全 文 ：第３４卷，第１０期　 　　　　　　　　　　　光 谱 学 与 光 谱 分 析 Ｖｏｌ．３４，Ｎｏ．１０，ｐｐ２７１９－２７２２
２　０　１　４年１　０月　　　　　　　　　　　 　Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ　 Ｏｃｔｏｂｅｒ，２０１４ 　
近红外光谱法直接检测甜叶菊叶片甜菊糖苷模型建立
汤其坤１，王　钰１，２＊，吴跃进３，闵　笛１，陈达伟１，胡同华１
１．安徽大学资源与环境工程学院，安徽 合肥　２３０６０１　　
２．安徽省中药材产业化技术研发中心，安徽 合肥　２３０６０１
３．中国科学院合肥物质科学研究院，安徽 合肥　２３００３１
摘　要　使用近红外光谱技术直接扫描甜叶菊干叶片，建立了甜菊苷（ｓｔｅｖｉｏｓｉｄｅ，ＳＴ）和莱鲍迪苷 Ａ（ｒｅｂａｕ－
ｄｉｏｓｉｄｅ　Ａ，ＲＡ）的检测模型。对甜菊苷含量在０．２７％～１．４０％，莱鲍迪苷 Ａ含量在０．６１％～３．９８％范围内
的不同品种的甜叶菊干叶片进行了近红外光谱扫描，共扫描了１０５份。采用偏最小二乘法建立甜菊糖苷的
检测模型，比较了减去一条直线、多元散射校正、一阶导数和二阶导数等不同的光谱预处理方法对模型的影
响。结果显示减去一条直线的数据预处理方法为ＳＴ的最优建模方法。ＳＴ校正集相关系数为０．９８６，校正均
方根误差为０．３４１，预测均方根误差为１．００，相对分析误差为２．８；ＲＡ采用无光谱预处理建模，ＲＡ的建模
结果相关系数为０．９６７，校正均方根误差为１．５０，预测均方根误差为１．９８，相对分析误差为４．１７。说明近红
外光谱技术检测甜叶菊干叶片中ＳＴ和ＲＡ的含量具有一定的可行性。同时与甜叶菊粉末ＳＴ模型结果相关
系数为０．９８６，校正均方根误差为０．３２，预测均方根误差为０．６０１，相对分析误差为２．８６和ＲＡ模型结果相
关系数为０．９６８，校正均方根误差为１．５０，预测均方根误差为１．４８，相对分析误差为４．２相比差异不明显。
但减少了叶片粉末检测过程中的烘干、研磨的步骤，节省了时间，降低了工作量。
关键词　近红外漫反射光谱；甜叶菊；甜菊苷；莱鲍迪苷Ａ；偏最小二乘算法
中图分类号：Ｏ６５７．３　　文献标识码：Ａ　　　ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１４）１０－２７１９－０４
　收稿日期：２０１４－０５－１８，修订日期：２０１４－０７－２８
　基金项目：中国科学院战略性先导科技专项项目（ＸＤＡ０８０４０１０７），安徽省科技攻关项目（１２０１０３０２０６５），安徽省教育厅重点项目
（ｋｊ２０１３Ａ０２４）和安徽大学研究生学术创新研究项目（１０１１７７００６２３）资助
　作者简介：汤其坤，１９８９年生，安徽大学资源与环境工程学院硕士研究生　　ｅ－ｍａｉｌ：ｔｑｋａｔ５１８＠ｇｍａｉｌ．ｃｏｍ
＊通讯联系人　　ｅ－ｍａｉｌ：ｗａｎｇｙｕ＠ａｈｕ．ｅｄｕ．ｃｎ
引　言
　　甜叶菊［Ｓｔｅｖｉａ　ｒｅｂａｕｄｉａｎａ （Ｂｅｒｔｏｎｉ）］属菊科（Ｃｏｍｐｏｓｉ－
ｔａｅ）甜菊属（Ｓｔｅｖｉａ）糖料作物，原产于巴拉圭东北部的阿曼拜
地区［１］。于２０世纪７０年代从国外引进我国试种，后推广到
全国［２］。甜叶菊叶片中含有甜菊糖苷，其甜度大约为蔗糖的
３００倍，且具有热量低、不被吸收等特点［３］。传统的测定甜
菊糖苷的方法为高效液相色谱（ｈｉｇｈ　ｐｅｒｆｏｒｍａｎｃｅ　ｌｉｑｕｉｄ　ｃｈｒｏ－
ｍａｔｏｇｒａｐｈｙ，ＨＰＬＣ）法［４］。虽然高效液相色谱法精度高，但
在测量中存在试剂消耗，且测量耗时过长，难以满足甜菊制
糖工业原材料收购和甜叶菊品种选育中糖苷快速检测需求。
近红外光谱（ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ，ＮＩＲＳ）是一种
快速、无损的分析技术，目前已应用于农业、食品及医药等
多个行业［５－７］。利用近红外光谱进行甜叶菊糖苷含量的测定
已有报道［８－１０］。但是前人利用的是甜叶菊液体溶液和粉末进
行模型建立，虽然建立了甜叶菊糖苷的近红外模型，但是却
增加了检测的工序，浪费了时间。
研究直接利用甜叶菊干叶片进行近红外光谱扫描，采用
偏最小二乘算法（ｐａｒｔｉａｌ　ｌｅａｓｔ　ｓｑｕａｒｅｓ，ＰＬＳ），建立了更加快
速、简便的甜叶菊糖苷含量检测模型。
１　实验部分
１．１　仪器
ＭＰＡ型傅里叶变换近红外光谱仪，购自德国ＢＲＵＫＥＲ
公司；ＺＱ－４０００Π２６９５型液相色谱仪，Ｍａｓｓｌｙｎｘ４１０色谱工作
站，购自 ＷＡＴＥＲＳ公司。
１．２　样品及方法
１．２．１　样品采集及预处理
选用来源于不同地区的甜叶菊样本共１０５份。收集了现
蕾期甜叶菊中上部的新鲜叶片，将收集后的样品清理干净
后，放入６０℃烘箱内烘１２ｈ，以除去水分，冷却后置于干燥
器中备用。
１．２．２　近红外光谱扫描
采用积分球漫反射采集系统，扫描范围１２　０００～４　０００
ｃｍ－１，扫描次数６４次，分辨率８ｃｍ－１，以内置背景为参照。
每批样品取３份重复３次，取平均值。每批样品重复３次，
取平均值。
１．２．３　甜菊糖苷提取
将光谱扫描后的样品粉碎，过１００目筛。准确称取甜菊
叶片粉末１．０００　０ｇ，加入１０ｍＬ蒸馏水，６０℃水浴９０ｍｉｎ。
冷却定容至１０ｍＬ，０．４５μｍ微孔滤膜过滤。
１．２．４　高效液相色谱测定
色谱条件：色谱柱为 ＮＨ２柱（１５０ｍｍ×４．６ｍｍ，Φ５
μｍ）；流动相为乙腈：水（８３∶１７，φ）；柱温为（２５±２）℃；流
速为１．０ｍＬ·ｍｉｎ－１；进样量为１０μＬ；检测波长为２１０ｎｍ。
１．２．５　光谱模型建立
采用 ＭＰＡ光谱仪自带软件 ＯＰＵＳ　７．０建立模型并验
证。模型用相关系数（Ｔｈｅ　Ｃｏｒｒｅｌａｔｉｏｎ　Ｃｏｅｆｆｉｃｉｅｎｔｓ，ｒ）、校正
均方根误差（ｒｏｏｔ　ｍｅａｎ　ｓｑｕａｒｅ　ｅｒｒｏｒｓ　ｏｆ　ｃａｌｉｂｒａｔｉｏｎ，ＲＭＳＥＣ）
以及来评价，其预测能力通过预测均方根误差（ｒｏｏｔ　ｍｅａｎ
ｓｑｕａｒｅ　ｅｒｒｏｒｓ　ｏｆ　ｐｒｅｄｉｃｔｉｏｎ，ＲＭＳＥＰ）和相对分析误差（ｒｅｓｉｄｕ－
ａｌ　ｐｒｅｄｉｃｔｉｖｅ　ｄｅｖｉａｔｉｏｎ，ＲＰＤ）作为衡量指标。
２　结果与讨论
２．１　甜叶菊干叶片反射光谱图
由图１可知，１０５份甜叶菊干叶片样本的原始近红外反
射光谱曲线趋势相似，但在不同的波段上升和下降的幅度不
同。从图中看出１２　０００～９　０００ｃｍ－１区间内曲线平滑，８　０００
～４　０００ｃｍ－１区间信息量丰富，这与前人的实验结果相符［７］。
Ｆｉｇ．１　Ｏｒｉｇｉｎａｌ　ＮＩＲ　ａｂｓｏｒｂａｎｃｅ　ｓｐｅｃｔｒａ　ｏｆ
Ｓｔｅｖｉａ　Ｒｅｂａｕｄｉａｎａ　ｌｅａｖｅｓ　ｓａｍｐｌｅｓ
２．２　甜叶菊糖苷含量测定
采用ＤＰＳ数据分析软件来判断异常样品，对１０５份样品
进行了数据分析。根据格拉布斯准则，ＳＴ和ＲＡ模型建立过
程中分别剔除了１和２个异常样品。根据ＳＴ和ＲＡ值的大
小，其余１０４个ＳＴ样本和１０３个ＲＡ样品分别进行了排序。
样品按照３∶１的比例被随机分成校准和预测两组，结果如
表１。
２．３　光谱模型的建立
表２比较了ＯＰＵＳ软件中的六种预处理方法（包括减去
一条直线（ｓｕｂｔｒａｃｔ　ａ　ｓｔｒａｉｇｈｔ　ｌｉｎｅ，ＳＳＬ）、多元散射校正
（ｍｕｌｔｉｐｌｉｃａｔｉｖｅ　ｓｃａｔｔｅｒ　ｃｏｒｒｅｃｔｉｏｎ，ＭＳＣ）、一阶导数（ｆｉｒｓｔ　ｄｅ－
ｒｉｖａｔｉｖｅ，ＦＤ）和二阶导数（ｓｅｃｏｎｄ　ｄｅｒｉｖａｔｉｖｅ，ＳＤ）等）。各光谱
预处理方法所得模型的评价值见表２。其中ＳＬＳ的数据预处
理方法在ＳＴ的建模中能得到最高的相关系数和最低的校正
和预测均方根误差，而ＲＡ无需光谱预处理就能得到较好的
光谱模型。
Ｔａｂｌｅ　１　Ｓｔａｔｉｓｔｉｃｓ　ｏｆ　ｒｅｆｅｒｅｎｃｅ　ｄａｔａ　ｆｏｒ　ＳＴ　ａｎｄ　ＲＡ　ｏｂｔａｉｎｅｄ　ｂｙ　ＨＰＬＣ
组份
校正集
样品数 含量范围／％ 平均值／％ 标准差／％
预测集
样品数 含量范围／％ 平均值／％ 标准差／％
ＳＴ　 ７８　 ０．２７～１．４０　 ０．７８　 ０．２９　 ２６　 ０．３９～１．４０　 ０．８７　 ０．２７
ＲＡ　 ７７　 ０．６１～３．９８　 ２１．０６　 ０．８２　 ２６　 ０．７８～３．９８　 ２．１３　 ０．８２
Ｔａｂｌｅ　２　Ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｍｏｄｅｌ　ｗｉｔｈ　ｄｉｆｆｅｒｅｎｔ　ｐｒｅｔｒｅａｔｍｅｎｔｓ　ｏｆ　ＳＴ　ａｎｄ　ＲＡ
预处理方法
相关系数
甜菊苷 莱鲍迪苷Ａ
校正均方根误差
甜菊苷 莱鲍迪苷Ａ
预测均方根误差
甜菊苷 莱鲍迪苷Ａ
无光谱预处理 ０．９７６　 ０．９６７　 ０．４５１　 １．５０　 １．０１　 １．９８
一阶导数 ０．８６９　 ０．９５６　 ０．９５８　 １．７２　 １．２４　 ２．０６
二阶导数 ０．５９１　 ０．８７８　 ２．１１　 ３．２０　 ２．７９　 ４．８０
消除常数偏移量 ０．９７５　 ０．９６３　 ０．４５９　 １．５８　 ０．９８４　 １．９８
多元散射校正 ０．８９１　 ０．９５４　 １．０５　 ２．４１　 １．８０　 ３．９６
减去一条直线 ０．９８６　 ０．９６３　 ０．３４１　 １．５７　 １．００　 １．９７
矢量归一化 ０．９２５　 ０．９６３　 ０．７３３　 ２．６４　 １．６１　 ４．４２
２．４　预测样品的分析结果
采用ＰＬＳ法建立模型，并与实际测量值进行比较（表
３）。从分析结果可知，ＲＡ比ＳＴ预测结果好，ＲＡ的ＲＰＤ值
为４．１７而ＳＴ的ＲＰＤ值只有２．８，小于较好模型的ＲＰＤ≥
３。这可能是由于ＳＴ的含量偏小、差异不明显造成的。图２
分别为校正集的参考值与计算值间的关系和预测集的参考值
０２７２ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３４卷
与计算值间的关系。
２．５　与叶片粉末近红外模型对比
将干叶片磨碎所得粉末，按照相同分组进行了近红外模
型建立，所得最适模型参数见表４。从表中可以看出，ＳＴ和
ＲＡ的叶片粉末近红外模型参数与干叶片模型参数相比具有
一定优势，但总体而言，两个模型参数差异不明显。
Ｔａｂｌｅ　３　Ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｏｐｔｉｍａｌ　ｍｏｄｅｌ　ｏｆ　ＳＴ　ａｎｄ　ＲＡ　ｆｏｒ　ｄｒｉｅｄ　ｌｅａｖｅｓ
组分 光谱范围／ｃｍ－１ 预处理方法
校正集
相关系数 校正均方根误差
预测集
相关系数 预测均方根误差 相对分析误差
维数
ＳＴ
７　５０２．２～５　４４６．３
５　６０１．６～４　２４６．７
减去一条直线 ０．９８６　 ０．３４１　 ０．８４７　 １．００　 ２．８　 ８
ＲＡ　 ５　４５０．２～４　２４６．７ 无光谱预处理 ０．９６７　 １．５０　 ０．９６８　 １．９８　 ４．１７　 ７
Ｆｉｇ．２　Ｃｏｒｒｅｌａｔｉｏｎ　ｓｔａｔｉｓｔｉｃｓ　ｂｅｔｗｅｅｎ　ＨＰＬＣ　ｖａｌｕｅｓ　ａｎｄ　ＮＩＲＳ　ｐｒｅｄｉｃｔｉｏｎｓ　ｆｏｒ　ＳＴ（（ａ）ｃａｌｉｂｒａｔｉｏｎ
ｓｅｔ；（ｂ）ｐｒｅｄｉｃｔｉｏｎ　ｓｅｔ）ａｎｄ　ＲＡ（（ｃ）ｃａｌｉｂｒａｔｉｏｎ　ｓｅｔ；（ｄ）ｐｒｅｄｉｃｔｉｏｎ　ｓｅｔ）
Ｔａｂｌｅ　４　Ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｏｐｔｉｍａｌ　ｍｏｄｅｌ　ｏｆ　ＳＴ　ａｎｄ　ＲＡ　ｆｏｒ　ｐｏｗｄｅｒ
组分 光谱范围／ｃｍ－１ 预处理方法
校正集
相关系数 校正均方根误差
预测集
相关系数 预测均方根误差 相对分析误差
维数
ＳＴ
７　５０２．２～６　０９８．２
５　４５０．２～４２４６．７
减去一条直线 ０．９８８　 ０．３２　 ０．９１５　 ０．６０１　 ２．８６　 ７
ＲＡ　 ５　４５０．２～４　２４６．７ 减去一条直线 ０．９６８　 １．１６　 ０．９６２　 １．４８　 ４．２　 ７
３　结　论
　　为了简化近红外光谱分析技术在甜叶菊糖苷检测的应用
步骤，本研究利用了甜叶菊的干叶片直接进行近红外光谱的
扫描，并进行了甜叶菊干叶片的近红外检测模型的建立。节
省了叶片烘干后，研磨过筛所需要的时间。同时，实验利用
积分球旋转台采集甜叶菊干叶片近红外光谱，避免了叶片方
向对试验的影响。
建模结果表明利用近红外漫反射光谱法可实现对甜叶菊
干叶片中ＳＴ和ＲＡ的含量的快速测定，并且与粉末模型参
数相比差异不明显。综上所述，可以利用甜叶菊干叶片代替
粉末进行近红外糖苷检测，节省了工作量。但目前所建立的
甜叶菊ＳＴ的检测模型的ＲＰＤ值只有２．８，并且ＳＴ和 ＲＡ
的模型维数较高，容易导致过拟合。因此还需要增加代表性
样本数，进一步优化模型，才能得到更加稳定和可靠的近红
外模型。
Ｒｅｆｅｒｅｎｃｅｓ
［１］　Ｍｕｎｉｓｈ　Ｐｕｒｉ，Ｄｅｅｐｉｋａ　Ｓｈａｒｍａ，Ｃｏｌｉｎ　Ｊ．Ｂａｒｒｏｗ，ｅｔ　ａｌ．Ｆｏｏｄ　Ｃｈｅｍｉｓｔｒｙ，２０１２，１３２（３）：１１１３．
［２］　ＳＨＵ　Ｓｈｉ－ｚｈｅｎ（舒世珍）．Ｃｈｉｎａ　Ｓｅｅｄ　Ｉｎｄｕｓｔｒｙ（中国种业），２０１０，（６）：２１．
１２７２第１０期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析
［３］　Ｘｕ　Ｆｅｎｇ，Ｗａｎｇ　Ｄｏｎｇｈａｉ．Ｂｉｏｒｅｓｏｕｒｃｅ　Ｔｅｃｈｎｏｌｏｇｙ，２０１３，１４７：２９３．
［４］　Ｒｏｂｅｒｔｏ　Ｌｅｍｕｓ－Ｍｏｎｄａｃａ，Ａｎｔｏｎｉｏ　Ｖｅｇａ－Ｇáｌｖｅｚ，Ｌｉｌｉａｎａ　Ｚｕｒａ－Ｂｒａｖｏ，ｅｔ　ａｌ．Ｆｏｏｄ　Ｃｈｅｍｉｓｔｒｙ，２０１２，１３２（３）：１１２１．
［５］　Ｃｈｅｎ　Ｘｉａｏｊｉｎｇ，Ｗｕ　Ｄｉ，Ｈｅ　Ｙｏｎｇ，ｅｔ　ａｌ．Ａｎａｌｙｔｉｃａ　Ｃｈｉｍｉｃａ　Ａｃｔａ，２００９，６３８（１）：１６．
［６］　Ｌｉｕ　Ｆ，Ｚｈａｎｇ　Ｆ，Ｊｉｎ　Ｚ　Ｌ，ｅｔ　ａｌ．Ａｎａｌｙｔｉｃａ　Ｃｈｉｍｉｃａ　Ａｃｔａ，２００８，６２９（１）：５６．
［７］　ＬＩＵ　Ｆｅｉ，ＦＡＮＧ　Ｈｕｉ，ＺＨＡＮＧ　Ｆａｎ，ｅｔ　ａｌ（刘　飞，方　慧，张　帆，等）．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ａｎａｌｙｔｉｃａｌ　Ｃｈｅｍｉｓｔｒｙ（分析化学），２００９，３７
（１）：６７．
［８］　Ｎｉｓｈｉｙａｍａ　Ｐ，Ａｌｖａｒｅｚ　Ｍ，ＬＧＥ　Ｖ．Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　Ｓｃｉｅｎｃｅ　ｏｆ　Ｆｏｏｄ　ａｎｄ　Ａｇｒｉｃｕｌｔｕｒｅ，１９９２，５９（３）：２７７．
［９］　ＣＨＥＮ　Ｘｕｅ－ｙｉｎｇ，ＬＩ　Ｙｅ－ｒｕｉ，ＣＨＥＮ　Ｙｏｎｇ，ｅｔ　ａｌ（陈雪英，李页瑞，陈　勇，等）．Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｉｎｅｓｅ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｆｏｏｄ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈ－
ｎｏｌｏｇｙ（中国食品学报），２００９，９（５）：１９５．
［１０］　Ｈｅａｒｎ　Ｌ　Ｋ，Ｓｕｂｅｄｉ　Ｐ　Ｐ．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｏｏｄ　Ｃｏｍｐｏｓｉｔｉｏｎ　ａｎｄ　Ａｎａｌｙｓｉｓ，２００９，２２（２）：１６５．
Ｄｅｔｅｒｍｉｎａｔｉｏｎ　ｏｆ　Ｓｔｅｖｉｏｌ　ｉｎ　Ｓｔｅｖｉａ　Ｒｅｂａｕｄｉａｎａ　Ｌｅａｖｅｓ　ｂｙ　Ｎｅａｒ　Ｉｎｆｒａｒｅｄ
Ｓｐｅｃｔｒｏｓｃｏｐｙ
ＴＡＮＧ　Ｑｉ－ｋｕｎ１，ＷＡＮＧ　Ｙｕ１，２＊，ＷＵ　Ｙｕｅ－ｊｉｎ３，ＭＩＮ　Ｄｉ　１，ＣＨＥＮ　Ｄａ－ｗｅｉ　１，ＨＵ　Ｔｏｎｇ－ｈｕａ１
１．Ｓｃｈｏｏｌ　ｏｆ　Ｒｅｓｏｕｒｃｅｓ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ａｎｈｕｉ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ　２３０６０１，Ｃｈｉｎａ
２．Ｉｎｄｕｓｔｒｙ　Ｔｅｃｈｎｏｌｏｇｙ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ　Ｃｅｎｔｅｒ　ｆｏｒ　Ｃｈｉｎｅｓｅ　Ｍｅｄｉｃｉｎａｌ　Ｍａｔｅｒｉａｌｓ，Ｈｅｆｅｉ　２３０６０１，Ｃｈｉｎａ
３．Ｈｅｆｅｉ　Ｉｎｓｔｉｔｕｔｅｓ　ｏｆ　Ｐｈｙｓｉｃａｌ　Ｓｃｉｅｎｃｅ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｈｅｆｅｉ　２３００３１，Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ　Ｔｈｅ　ｏｂｊｅｃｔｉｖｅ　ｏｆ　ｔｈｅ　ｐｒｅｓｅｎｔ　ｓｔｕｄｙ　ｉｓ　ｔｏ　ｄｅｖｅｌｏｐ　ａ　ｍｅｔｈｏｄ　ｆｏｒ　ｒａｐｉｄ　ｄｅｔｅｒｍｉｎａｔｉｏｎ　ｏｆ　ｔｈｅ　ｃｏｎｔｅｎｔ　ｏｆ　ｓｔｅｖｉｏｓｉｄｅ（ＳＴ）ａｎｄ
ｒｅｂａｕｄｉｏｓｉｄｅ　Ａ（ＲＡ）ｉｎ　Ｓｔｅｖｉａ　Ｒｅｂａｕｄｉａｎａｌｅａｖｅｓ．Ｏｎｅ　ｈｕｎｄｒｅｄ　ａｎｄ　ｆｉｖｅ　ｓａｍｐｌｅｓ　ｏｆ　ｓｔｅｖｉａ　ｆｒｏｍ　ｄｉｆｆｅｒｅｎｔ　ａｒｅａｓ　ｃｏｎｔａｉｎｉｎｇ　ＳＴ　ｏｆ
０．２７％～１．４０％ａｎｄ　ＲＡ　ｏｆ　０．６１％～３．９８％ ｗｅｒｅ　ｕｓｅｄ．Ｔｈｅ　１０５ｇｒｏｕｐｓ’ＮＩＲＳ　ｄｉａｇｒａｍ　ｗａｓ　ｐｒｏｃｅｓｓｅｄ　ｂｙ　ｄｉｆｆｅｒｅｎｔ　ｍｅｔｈｏｄｓ　ｉｎ－
ｃｌｕｄｉｎｇ　ｓｕｂｔｒａｃｔｉｎｇ　ａ　ｓｔｒａｉｇｈｔ　ｌｉｎｅ（ＳＬＳ），ｍｕｌｔｉｐｌｉｃａｔｉｖｅ　ｓｃａｔｔｅｒ　ｃｏｒｒｅｃｔｉｏｎ（ＭＳＣ），ｆｉｒｓｔ　ｄｅｒｉｖａｔｉｖｅ（ＦＤ），ｓｅｃｏｎｄ　ｄｅｒｉｖａｔｉｖｅ（ＳＤ）
ａｎｄ　ｓｏ　ｏｎ，ａｎｄ　ｔｈｅｎ　ａｌ　ｄａｔａ　ｗｅｒｅ　ａｎａｌｙｚｅｄ　ｂｙ　ｐａｒｔｉａｌ　ｌｅａｓｔ　ｓｑｕａｒｅ（ＰＬＳ）．Ｔｈｅ　ｓｔｕｄｙ　ｓｈｏｗｅｄ　ｔｈａｔ　ＳＬＳ　ｃａｎ　ｂｅ　ｕｓｅｄ　ｔｏ　ｅｘｔｒａｃｔｅｄ
ｓｐｅｃｔｒａ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｈｏｒｏｕｇｈｌｙ　ｔｏ　ａｎａｌｙｚｅ　ｔｈｅ　ｃｏｎｔｅｎｔｓ　ｏｆ　ＳＴ，ｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔｓ　ｏｆ　ｃａｌｉｂｒａｔｉｏｎ（Ｒｃ），ｔｈｅ　ｒｏｏｔ－ｍｅａｎ－
ｓｑｕａｒｅ　ｅｒｒｏｒｓ　ｏｆ　ｃａｌｉｂｒａｔｉｏｎ（ＲＭＳＥＣ）ａｎｄ　ｐｒｅｄｉｃｔｉｏｎ（ＲＭＳＥＰ），ａｎｄ　ｔｈｅ　ｒｅｓｉｄｕａｌ　ｐｒｅｄｉｃｔｉｖｅ　ｄｅｖｉａｔｉｏｎ（ＲＰＤ）ｗｅｒｅ　０．９８６，
０．３４１，１．００ａｎｄ　２．８，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔｓ　ｏｆ　ＲＡ　ｗａｓ　０．９６７，ＲＭＳＥＣ　ｗａｓ　１．５０，ＲＭＳＥＰ　ｗａｓ　１．９８ａｎｄ
ＲＰＤ　ｗａｓ　４．１７．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｉｎｄｉｃａｔｅｄ　ｔｈａｔ　ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ（ＮＩＲＳ）ｔｅｃｈｎｉｑｕｅ　ｏｆｆｅｒｓ　ｅｆｆｅｃｔｉｖｅ　ｑｕａｎｔｉｔａｔｉｖｅ　ｃａｐａｂｉｌｉｔｙ　ｆｏｒ
ＳＴ　ａｎｄ　ＲＡ　ｉｎ　Ｓｔｅｖｉａ　Ｒｅｂａｕｄｉａｎａｌｅａｖｅｓ．Ｔｈｅｎ　ｔｈｅ　ｍｏｄｅｌ　ｏｆ　ｓｔｅｖｉａ　ｄｒｉｅｄ　ｌｅａｖｅｓ　ｗａｓ　ｕｓｅｄ　ｔｏ　ｃｏｍｐａｒｅ　ｗｉｔｈ　ｔｈｅ　ｓｔｅｖｉａ　ｐｏｗｄｅｒ　ｎｅａｒ
ｉｎｆｒａｒｅｄ　ｍｏｄｅｌ　ｗｈｏｓｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔｓ　ｏｆ　ＳＴ　ｗａｓ　０．９８６，ＲＭＳＥＣ　ｗａｓ　０．３２，ＲＭＳＥＰ　ｗａｓ　０．６０１ａｎｄ　ＲＰＤ　ｗａｓ　２．８６ａｎｄ
ｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔｓ　ｏｆ　ＲＡ　ｗａｓ　０．９６８，ＲＭＳＥＣ　ｗａｓ　１．５０，ＲＭＳＥＰ　ｗａｓ　１．４８ａｎｄ　ＲＰＤ　ｗａｓ　４．２．Ｔｈｅ　ｒｅｓｕｌｔ　ｓｈｏｗｅｄ　ｔｈａｔ
ｔｈｅｒｅ　ｗａｓ　ｎｏ　ｓｉｇｎｉｆｉｃａｎｔ　ｄｉｆｆｅｒｅｎｃｅ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｍｏｄｅｌ　ｏｆ　ｄｒｉｅｄ　ｌｅａｖｅｓ　ａｎｄ　ｔｈａｔ　ｏｆ　ｔｈｅ　ｐｏｗｄｅｒｓ．Ｈｏｗｅｖｅｒ，ｔｈｅ　ｄｒｉｅｄ　ｌｅａｖｅｓ　ＮＩＲ
ｍｏｄｅｌ　ｒｅｄｕｃｅｓ　ｔｈｅ　ｕｎｎｅｃｅｓｓａｒｙ　ｔｈｅ　ｓｔｅｐｓ　ｏｆ　ｄｒｙｉｎｇ　ａｎｄ　ｇｒｉｎｄｉｎｇ　ｉｎ　ｔｈｅ　ａｃｔｕａｌ　ｄｅｔｅｃｔｉｏｎ　ｐｒｏｃｅｓｓ，ｓａｖｉｎｇ　ｔｈｅ　ｔｉｍｅ　ａｎｄ　ｒｅｄｕｃｉｎｇ　ｔｈｅ
ｗｏｒｋｌｏａｄ．
Ｋｅｙｗｏｒｄｓ　Ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ；Ｓｔｅｖｉａ　ｒｅｂａｕｄｉａｎａ；Ｓｔｅｖｉｏｓｉｄｅ；Ｒｅｂａｕｄｉｏｓｉｄｅ　Ａ；Ｐａｒｔｉａｌ　ｌｅａｓｔ　ｓｑｕａｒｅ
（Ｒｅｃｅｉｖｅｄ　Ｍａｙ　１８，２０１４；ａｃｃｅｐｔｅｄ　Ｊｕｌ．２８，２０１４）　　
＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒ
２２７２ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３４卷