, 45(07): 1842-1847.

链接本文:

https://www.gpxygpfx.com/CN/10.3964/j.issn.1000-0593(2025)07-1842-06 或 https://www.gpxygpfx.com/CN/Y2025/V45/I07/1842

[1] MA Yan-chun，HU Jian-hui，WU Wen-xuan，et al（马艳春，胡建辉，吴文轩，等）. Acta Chinese Medicine and Pharmacology（中医药学报），2022，50（4）：92.
[2] Wang X M，Wang Y L，Huang D M，et al. International Immunopharmacology，2022，112：109186.
[3] Tsai C C，Wu H H，Chang C P，et al. Journal of the Formosan Medical Association，2019，118（3）：730.
[4] KANG Chuan-zhi，ZHANG Yan，WANG Sheng，et al（康传志，张燕，王升，等）. China Journal of Chinese Materia Medica（中国中药杂志），2021，46（8）：1858.
[5] LUO Yang-yang，ZHANG Xuan，ZHANG Fu-sheng，et al（雒阳阳，张璇，张福生，等）. China Journal of Chinese Materia Medica（中国中药杂志），2022，47（13）：3463.
[6] WANG Zong-quan，HUANG Chao-qing，HUANG Zhi-hui，et al（王宗权，黄朝情，黄志辉，等）. Chinese Journal of Pharmaceutical Analysis（药物分析杂志），2021，41（7）：1148.
[7] LIU Jie，GUO Jia-hua，ZHAO Peng，et al（刘杰，郭嘉华，赵鹏，等）. Northern Horticulture（北方园艺），2024，（2）：100.
[8] FEI Shuai-peng，YU Xiao-long，LAN Ming，et al（费帅鹏，禹小龙，兰铭，等）. Scientia Agricultura Sinica（中国农业科学），2021，54（16）：3417.
[9] WANG He，LIU Shi-yu，WANG Hui，et al（王翯，刘诗雨，王慧，等）. China Journal of Chinese Materia Medica（中国中药杂志），2023，48（16）：4320.
[10] LI Meng，ZHANG Xiao-bo，LIU Shao-bo，et al（李梦，张小波，刘绍波，等）. Spectroscopy and Spectral Analysis（光谱学与光谱分析），2022，42（4）：1217.
[11] Zhou W，Yan Z X，Zhang L T. Scientific Reports，2024，14（1）：5905.
[12] ZHAO Gui-ping，WU Jie，CHEN Jia-ying，et al（赵贵萍，邬洁，陈佳颖，等）. Chinese Journal of Experimental Traditional Medical Formulae（中国实验方剂学杂志），2022，28（22）：239.
[13] National Pharmacopoeia Committee（国家药典委员会）. Pharmacopoeia of the People's Republic of China（中华人民共和国药典）. Beijing：China Medical Science and Technology Press（北京：中国医药科技出版社），2020.
[14] Wu Q，Zhang Y P，Zhao Z W，et al. Agronomy，2023，13（1）：211.
[15] GUO Lan-ping，ZHOU Liang-yun，KANG Chuan-zhi，et al（郭兰萍，周良云，康传志，等）. China Journal of Chinese Materia Medica（中国中药杂志），2020，45（9）：1969.
[16] Cozzolino D. Plant Medica, 2009, 75(7): 746.
[17] Yang L，Wen K S，Ruan X，et al. Molecules，2018，23（4）：762.
[18] Belgiu M，Drǎguţ L. ISPRS Journal of Photogrammetry and Remote Sensing，2016，114：24.
[19] Mountrakis G，Im J，Ogole C. ISPRS Journal of Photogrammetry and Remote Sensing，2011，66（3）：247.
[20] Liu P，Zhang H，Eom K B. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2018，10（2）：712.
[21] Kokaly R F. Remote Sensing of Environment，2001，75（2）：153.
[22] Blackburn G A. Journal of Experimental Botany，2007，58（4）：855.
[23] Wu Z Z，Xu E B，Long J，et al. Food Control，2015，50：405.
[24] MEI Guang-yuan，LI Rong，MEI Xin，et al（梅广源，李荣，梅新，等）. Scientia Agricultura Sinica（中国农业科学），2024，57（3）：484.
[25] Li S Y，Yuan W，Deng G B，et al. Pharmaceutical Crops，2011，2（1）：28.