全 文 ：工作简报
水平衰减全反射-傅里叶变换红外光谱结合化学
计量学法应用于三种缩叶藓属植物的分类
孔黎春，余 鹏，程存归
(浙江师范大学 化学系，金华 321004)
摘 要:采用水平衰减全反射(HATR)-傅里叶变换红外光谱法(FTIR)测定了 3 种缩叶藓属植
物齿边缩叶藓、多枝缩叶藓和中华缩叶藓的红外谱图，运用离散小波变换对吸收较为相似的 3 种缩
叶藓属植物的红外谱图进行特征提取。通过分析比较后选择第三，四分解层进行特征向量的提取，
利用所得到的特征变量进行径向基神经网络(RBF-NN)训练，再将训练出来的网络对不同产地的 3
种缩叶藓属植物的红外谱图离散小波提取后的特征向量进行分类。通过对 120 个不同样本的验
证，说明能够采用基于 FTIR-离散小波进行数据压缩后进行特征变量的提取及径向基神经网络分
类法对 3 种缩叶属植物齿边缩叶藓、多枝缩叶藓和中华缩叶藓进行分类。
关键词:水平衰减全反射-傅里叶变换红外光谱法;离散小波特征提取;径向基神经网络;缩叶
藓属植物;分类
中图分类号:O657． 33 文献标志码:A 文章编号:1001-4020(2012)04-0405-05
Classification of Three Kinds of Ptychomitrium by Horizontal Attenuated
Total Reflection-FTIR Combined with Chemometric Methods
KONG Li-chun，YU Peng，CHENG Cun-gui
(Department of Chemistry，Zhejiang Normal University，Jinhua 321004，China)
Abstract:The horizontal attenuated total reflectance Fourier transform infrared spectroscopy (HATR-FTIR)was
applied to classification of 3 ptychomitrium， including ptychomitrium dentatum (Mitt．) Jaeg．， Ptychomitrium
polyphylloides (C． Muell．)Par and Ptychomitrium sinense (Mitt．)Jaeg． The technique of discrete wavelet transform was
used to extract the features of the similar FTIR of the 3 Ptychomitrium． Through analyzing and comparing the characteristic
vector extraction in 3，4 detail decomposition layers and training the feature variables via radial basis function neural
network (RBF-NN) ，the characteristic extraction vectors of the FTIR of the 3 Ptychomitrium were classified by the network
which training out by RBF-NN． By means of the verification of 120 different samples，it was shown that the feasibility of
establishing the models with FTIR-DWT-RBF-NN method to identify among Ptychomitrium dentatum (Mitt．) Jaeg．，
Ptychomitrium polyphylloides (C． Muell．)Par． and Ptychomitrium sinense (Mitt．)Jaeg．
Keywords:HATR-FTIR;Feature extraction based on discrete wavelet transform;Radial basis function neural
network;Ptychomitrium;Classification
收稿日期:2011-11-16
基金项目:浙江省公益技术应用研究计划项目(分析测试
2011C37051)
作者简介:孔黎春(1979 －) ，男，浙江磐安人，硕士，工程师，主
要研究方向为有机分析。E-mail:sky35@ zjnu． cn
苔藓植物是绿色高等植物中比较重要的一个门
类，是出现较早而比较低等的陆生植物。随着苔藓
植物经济价值的扩大开发，有关学者对苔藓植物的
应用价值研究异常活跃，尤其是在生态学方面和药
用研究方面［1］。据统计，目前我国民间和临床作为
·504·
孔黎春等:水平衰减全反射-傅里叶变换红外光谱结合化学计量学法应用于三种缩叶藓属植物的分类
药用的苔藓种类约有 58 种，藓类植物体形微小，很
多种类外形较为相似，进行藓类植物的分类研究具
有一定的理论与实际意义［2］。
由于傅里叶变换红外光谱法(FTIR)能给出复
合体系的几乎所有物质的信息，不同中药或不同科
属植物可以产生差异比较大的 FTIR 吸收，在采用
FTIR鉴定化学成分差异较大的不同科属之间的植
物或中药时，采用 FTIR 能给出较为直观的结果，目
前已有不少报道［3］。由于同属不同种类间的植物
或中药所含化学成分较为接近，仅仅采用 FTIR 的
情况下，在许多实际应用过程中尚不能准确快速地
做出判断［4］。
采用水平衰减全反射-傅里叶变换红外光谱法
(HATR-FTIR)直接测定可以获得中药或植物样品
的红外光谱图。由于直接测定时所得到的是中药或
植物的红外谱图，虽然 HATR-FTIR可以排除萃取法
或压片制样时的一些不确定因素，但是植物体本身
是复杂的混合物体系，其红外光谱图是所含各类化
合物吸收强度的叠加，使其具有难以解析的复杂性。
由于亲缘关系相近植物体的主体成分相似，故红外
谱图又具有一定的相似性，如何区分这些相似而又
复杂的谱图，是中药鉴定及植物分类方法学研究中
一个技术难点［5-7］。本工作通过对形态较为相似的
3 种缩叶藓属植物为研究对象，采用水平衰减全反
射-傅里叶变换红外光谱法直接获得样品的红外谱
图，结合化学计量学法对这 3 种缩叶藓属植物的识
别方法进行了研究，从而提高鉴定准确度，以达到对
藓类植物的鉴定及分类的效果，并为苔藓植物分类
提供新的科学辅助手段。
1 试验部分
1． 1 仪器
NEXUS 670 型傅里叶变换红外光谱仪，配中红
外(DTGS)检测器，OMNIC E． S． P． 5． 1 智能操作软
件，水平衰减全反射(HATR)附件，扫描范围为 4
000 ～ 650 cm －1，分辨率为 2 cm －1，扫描累加次数 64
次。
1． 2 试验方法
试验选用齿边缩叶藓、多枝缩叶藓和中华缩叶
藓 3 种缩叶属植物的干燥全草为样品，将采得的样
品洗净，不经过任何化学处理，于避光处晾干。裁取
样品的根部作为分析对象，先放入粉碎机中粉碎，然
后置于玛瑙研钵上研磨成约 75 μm 的细小均匀粉
末。每种样品称取 8． 0 mg，待测。
在采集数据前，按傅里叶变换红外光谱仪测试
要求将 HATR 附件水平放置于傅里叶变换红外光
谱仪的样品仓中，分别将样品粉末置于锗晶片与校
正压力装置之间，转紧校正压力装置后，直接测定样
品的红外谱图。为了降低测定误差，每次测定接触
面积均固定为 0． 314 mm2，图谱基线采用自动校正
法进行校正。
1． 3 数据处理
通过测定，得到样品的红外谱图。3 种缩叶藓
属植物根部的红外图谱数据聚类分析在 Past1． 24b
统计软件包中运行，在 Past 1． 24b 中采用 Paried，
correlation，Two-way 得到表征藓类植物亲缘关系的
聚类分析树系图。采用 Matlab 6． 1 软件，对拷贝自
试验中所给定的样品的红外图谱数据进行一维离散
小波变换，在各个分辨率下观察样品的红外图谱差
异程度，从中选择两个有代表性的分辨率进行提取
特征向量值。进行径向基神经网络(RBF-NN)分类
时，以3 种缩叶藓属植物的红外图谱数据作为试验
样本，样本训练总数与验证数量各选取 120 个，其中
每种试验样本每个产地各选择 40 个，用于训练与验
证各20 个，样本经过红外图谱测定后再进行一维离
散小波特征的提取。采用 Matlab 6． 1 软件，进行样
本的回归估计，对所选特征变量进行 RBF-NN 的学
习训练及检验。
2 结果与讨论
2． 1 3 种缩叶藓属植物的红外谱图分析
3 种缩叶藓属植物齿边缩叶藓、多枝缩叶藓和
中华缩叶藓的红外谱图见图 1。
1———齿边缩叶藓;2———多枝缩叶藓;
3———中华缩叶藓
图 1 3 种缩叶藓属植物的红外谱图
Fig． 1 FTIR spectra of the 3 Ptychomitrium
由图 1 可知:3 种缩叶藓属植物红外谱图较为
·604·
孔黎春等:水平衰减全反射-傅里叶变换红外光谱结合化学计量学法应用于三种缩叶藓属植物的分类
相似，说明它们所含化学成分相近。3 种缩叶藓属
植物在 3 340 cm －1附近均有吸收，此吸收峰主要为
苔藓植物中所含糖蛋白、维生素、核酸等物质分子中
形成氢键的 O － H 伸缩振动，吸收强度的不同说明
了所含的碳水化合物、蛋白质等物质的含量不同，而
且此吸收峰还应包括植物中所含的蛋白质分子中的
N － H吸收峰，由于蛋白质含量偏低，所以吸收峰被
O － H 所覆盖。在 2 921 cm －1附近则为饱和 C － H
键的吸收峰，主要来自缩叶藓属植物中苔藓多糖、糖
蛋白、脂肪酸等成分。3 种缩叶藓属植物中的苔藓
糖蛋白的酰胺带则在 1 640 cm －1附近。1 420 cm －1
附近的吸收峰为蛋白质分子肽键中 C － N 键的伸缩
振动吸收峰。1 030 cm －1附近的吸收峰是苔藓低聚
糖、糖蛋白及纤维素等分子中 C － O 键的伸缩振动
吸收峰为主，此峰为强峰。所有以上这些红外光谱
吸收都是由缩叶藓属苔藓植物所含化学成分所决定
的，所含的物质种类、官能团及其含量上有差异就会
有不同的吸收峰形。
2． 2 聚类分析
聚类分析主要是指在多维空间中同类物质应靠
得近些，彼此间的距离小些。聚类分析就是在相似
的基础上收集数据以达到分类的目的，在植物分类
中已得到较为广泛的应用［8］。为了进一步研究 3
种缩叶藓属植物之间的差异程度，根据上述 3 种缩
叶藓属植物的红外谱图数据，筛选出 20 个比较典型
的吸收峰，并记录不同波数段上的吸收强度。用任
意选择的 30 个缩叶藓属植物(每个种类植物选择
10 个样本) ，以不同吸收峰的吸收强度为指标，构建
原始数据矩阵，进行聚类分析，得到表征 3 种藓类植
物亲缘关系的树系图见图 2。
a———齿边缩叶藓;b———多枝缩叶藓;c———中华缩叶藓
图 2 3 种缩叶藓属植物的树系图
Fig． 2 Dendrogram of 3 Ptychomitrium
从图 2 可知:3 种缩叶藓属植物中的齿边缩叶
藓和多枝缩叶藓的红外图谱较难区分，而中华缩叶
藓相对比较容易区分。为了更好地对 3 种缩叶藓属
植物的红外图谱数据进行分类，本工作采用离散小
波变换进行特征向量值提取进而采用径向基神经网
络进行分类。
2． 3 离散小波特征提取
2． 3． 1 离散小波变换
离散小波变换(DWT)是将数据的小尺度特征
和大尺度特征用迭代的方法分别提取出来［9］。第
一步是将数据最小尺度的特性先分离出来，然后将
数据经高通滤波和低通滤波后输出来实现提取特
征。小波函数 φ(x)对应着高通滤波，而尺度函数
Φ(x)对应着低通滤波。这实际上也是一种多尺度
分析。第二步是将比上一步中大一倍尺度的特性从
数据中提取出来。先把上一步骤中通过低通滤波后
输出的数据作为该步的输入部分，然后同样按照前
一步骤将其通过高通滤波和低通滤波后进行输出。
这样就可以一直重复这个过程，直到最大的尺度特
性从所有数据中提取出来。简而言之，离散小波变
换是将原始数据分解成为一个粗糙的近似部分和一
系列越来越精细的细节部分。
在小波多尺度分解过程中，根据红外图谱信号
的特性以及比较不同尺度下信号分解的效果来确定
合适的小波基函数及小波尺度。选择小波基时的标
准是突出原始光谱中的主要特征吸收峰(如所含化
合物的羰基、C － O 键等) ，并选择平滑性好的小波
基。本工作选择 Daubechies 作为“分析小波”。因
为其频域能量比较集中，通频带较窄，频率混叠影响
较小，具有时域对称和线性相位的特点，能够保证变
换不失真，小波分解层选择 5 层，3 种缩叶藓属植物
的红外图谱数据经过离散小波分解后的结果见图
3，纵坐标 A2 为红外光谱吸光度平方。
2． 3． 2 特征值的提取
从图 3 可知:DWT分解过程其实就是红外图谱
数据压缩过程，从第一层分解后的 300 个数据一直
压缩到第五层的 30 个数据。当 DWT分解尺度比较
小的时候，细节信号对光谱变化比较敏感，对原始红
外图谱中各个特征峰反应过于强烈，反而不利于特
征提取。当离散小波分解层次增大时，原始红外光
谱信号的噪声含量会越来越低。随着分解层数的增
加，无论是细节系数还是近似系数所含的信息量都
会逐渐减小，由于试验提取的原始数据量较多，
所以综合考虑后选择其中3、4层提取其特征变量，
·704·
孔黎春等:水平衰减全反射-傅里叶变换红外光谱结合化学计量学法应用于三种缩叶藓属植物的分类
(a) 齿边缩叶藓 (b) 多枝缩叶藓 (c) 中华缩叶藓
图 3 3 种缩叶藓属植物 FTIR数据的离散小波变换结果
Fig． 3 Results of DWT for the FTIR data of 3 Ptychomitrium
并从每层响应比较强烈的两个区域进行划分见
图 4。特征变量定义为小波系数平方和，提取的特征
值将作为随后的概率神经网络的输入值。
图 4 特征区间划分示意图
Fig． 4 Division of 4 feature regions of detail signal
in DWT domain
2． 4 径向基神经网络分类结果
用径向基神经网络，以 4 个离散小波特征变量
作为网络输入，选择目标误差为 0． 01，径向基函数
分布常数为 5［10］，径向基神经网络分类结果见表 1。
表 1 径向基神经网络的分类结果
Tab． 1 Results of classification of RBF-NN
样品 来源
训练
/%
检验
/%
齿边缩叶藓 浙江金华 100 100
四川峨眉山 100 100
多枝缩叶藓 浙江金华 100 100
四川峨眉山 100 98
中华缩叶藓 浙江金华 100 100
四川峨眉山 100 100
从表 1 可知:3 种缩叶藓属植物得到了非常好
的分类，只有一个产自四川峨眉山的多枝缩叶藓的
·804·
孔黎春等:水平衰减全反射-傅里叶变换红外光谱结合化学计量学法应用于三种缩叶藓属植物的分类
样品得到了错误的分类。
由于植物所含化学成分的复杂性，仅仅采用红
外图谱分析及常用的聚类分析进行 3 种缩叶藓属植
物的分类较难获得理想的结果。小波变换是继傅里
叶变换后所出现的一种更为有效的信号处理及特征
提取方法，离散小波变换方法能将图谱变换为一系
列小波系数，这些系数可以被高效压缩和存储。采
用离散小波进行所得红外图谱数据的压缩，选择合
适的分解层进行特征提取，作为径向基神经网络输
入的变量，从分析的角度看，分类结果较为理想。径
向基神经网络所输入的特征值提取将直接关系到网
络识别及结果的准确度，本工作根据压缩过程中原
始红外光谱各个特征峰反应相对比较强烈的区域作
为选择特征值的标准。研究结果表明此分类方法在
3 种缩叶藓属植物分类中具有较好的可行性。
参考文献:
［1］ 车未艾． 苔藓植物提取液的经济价值［J］． 生物学通
报，2006，41(1) :13-14．
［2］ 谈献和，姚振生． 药用植物学［M］． 上海:上海科学技
术出版社，2009:130-133．
［3］ CHENG Cun-gui，LIU Jia，WANG Hong，et al． Infrared
spectroscopic studies of chinese medicines［J］． Applied
Spectroscopy Reviews，2010，45(3) :165-178．
［4］ 程存归，田玉梅，张长江．基于 FTIR-CWT及 ANN分类
法的中药材菟丝子与同科属金灯藤子的识别方法研
究［J］．化学学报，2008，66(7) :793-798．
［5］ CHENG Cun-gui，JIA Liu，ZHANG Chang-jiang，et al．
An overview of infrared spectroscopy based on continuous
wavelet transform combined with machine learning algo-
rithms:application to chinese medicines，plant classifica-
tion and cancer diagnosis［J］． Applied Spectroscopy Re-
views，2010，45(2) :148-164．
［6］ CHENG Cun-gui，LIU Jia，CAO Wen-qing，et al． Clas-
sification of two species of bidens based on FTIR-discrete
stationary wavelet transform extraction combined with
probability neural network［J］． Vibrational Spectroscopy，
2010，54(1) :50-55．
［7］ 成则丰，李丹婷，李花琼，等． FTIR 聚类分析结合差热
分析法应用于中药材延胡索表征的研究［J］． 理化检
验-化学分册，2006，43(8) :601-603．
［8］ SHEN Jin-bo，LU Hong-fei，PENG Qiu-fa，et al． FTIR
spectra of camellia sect． oleifera，sect． paracamellia，
and sect． camellia (theaceae)with reference to their tax-
onomic significance［J］． Journal of Systematics and Evo-
lution，2008，46(2) :194-204．
［9］ 杨贤昭，程耕国． 基于离散小波变换的机械故障信号
提取［J］．制造业自动化，2009，31(9) :53-54，110．
［10］ 程存归，田玉梅，张长江． 大鼠胰腺及癌组织红外光
谱小波特征提取及径向基人工神经网络识别研究
［J］．分析化学，2008，36(8) :
櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂
1051-1055．
(上接第 404 页)
表 2 红醋样品中总酸测定结果(n =5)
Tab． 2 Results of detn． of total acid in red vinegar
操作方法
测定值
ρ /(g·L －1)
RSD
/%
自动光度滴定 31． 83 0． 11
手工滴定 31． 78 0． 13
由表 2 可见:便携式自动光度滴定仪测定红醋
的结果与国家标准方法-电位滴定法测定结果一致，
可用于深色体系测定，具有较好的准确度。
本工作报道了一种基于反射式光度传感器的自
动光度滴定仪，具有结构简单、性能可靠的优点，实
现了光度滴定的自动化，并成功用于红醋有色溶液
的滴定分析中，克服了人工滴定分析在有色样品溶
液分析中的限制。此外该仪器体积小巧、使用便捷、
价格低廉，能适用于现场快速分析，因此具有广阔的
应用前景。
参考文献:
［1］ 张明晓，李学刚，张光先，等． 光度探头式数字自动光
度滴定仪的研制［J］． 西南农业大学学报，1996，189
(2) :135-140．
［2］ 艾平，张明晓． 一种新型光度探头的研制及铁的自动
光度滴定［J］． 理化检验-化学分册，1998，34(2) :79-
79．
［3］ 张志军，陈秋影，毛闇章，等． 新型在线吸光光度滴定
分析仪的研制［J］．分析仪器，1996(1) :45-47．
［4］ 何艺，申震，林忠华，等．反射式光度滴定传感装置:中
国，200620109115． 5［P］． 2007-10-17．
［5］ GB /T 5009． 41 － 2003 食醋卫生标准的分析方法
［S］．
·904·