全 文 ：中草药 Chinese Traditional and Herbal Drugs 第 46 卷 第 20 期 2015 年 10 月

·3096·
基于近红外光谱技术快速定性鉴别广陈皮模型的建立
闫珂巍，王 福，梅国荣，卢俊宇，张 岚，付桂兰，陈 林，刘友平，陈鸿平*
成都中医药大学药学院 中药材标准化教育部重点实验室 四川省中药资源系统研究与开发利用重点实验室，四川 成都 611137
摘 要：目的 采用近红外光谱技术（NIRS）建立广陈皮的定性分析模型，以建立快速鉴别广陈皮药材的方法。方法
采集广陈皮与川陈皮的 NIRS 图，通过标准正交变量变换（SNV）预处理后采用聚类分析方法建立广陈皮与川陈皮鉴别
模型，并进行模型内验证和模型外验证，建立了广陈皮定性分析模型。结果 在 4 000～10 000 cm−1 广陈皮和川陈皮能
够较好地区分，内部验证的准确率高达 100%，外部验证准确率达到 90.91%。结论 采用近红外光谱技术对广陈皮样
品进行鉴别是可行的。
关键词：近红外光谱技术；广陈皮；定性鉴别；川陈皮；聚类分析
中图分类号：R282.5 文献标志码：A 文章编号：0253 - 2670(2015)20 - 3096 - 04
DOI: 10.7501/j.issn.0253-2670.2015.20.023
Application of near infrared spectroscopy in identification of Citrus reticulata
YAN Ke-wei, WANG Fu, MEI Guo-rong, LU Jun-yu, ZHANG Lan, FU Gui-lan, CHEN Lin, LIU You-Ping,
CHEN Hong-ping
College of Chinese Materia Medica, Chengdu university of TCM, Chengdu 611137, China
Abstract: Objective To establish the qualitative analysis model for Guang Citrus Reticulata Pericarpium (GCRP) using near
infrared spectroscopy, so as to establish a rapid method to identify GCRP. Methods After collecting the near-infrared spectra of
GCRP and Chuan Citrus Reticulata Pericarpium (CCRP), standard orthogonal variable transformation (SNV) was used as
pretreatment and cluster analysis method was used to establish identification models. The model validation and external validation
were made, and a GCRP analysis model was established using near-infrared spectroscopy technology. Results In wavelength range of
4 000—10 000 cm−1, GCRP was able to be distinguished. The accuracy rate of internal validation was 100% and the accuracy rate of
external validation was 90.91%. Conclusion It is feasible to identify GCRP samples by near infrared spectroscopy technique.
Key words: near infrared spectroscopy technology; Guang Citrus Reticulata Pericarpium; qualitative analysis; Chuan Citrus
Reticulata Pericarpium; cluster analysis

陈皮来源于芸香科植物橘 Citrus reticulata
Blanco 及其栽培变种的干燥成熟果皮，具有理气健
脾、燥湿化痰之功效[1]。药材分为陈皮和广陈皮。
广陈皮，即产于广东，来源于芸香科植物行柑 C.
reticulata Blanco cv. hanggan 和茶枝柑 C. reticulata
chachi，其中以广东新会陈皮质量最好；产自江西、
四川、福建一带的则称之“川陈皮”，来源为温州蜜
柑 C. reticulata ‘Unshiu’、大红袍 C. reticulatae
dahongpao、福橘 C. reticulata tangerina 等[2]。广陈
皮与川陈皮为栽培品，但由于产地不同，在临床上
功效也有一定的差异，广陈皮较好，川陈皮则次之。
因广陈皮质优价高，市场上出现大量混伪品冒充道
地药材广陈皮，因此有必要建立广陈皮快速简便的
鉴别方法。
近红外光谱（NIRS）技术是近年来发展迅速的一
项光谱分析技术，以其快速、准确、绿色、无损的优
点，已广泛应用于各行各业，包括制药、食品、农业、
工业生产等领域，在中药的鉴别中也有一定的应用。
有学者应用 NIRS 技术对麦冬[3]、连翘[4]、红参[5]等
药材的产地进行鉴别，取得满意的结果。本实验拟

收稿日期：2015-02-19
基金项目：四川省教育厅自然科学项目（132130316）；四川省科技厅项目（2015JY0012）
作者简介：闫珂巍（1990—），女，硕士在读，研究方向为中药化学成分与质量标准。
Tel: (028)61800103 Fax: (028)61800103 E-mail: ykw135267@126.com
*通信作者 陈鸿平，女，高级实验师，主要从事中药质量标准化工作。Tel/Fax: (028)61800103 E-mail: chen-hongping@126.com
中草药 Chinese Traditional and Herbal Drugs 第 46 卷 第 20 期 2015 年 10 月

·3097·
采用 NIRS，结合多种化学分析方法对陈皮药材进
行分析，以从药材的整体信息进行判别，建立“广
陈皮”药材的 NIRS 鉴别模型，为中药材的快速
鉴别提供示范，同时为陈皮品质评价的新方法提
供参考。
1 仪器与药材
1.1 仪器
NIR Flex N-500 型近红外光谱仪，石英玻璃样
品池、样品旋转器漫反射积分球、NIRcal 5.4 数据
处理软件（Buchi Labortechnik AG 公司）。
1.2 药材
17 批次不同贮藏年限的广陈皮，8 批采集于四
川青白江和金堂的川陈皮，经成都中医药大学药学
院卢先明教授分别鉴定为芸香科植物茶枝柑 Citrus
reticulata chachi 和 大 红 袍 Citrus reticulatae
dahongpao。25 批样品具体信息见表 1。
表 1 25 批样品信息
Table 1 Sample information of 25 batches of samples
编号  产地  药材  采集时间 
4-A 广东新会  广陈皮  2011-10
4-B 广东新会  广陈皮  2011-10
4-C 广东新会  广陈皮  2011-10
4-D 广东新会  广陈皮  2011-10
4-E 广东新会  广陈皮  2011-10
6-A 广东新会  广陈皮  2011-10
6-B 广东新会  广陈皮  2011-10
6-C 广东新会  广陈皮  2011-10
7-A 广东新会  广陈皮  2011-10
7-B 广东新会  广陈皮  2011-10
7-C 广东新会  广陈皮  2011-10
8-A 广东新会  广陈皮  2011-10
8-B 广东新会  广陈皮  2011-10
8-C 广东新会  广陈皮  2011-10
9-A 广东新会  广陈皮  2011-10
9-B 广东新会  广陈皮  2011-10
9-C 广东新会  广陈皮  2011-10
CCP-1 四川青白江  川陈皮  2013-11-14
CCP-2 四川青白江  川陈皮  2013-11-14
CCP-3 四川青白江  川陈皮  2013-11-29
CCP-4 四川青白江  川陈皮  2013-11-29
CCP-5 四川青白江  川陈皮  2013-11-14
CCP-6 四川青白江  川陈皮  2013-11-14
CCP-7 四川青白江  川陈皮  2013-11-29
CCP-8 四川青白江  川陈皮  2013-11-29
2 方法与结果
2.1 图谱的采集
将陈皮药材于 60 ℃烘干 3 h，粉碎，过 80 目
筛，置石英样品杯中，装样量均为 8 g 左右。采集
条件：分辨率 8 cm−1，扫描次数 64 次，扫描范围
4 000～10 000 cm−1[6]，每个样品重复装样并扫描 3
次，每次扫描前摇荡石英杯，使样品均匀平整。25
批陈皮样品的 NIRS 图叠加图见图 1。

图 1 25 批陈皮样品原始光谱图
Fig. 1 Original spectra of 25 batches of Citrus Reticulata
Pericarpium
2.2 NIRS 模型的建立
在 NIRcal 里导入 25 批已采集好的 75 条光谱，
按 2∶1 的比例划分样品的定标集（C-set）和验证
集（V-set），分配完成后，采用 NIR Flex N-500 型
近红外光谱仪自带的 NIRcal 5.4 数据处理软件进行
自动建模，系统自动对选中光谱进行标准化处理和
微分计算，去除对聚类分析图谱贡献小的因素，建
立相应的数学模型，并用模型内的光谱进行验证。
NIRcal 5.4 数据处理软件自动进行了 60 次计算，根据
综合评价指标（Q 值）选出最优模型，结果见表 2。
NIRS 法建模时常用的预处理方法有标准正则
变换（SNV）、一阶导数（db1）、标准化（ncl）、多
元散射校正（mf）等[7-10]。由表 2 可知，最佳建模
结果为选取 4 400～4 800、5 400～6 600、7 800～
10 000 cm−1 3 个波段的图谱，对原始光谱进行 SNV
标准化处理，并使用 db1 处理。
由图 2 可以很明显地看出，通过 NIR，采用聚类
分析方法，可将广陈皮和川陈皮药材进行区分。图 2
中的横坐标表示主成分 l（PC1）的得分值，纵坐标表
示主成分 2（PC2）的得分值，广陈皮和川陈皮样品
明显地聚类为互相独立的 2 组。证明广陈皮和川陈皮
在 PC1 和 PC2 上信息的载荷量有明显的差异，因此
可以区分。由主成分 1、2、3 构成的三维图见图 3。
10 000 9 000 8 000 7 000 6 000 5 000 4 000
波数/cm−1
中草药 Chinese Traditional and Herbal Drugs 第 46 卷 第 20 期 2015 年 10 月

·3098·
表 2 最优模型
Table 2 Optimal models
Q 值 主成分数 波长比例/% 选取波段/cm−1 计算方法
0.906 9 6 63 4 400～4 800、5 400～6 600、7 800～10 000 Cluster、SNV、db1
0.887 4 3 79 5 000～7 144、7 404～10 000 Cluster、db1、ncl
0.883 6 7 100 4 000～10 000 Cluster、mf
0.882 0 3 83 5 000～10 000 Cluster、db1、ncl
0.847 5 5 100 4 000～10 000 Cluster、ncl、db1
0.793 1 3 63 4 400～4 800、5 400～6 600、7 800～1 000 Cluster、n01、db1
0.846 0 5 100 4 000～10 000 Cluster、SNV、db1
0.803 0 5 79 5 000～7 144、7 404～10 000 Uster、SNV、db1
0.793 1 3 83 5 000～10 000 Cluster、SNV、db1
0.781 5 3 100 4 000～10 000 Cluster、db1


1-广陈皮 2-川陈皮
1-C. reticulata chachi 2-C. reticulatae dahongpao
图 2 广陈皮与川陈皮的主成分二维得分图
Fig. 2 Two dimensional principal component scoring chart
of GCRP and CCRP

1-广陈皮 2-川陈皮
1-C. reticulata chachi 2-C. reticulatae dahongpao
图 3 广陈皮与川陈皮的主成分三维图
Fig. 3 3D principal component scoring chart of GCRP and
CCRP
2.3 NIRS 的验证
为检测模型的预测性能，对建立的模型进行内
部验证和外部验证。用验证集样品对所建模型进行
评价验证（即内部验证）。扫描的光谱进行预处理后
可用属性残差来表示光谱的聚类效果，当属性残差
为 0 时，证明所有光谱聚类正确，若属性残差为 1，
证明有 1 条光谱聚类错误，属性残差为＋1 时证明
有 1 条光谱离得较远，没有被模型识别。广陈皮与
川陈皮的模型中，验证集和校正集光谱全部均被正
确聚类，光谱属性残差都为 0，内部验证的准确度
为 100%。
外部验证时，采用模型外的 11 批同采自广东新
会的广陈皮药材进行外部验证。11 个陈皮验证样品
中有 1 个被错判，准确率达 90.91%，表明模型预测
性能较好。
3 讨论
本实验使用 N-500 型近红外光谱仪时，评价所
建立模型效果的综合指标为Q值，Q值大小在0～1，
越接近于 1 证明所建立的模型聚类效果越好，分离
度高。因此选择 Q 值最高的模型建立的方法，选取
4 400～4 800、5 400～6 600、7 800～10 000 cm−1 3
个波段的图谱，采用 SNV 标准化处理和 db1 处理，
建立了广陈皮的定性鉴别模型。
3.1 NIR 的预处理分析
被测样品中含有的无关因素往往会干扰近红
外光谱，因此对光谱进行预处理是至关重要的。本
实验通过 NIRcal 5.4 数据处理系统自动计算后得
到的最优预处理方法为 SNV 标准化处理（标准正
交变量变换），然后采用 db1 对其进行求导，与原
始光谱（广陈皮与川陈皮的原始光谱见图 1）相比
0.6
0.4
0.2
0
−0.2
−0.2 0 0.2
PC1
PC
2
1
2
1
2
中草药 Chinese Traditional and Herbal Drugs 第 46 卷 第 20 期 2015 年 10 月

·3099·
较，经过预处理后的光谱图峰形更加尖锐、图形特
征更加明显。
其中在波数 4 000～4 200 cm−1 内为-C-H-和
-C=C-伸缩振动的组合频；4 329～4 587 cm−1 波数内
为-N-H 和-C=O 键伸缩振动的组合频；4 739～5 102
cm−1 为-N-H 不对称的伸缩振动和酰胺基的组合
频；5 200～5 400 cm−1 为-O-H 的伸缩振动和-C=O
键的倍频吸收；6 800～7 200 cm−1 为-OH 伸缩振动
的第一谐波。新会广陈皮含有其他产地陈皮挥发油
中不具有的 2-甲氨基-苯甲酸甲酯成分[11]，其化学
键的吸收范围与此波段吻合。
3.2 主成分分析（PCA）
PCA 是一种重要的聚类分析方法，在 NIRcal
5.4 数据处理软件中，采用 PCA 对广陈皮与川陈皮
进行分析，得到良好的聚类分析图形，以广陈皮和
川陈皮的光谱信息为变量，对光谱信息进行降维处
理，使低维（二维或三维）空间就能表示多维空间
的大部分信息[10]。
一般使用预测残方差和确定最佳主成分数，随
着主成分数的增加，呈递减趋势，达到最低点并与
主成分轴相切时即为最佳主成分。广陈皮与川陈皮
建立的模型最佳主成分数为 6，即表示主成分数为 6
时能囊括光谱大部分的有用信息。
本实验采用 NIRcal 5.4 数据处理软件自动建
模，能快速地筛选出最优模型，建立了广陈皮药材
的定性鉴别模型。结果表明广陈皮与川陈皮能够被
聚为两类，采用 NIR 对产自广东、四川的陈皮药材
进行鉴别结果较为满意。目前对中药的质量控制，
主要检测药材的有效成分或指标性成分，陈皮的药
效成分主要包括挥发油类、黄酮类、生物碱类、多
糖类等[12]，有报道表明广陈皮茶枝柑比其他品种陈
皮挥发油及橙皮苷量高[13-14]，但这些差异是否就是
广陈皮药效好的原因还未定论，有待进一步研究。
本实验采用 NIRS，可以对陈皮的整体信息进行判
别，更全面地评价中药材质量。
由于陈皮是多产地植物来源的中药材，不同产
地的陈皮质量参差，采用 NIR 可对其进行快速的鉴
别。本实验所用的陈皮药材数量较少，不能囊括陈
皮药材的所有信息，因此鉴定结果还不能达到 100%
的准确，还需要收集更多不同产地有代表性的样品
补充到模型中，增加模型的稳定性和预测性能，以
便将 NIRS 运用于生产中快速、准确地鉴别陈皮。
参考文献
[1] 中国药典 [S]. 一部. 2010.
[2] 陈封怀. 广东植物志（第 2 卷）[M]. 广州: 广东科学技
术出版社, 1991.
[3] 余国梅, 王 苹, 张延莹, 等. 近红外光谱技术鉴别麦
冬药材产地 [J]. 解放军药学学报 , 2012, 28(5):
451-453.
[4] 张晓慧, 刘建学. 近红外光谱技术鉴别连翘产地 [J].
激光与红外, 2008, 38(4): 343-344.
[5] 王钢力, 聂黎行, 张 继, 等. 应用近红外光谱技术鉴
别红参药材 [J]. 中草药, 2008, 39(3): 438-440.
[6] 郭念欣, 蔡佳良, 姬生国, 等. 近红外光谱技术在陈皮
道地性分析中的应用 [J]. 中国药房 , 2013, 24(15):
1394-1395.
[7] 史春香, 杨悦武, 郭治昕, 等. 近红外技术鉴别黄芪产
地 [J]. 天津药学, 2006, 18(1):19-21.
[8] 黄 艳, 王锡昌, 邓德文. 利用近红外光谱技术快速测
定白鲢鱼糜中的水分含量 [J]. 食品工业科技, 2008,
29(2): 282-284.
[9] 谢彩霞, 左春芳, 白 雁, 等. 近红外光谱技术快速测
定 顿也薯蓣中伪原薯蓣皂苷的含量 [J]. 中国药房,
2013, 24(15): 1396-1398.
[10] 魏惠珍, 张五萍, 毛红梅, 等. 近红外光谱法在白芍提
取物纯化过程中快速质量控制研究 [J]. 中草药, 2013,
44(9): 1128-1133.
[11] 周 欣, 黄庆华, 廖素媚, 等. 不同产地陈皮挥发油的
对比分析 [J]. 今日药学, 2009, 19(4): 43-45.
[12] 李庆耀, 梁生林. 陈皮的药用研究进展 [J]. 中成药,
2008, 30(2): 246-248.
[13] 刘文粢, 王玫馨, 黄爱东, 等. 广陈皮化学成分的比较
研究 I: 挥发油的成分研究 [J]. 中药材, 1991, 14(3):
33-36.
[14] 吴愫青, 叶 莹, 张 俊. HPLC 测定不同产地陈皮橙
皮苷的含量 [J]. 中国现代中药, 2008, 10(8): 20-22.