全 文 ：第 ３ ６ 卷 ， 第 ７期光 谱 学 与 光 谱 分 析Ｖ〇ｈ ３６ ｆＮａ ７ ， ｐｐ２ １ １ ７－ ２１ ２３
２０１６年７月 Ｓｐｅｃ ｔｒｏｓ ｃｏｐｙａｎｄＳｐｅｃ ｔ ｒａ ｌＡｎａｌｙｓ ｉｓ Ｊ ｕｌｙ ， ２０ １ ６
不 同年份和产地美味牛肝菌的红外光谱鉴别研究
杨 天伟 Ｕ ２ ， 李 涛 ３ ， 李杰庆Ｓ 张 雪 ４ ， 王元 忠 ２ ＊ ， 刘鸿高 ＾
１ ． 云南农业 大学农学与生物技术学院 ， 云南 昆明 ６５０２０ ］
２ ． 云南省农业科学院药用植物研究所 ， 云南 昆明 ６ ５０２ ００
３． 玉溪师范 学院资 源环境学院 ， 云南 玉溪 ６ ５ ３ １００
４． 云南技师学院 ， 云南 安宁 ６ ５ ０３００
摘 要 采用傅里叶变换红外光谱技术结合多元统计分析建立快速鉴别不同年份 、 不 同产地美味牛肝菌的
方法 。 采集 ２０ １ １ 年一２０ １ ４ 年云南 ２６ 个不同地区 １ ５２ 个美味牛肝菌样品的红外光谱 ， 使用正交信号校正 （ ｏｒ？
ｔｈｏｇｏｎａｌｓ ｉｇｎａ ｌｃｏｒ ｒｅｃ ｔ ｉｏｎ ，０ＳＣ） 、微波压缩 （ｗａｖｅｌｅｔｃｏｍｐ ｒｅｓｓ ｉｏｎ） 方法对原始光谱进行优化处理 ，ＯＳＣＷ 校
正前后的光谱数据进行偏最小二乘判别分析 （ ｐａｒ ｔ ｉａｌ ｌｅａｓ ｔｓｑ ｕａｒｅｓ ｄｉ ｓｃｒ ｉｍｉ ｎａｎｔａｎａｌｙｓ ｉｓ ，ＰＬＳ－ＤＡ） ， 比较光谱
预处理前后 ＰＬＳ＊ＤＡ 的分类效果 。 将 １ ５ ２个美味牛肝菌随机分为训练集 （ １ ２０ 个 ） 和验证集 （ ３ ２个 ） ， 建立 ＯＳ－
ＣＷ 校正前后 的 ＰＬＳ分类预测模型 。 结果显示 ， 经 ＯＳＣＷ 处理后的 ＰＬＳＤＡ 分类效果明显优于处理前的结
果 ， 主成分得分图能准确区分不同年份 、 不同产地美味牛肝菌样品 ， 表明 ０ＳＣＷ 处理能有效滤除光谱 中 的
噪音及与 因变量无关的干扰信息 ， 提高光谱分析的准确性和计算速率 。 ＯＳＣＷ 处理前 ＰＬＳ 模型训练集的 Ｊ？２
和 ＲＭＳＥＥ 分别为 ０． ７９ ０１ 和 ２ １ ．２ ４ ６ ５ ， 验证集的 ｉ ？２ 和 ＲＭＳＥＰ 分别为 ０ ． ９ ２２５ 和 １４ ．４ ２９２ ；ＯＳＣＷ预处理
后训练集的 Ｊ？２ 和 ＲＭＳＥＥ 分别为 ０ ． ８ ５ ２ ３ 和 １ ７ ． ２３８ １ ， 验证集的 Ｊ？ ２ 和 ＲＭＳＥＰ 分别为 ０． ８４ ５４ 和 ２０ ．８ ７ ， 表
明 ＯＳＣＷ 预处理提高 了训练集的预测效果 ， 但 ＯＳＣＷ－ＰＬＳ 出 现了过拟合现象降低验证集的预测能力 ， 因
此 ， ＯＳＣＷ 不适宜与 ＰＬＳ 结合建立模型 。 ＯＳＣＷ结合 ＰＬ＆ＤＡ 能滤除光谱中大量的干扰信息 ， 准确区分不
同年份 、 不同产地美味牛肝菌样品 ， 为野生食用菌的鉴别分类提供可靠依据 。
关键词 红外光谱 ； 正交信号校正－微波压缩 ； 偏最小二乘判别分析 ； 美味牛肝菌 Ｓ 鉴别
中图分类号 ： ＴＳ２０ １ ． ２文献标识码 ： ＡＤＯＩ ：１ ０ ．３ ９６４ ／ｊ ．ｉｓ ｓｎ ．１ ０ ００－ ０５ ９３ （ ２０ １ ６ ） ０７－２ １ １ ７－０７
子的显微结构 ， 菌 肉 、 菌管 的 颜色和变 色反应 等进行分
弓 ｜言类 ［８ ］ 。 然而不同种类间形态相似性大 ， 如茶褐牛肝菌 （Ｂｏ Ｚｅ－
Ｚｍｓ） 和深褐牛肝菌 （ ｏ６？：ＭｒｅＭ？ｉ６ｒｉｍ？  ） ；
牛肝菌是世界性著名食用菌 ， 味道鲜美 ， 营养丰 富 ， 日同种牛肝菌在不同生长环境及不同生长阶段存在大量的表形
益受到消费者亲睐 ， 具有重要的经济价值 、 食药用价值和生差异 ， 如美味牛肝菌菌盖颜色有灰 白 色 、 淡褐色 、 黄褐色 、
态价值 美味牛肝菌又名 白 牛肝菌 、 大脚菇 ， 富含蛋 白红褐色或深褐色 ， 菌管有乳 白色 、 淡褐色 ， 偶尔成 黄绿色 ，
质 、 氨基酸 、 多糖 、 矿质元素 、 维生素等 ， 经常食用可以增强其颜色变化较大 ， 不易准确鉴别 ［９ ］ ； 此外新鲜牛肝菌子实体
人体免疫力 ， 具有清热除烦 ， 养血补虚 ， 抗氧化 ， 抗病毒等水分含量高 ， 多数加工成 干片保存和出售 ， 导致以 假充真 ，
药用功效 ， 是极具开发应用价值的野生食用菌之一 ［ ３ ６ ］ 。 云以次充好的现象时有发生 ［ １ ° ］ ， 难以进行质量控制和市场管
南 丰富的森林资源和多样的气候条件 ， 孕育了丰富的野生食理 。 目前对食用菌的鉴别研究主要有光谱技术和分子生物学
用菌 ， 其中美味牛肝菌产量高 、 分布广 ， 受气候条件和生长方法 ； 周在进等 ［８ ’ １ １ ］应用红外光谱结合分层抽样 、 聚类分析
环境影响 ， 不同产地美味牛肝菌的营养成分、 化学成分的积等方法研究了不同产地 、 种类食用菌的鉴别方法 ； 孙素琴
累和药效成分不尽相 同？ 。等［ １ ２］用红外光谱法鉴别 了不同厂家生产的 ３６ 种灵芝产品 ；
传统食用牛肝菌鉴别主要根据外表特征 ， 生长特性 ， 孢本课题组采用紫外光谱结合化学计量学方法对牛肝菌不同部
收稿 日期 ： ２０ １ ４ －０９－ １ ３ ， 修订 日期 ： ２０ １４ － １ ２ －２ ５
基金项 目 ： 国家 自然科学基金项 目 （ ３ １ ２ ６０４ ９ ６ ，３ １ １６ ０４０９ ，３ １４ ６０５ ３ ８ ）和云南省 自 然科学基金项 目 （ ２０１ １ ＦＢ０ ５３ ，２０ １ １ ＦＺ１ ９５ ）资助
作者简介 ： 杨天伟 ， １ ９ ８ ９ 年生 ， 云南农业大学农学与生物技术学院硕士研究生ｅ－ｍａ ｉ ｌ ：ｙａｎｇ ｔｉａｎｗｅｉｚ〗＠１ ２６ ． ｃ＆ｍ
＊ 通讯联 系人 ｅ￣ｍａ ｉ ｌ ：ｂｏｌｅ ｔ ｕｓ＠ １ ２ ６ ． ｃｏｍ ；ｈ ｏｎｇｇａｏｌ ｉｕ＠ １ ２ ６ ． ｃｏｍ
２ １１８光谱学与光谱分析第 ３６ 卷
位和产地进行了鉴别研究 ［ １ ３ ］ ， 但紫外光谱法受提起溶剂 、 提理前后的光谱数据进行 ＰＬＳ＾ＤＡ分析 ； 结果显示 ＯＳＣＷ 处
起时间等影响较大 ， 单一溶剂提取难以全面反映样品的整体理后能够很好的区分不同年份及不同产地美味牛肝菌样品 ，
信息 。 魏 海龙等 ［ １？ 设计 ５ 对 ＩＴＳ 引 物并对 ＩＴＳ 区段进行表明 ＯＳＣ能滤除大量与分类变量无关的干扰信息 ， 同时对
ＰＣＲ扩增 ， 实现牛肝菌属卷边组 ｓ似 ． 光谱进行微波压缩处理可 以在极少量信息丢失的前提下提高
物种的识别 ； Ｗｕ 等ｒａ测定了牛肝菌属 ４个基因片段的 ＤＮＡ光谱分析速率 ， 为快速鉴别不同年份 、 不同产地美味牛肝菌
系列 ， 结合牛肝菌形态特征及孢子的显微结构 ， 建立 了 牛肝提供辅助方法 。
菌科分子发育系统框架 ； Ｍ ｅｌｌｏ 等 根据 ＩＴＳ 片段设计引
物 ， 对美味牛肝菌 、 铜色牛肝菌 （Ｂｏｉｅ ｔｕｓａ ｅｒｅ ｉｔ ｓＢｕＺＬ＞等进１实验部分
行了分子鉴别 ； Ｌｉ ａｎ 等 应用 ＩＴＳ 设计引物辨别 了美味牛
肝菌和其他蘑菇 ； 分子生物学法仪器操作复杂 ， 价格 昂 贵 ， １ ． １ 仪器
推广应用具有局限性 。Ｆｒ ｏｎｔ ｉｅｒ 型傅里叶变换红外光谱仪 （美国 ＰｅｒｋｉｎＥｌｍｅｒ
傅里叶变换红外光谱具有快速、 简便、 样 品用量少、 非公司 ， 采用 ＤＴＧＳ检测器 ， 光谱分辨率为 ４ｃｎＴ １ ） ；ＹＰ－２ 型
破坏性等优点 ； 能有效反映 出成分复杂物质体系的组分特压片机 （上海市山岳科学仪器有限公司 ） ； ＦＷ－ １ ００ 型高速粉
征 ， 实现对样品多组分 、 多指标分析 ， 是一种综合的质量控碎机 （天津市华鑫仪器厂 ８０ 目标准筛盘 （浙江上虞市道墟
制和物种鉴别方法 ［ １７— １ ８ ３ ， 已被广泛应用于农业Ｄ ９ ］ 、 食品 ［２° ］ 、五四仪器厂 ） 。
中药［ ２１ ］ 等行业 的定性 、 定量分析 。 本 文采集 了２ ０ １ １ 年一１ ． ２ 材料
２ ０ １ ４ 年云南 ２ ６个不同地区 １ ５２ 个美昧牛肝菌子实体的红外２０ １ １ 年一２ ０ １４ 年采 自 云南 ２ ６ 个不 同产地的 １５ ２个美味
光谱信息 ， 采用正交信号校正 （ ｏｒ ｔｈｏｇｏｎａｌ ｓｉｇｎａｌｃｏ ｒｒ ｅｃｔ ｉｏｎ ） 、牛肝菌子实体 ， 均 由云南农业大学刘鸿高教授鉴定为美味牛
微波压缩 （ｗａｖｅｌｅｔｃｏｍｐｒｅｓｓｉ ｏｎ ） 法对光谱进行预处理 ， 预处肝菌 ＪＢｏＺｅｉｕｓｅ ｃｆｗｆｃ， 来源见表 １ 。
表 １ 样品信息
Ｔａｂｌｅ１Ｉｎｆｏｒｍａｔｉｏｎ ｏ ｆｓａｍｐ ｌｅｓ
来源采集年份编号来源采集年份编号
晋宁宝峰 ２〇１１ １＾６ 大理鹤庆松桂 ２０ １ ２ ７ ９？ ８４
南华雨路 ２ ０ １ １７？ 〗２文山东山乡 ２０ １ ２８５￣ ９０
易门普贝 ２ ０ １ １ １３￣ １８ 昆明石林 ２０ １ ２ ９ １？ ９６
南华龙川曹家村２０ １ １ １９？ ２ ４易门铜厂２０ １ ２９ ７－ １ ０２
姚安前场 ２０ １ １ ２ ５ ￣３ ０ 楚雄南华 ２０ １ ２ １０３？ １０８
姚安大河 口２ ０ １ １３ １？３ ６曲靖马龙２０ １ ３ １ ０９？ １ １４
南华沙桥 ２ ０ １ １ ３ ７？４２ 曲靖泽州桂花树 ２０１ ３ １ １ ５？ １ １８
香格里拉普达措２ ０ １ ２４ ３￣４ ８南华县 白依村 ２０ １ ３ １ １９？ １２ ４
大理弥渡 ２０１ ２ ４ ９￣ ５４ 玉溪大营街 ２０１ ３ １２５￣ １ ３０
迪庆州维西县保和镇２０ １ ２５ ５￣ ６０新平嘎洒２０ １ ４ １３ １？ １３ ６
保山市隆 阳区 ２０１ ２ ６ １？ ６６ 镇沅县按板镇 ２０１ ４ １３ ７？ ：Ｕ０
安宁八街２ ０ １ ２ ６ ７？ ７ ２玉溪九龙池２０１ ４ １４ １？ １４６

玉溪易 门 ２ ０ １ ２７ ３￣ ７８ 玉溪研和 ２０１ ４

１４ ７￣ １ ５２
１ ． ３ 样品处理及光谱采集 ａｔｉｖｅｓｃａ ｔｔ ｅｒｃｏ ｒｒｅｃ ｔ ｉｏｎ ，ＭＳＣ） ， 纯净分析信号／处理 （ ｎｅｔａｎａ－
样品采集后清洗干净 ， ５０Ｃ烘干 ， 粉碎 ， 过 ８０ 目筛 ， 备 ｌｙｔｅｓ ｉｇｎａｌ／ ｐ ｒｏｃｅｓｓｉｎｇ ，ＮＡＳ／Ｐ ） ， 正交信号校正 （ ｏｒｔｈｏｇｏｎａｌ
用 。 称取样品粉末 （ １． ５士０ ． ２ ）ｍｇ ，ＫＢｒ粉末 （ １ ００ 士 ０． ２ ） ｍｇ ，ｓ ｉｇｎａｌ ｃｏ ｒｒｅｃｔｉｏｎ ，ＯＳＣ ）等方法 。 其 中正交信号校正 （ＯＳＣ）运
放人玛瑙研钵充分混合磨成细粉 ， 压片 ； 仪器预热 １ｈ 后测用数学上正交的方法有效滤除 自变量 Ｘ 中与因变量 ｙ无关
定光谱 ， 设定累加扫描次数为 １ ６ 次 ， 光谱扫描范围 ４０ ００？的信息 ， 增强 自变量 、 因变量 间的相关性 ， 提高主成分解释
４ ００ｃｍ １ 。 重复称取 ７份样品 １ ， 分别压片 、 测定 ， 考察方法能力和光谱分析的针对性 ， 对 ＯＳＣ处理后的 Ｘ 变量进行微
重现性 ； 取一片样品 １ 重复测定 ７ 次考察方法精密度 ； 取一 波压缩以提高运算速度和效率 ［２ ２—２ ４］ 。 Ｉ ５２ 个美味牛肝菌子实
片样品 １ ， 分别在 〇 ，１０ ，２ ０ ，３０ ，４０ ，５０ ，６ ０ｍｉｎ （每次测完体样品红外光谱见图 １ ； 原始光谱经过正交信号校正＿微波压
立即放到红外线灯下 以免吸潮 ）时测定红外光谱 ， 考察稳定 缩 （ＯＳＣＷ）处理后结果见图 ２ 。
性 ； 其余样品重复测定 ３ 次 ， 取平均光谱 ； 扫描时均 已扣除１ ． ５ 光谱数据处Ｓ
Ｃ０２ 和水的干扰 。采用偏最小二乘判别分析法 （ＰＬＳ￣ＤＡ） ， 对 ＯＳＣＷ 处理
１ ． ４ 光谱预处理 前后的光谱数据进行分析 比 １５２ 个美味牛肝菌样品随机
常见的光谱预处理方法主要有平滑 ， 求导 ， 标准正态变 抽取 沿 个作为验证集 ， 其余 １ ２０ 个作为训 练集 ， 结合 ＰＬＳ
量 （ ｓｔａｎｄａｒｄｎｏｒｍａｌ ｖａｒ ｉａｔｅ ，ＳＮＶ ） ， 多元散射校正 （ｍｕ ｌｔ ｉｐｌ ｉｃ－ 建立模型 。 根据相关系数（只２ ） 、 校正均方根误差 （ＲＭＳＥＥ）
第 ７ 期光谱学与光谱分析２ １ １ ９
１ ． ０
１
别计算平均光谱 ， 通过 〇ｍｎ ｉＣ８ ． ２ 软件的 光谱检索功能 ， 以
ｇ
〇 ． ８｜｜三个平均光谱分别建立重现性 、 精密度 、 稳定性的光谱数据
｜〇 ． ６ ｆｔＩ 库 ： Ｃ〇Ｌ 和 界 ， 。 将方法学考察的原始光谱作为未 知样品 ，
１〇 ． ４ ＭＡＢ， １分别在相应的光谱数据库进行检索 ， 系统 自 动计算出能反映＜
〇 ． ２Ｊ．＇Ｗｒ 样品亲密程度的匹配分值 ， 分值越大匹配程度越高 ， 方法越
Ｏ ． ｏ ＰＳｉｔ ， Ｉ Ｉ ．＼ｉ－ 可靠？ 。 结果 碰 示 重现性 的匹配值在 ９９ ． ３ ２？ ９ ９ ． ９９ 之间 ，
４ ０００３ 〇〇〇
Ｗ ａｖｅ ｎｕｍ
２
ｂｅ
〇
ｒＬ ＇＇ ＾ＲＳＤ为０ ？ ２ ６％， 精 密度 的 匹 配值 在９ ９ ．９ ３ ？ ９ ９ ． ９９之 间 ，
图 ｉ美味＾＾的＾ 卜光谱 ＲＳＤ＊０． ２５％ ；９ ９ ． １ ４－ ９９ ． ８５
Ｆ ． ，， ７Ｈ，ｒ ？ｒｒＲＳＤ为 ０ ． ３６ ６％ ； 表明该方法稳定 、 可行 。ｒ ｉｇ ． １ Ｉ ｎｆｒａ ｒｅｄｓｐｅｃ ｔｒａｏ ｆＢ ．ｅｄｕ ｌ ｉｓ
２ ． ２ 美味牛肝菌红外光谱特征分析
由 图 １ 可 以看 出 １ ５２ 个美味牛肝菌子实体的红外光谱峰
／ ＇，Ａ形相似 ， 表明美味牛肝菌的化学组分相似 ， 而吸光度具有差
异 ， 反映出 不同年份和不同产地美味牛肝菌化学成分含量不
同 。 美味 牛 肝菌 主要特征 吸 收峰 为 ３３５ ３ ，２９ ２７ ，１６ ４３ ，
＾．— １５４ ９ ，１４０ ４ ，１３８ ５ ，１３０ ２ ，１２４ １ ，１０９ ５ ，１０ ７４ ，７８ ０ｃｍ１
１ ５ 〇
Ｗａｖｅ ｎｕｍｂｅｒ／ｃｍ＾
° ＾ 等 。 高频区 ３３ ５３ｃｍ ＇附近明显的强吸收峰归属 为多糖和蛋
图 ２ 正交信号校正－微波压缩预处理后白质经基的 〇—Ｈ 伸缩振动和蛋 白 质 中氨基的 Ｎ Ｈ 伸 缩
美味牛肝菌的红外光谱振动 。 ２９ ２７ｃｍ１ 附近的吸收＿主要来 自 多糖 、 蛋白质 ；甲基 、
Ｆｉｇ． ２Ｉｎ ｆｒａｒｅｄ ｓｐｅｃｔｒａｏｆ Ｂ ．ｅｄｕｌｉ ｓａｆｔｅｒＯＳＣＷｐ ｒｅ ｔｒｅａｔｍｅｎ ｔ亚 中基的 对称和 反 对称 伸缩 振 动 。 １６ ４３ ， １５４ ９和１２３９
ｏｎ１ 附近分 别 为蛋 白 质 酰 胺 Ｉ 带 、 酰 胺 ｎ 带和 酰 胺 ＤＩ 的
和预测均方根误差 （ ＲＭＳＥＰ ）评价模型可行性 ， 其计算见 式ｃ＝０ 伸缩振动 ’Ｃ＝Ｎ 和 Ｎ—Ｈ 弯 曲振动和 Ｃ—Ｎ 伸缩
（ １ ）
一
（式 ３ ） ； 当 Ｒ ２ 越接近 １ ，ＲＭＳＥＰ 和 ＲＭＳＥＥ 越 小且 振动 。 １４０ ４ ，１３８ ５ 和 １３０ ２ｃｍ１ 附近主要为蛋白质 、 多糖 、
ＲＭＳＥＰ＜ＲＭＳＥＥ时认为所建模型预测 效果最佳 。脂肪酸等的混合振动吸收区 。 １０ ７４ｃｍ ＊ １ 附 近明显的强 吸收
， ，峰归属 为多糖的 Ｃ一Ｏ 伸缩振动 。 ９ ５０？ ７５ ０ｃｍ １ 附近 主要
＾是糖类的异构体 。＝１ ＾＝７（ １ ）２ ． ３ＯＳＣＷ预 处理ｈ （ ｙ， ￣ ｙｒ 为 了增强光谱分析的 准确性 和针对性 ， 消除与 采集年
／
￣ ＾＾ 份 、 产地无关的信息 ， 对原始光谱进行正交信号校正－微波压ＲＭＳＥＥ ＝
＾ｊＮ＿ ｐ ＿ ｘ Ｘｊ
＜
ｉ ｙ ， － ｙ， ｙ（ ２ ）缩 （ ＯＳＣＷ ）处理 ， 结果见 图 ２ 和表 ２ 。 由 图 ２ 可 以看 出 经过
ＯＳＣＷ处理后光谱 曲 线变得紧凑 ， 表 明 已 消除大量 干扰信
ＲＭＳＥＰ ＝ ＾ ／
－
＾ ｇ （＞ ｒ１ －ｉ ， ｉ ）
２（３ ）息 ， 保 留 了有用信息 。 表 ２ 为 ＯＳＣＷ 的参数和结 果 ， 由表 ２
式中 ： Ｎ为样本数 ， Ｐ 为因 子数 ， 为第 ！ 个样品 分类的预测町知 〇ＳＣ计算出 的两个新组分之间角度为 ９０°具有正交性 ， 第
值 ， ：ｙ ， 为样品分类 的真值 ， 》 为平均值 。二个组分计算后的剩余平方和 （ ｒｅｍａ ｉｎｉ ｎｇｓｕｍｏ ｆ ｓｑｕａｒｅｓ ， ＲＳＳ）
为 １ ３ ． ９ ２％ ， 表明 与年份 、 产地无关的 ８ ６ ．０８％信息 已从 Ｘ 变
２结果与讨ｉ仑量母集 中移除 。 通过正交微波 （ 〇ｒｔ ｈｏｇｏｎａｌＷａｖｅ ｌ ｅｔ＾对 Ｘ变 量一 母集进行压缩以提高运算速率 ， 选用多贝西 （ ｄａｎｂｅｃｈ ｉｅｓ ）小波
２．１ 方法学考察 函数和离散小波变换法 （ ｄ ｉｓｃ ｒｅ ｔｅｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ）进行压缩 ’
１ ．３ 中用于重现性 、 精密度 、 稳定性考察的光谱信息分压缩水平为 ８ ， 此时能解释 ９８％的原始光谱信息 。
表 ２ 正交信号校正－微波压缩总结
Ｔａｂ ｌｅ２Ｓｕｍｍａｒｙｏｆｏｒ ｔｈｏｇｏｎａ ｌｓｉ ｇｎａ ｌ ｃｏｒｒｅｃ ｔ ｉｏｎ ａｎｄｗａ ｖｅ ｌｅ ｔ ｃｏｍｐｒ ｅｓｓ ｉｏｎ
Ｏｒ ｔ ｈｏｇｏｎａ ｌ ｓ ｉｇ ｎａ ｌｃｏｒ ｒｅ ｃｔ ｉｏｎＷａｖｅ ｌｅ ｔｃｏｍｐｒｅ ｓｓｉｏｎ
Ｃｏｍｐｏｎ ｅ ｎ ｔ

ＡＤ

ＲＳＳ％

ＥＶ
ＷＦＷＯＣＭＥＲ
１ ９〇
°
２ ３ ． ２ ４ ９６ ． ７ １５ ９ｎ，，  ． ｅ ｎＷＴＲ ．
２

８９ ． ９ ９
° １３ ． ９ ２１ １ ． ７ ４ ３９ Ｄａｕ ｂｅｃｈ ＇ ｅＳ８

ＤＷＴ Ｂｙ ｖａｎａｎｃ ｅ
Ｎｏｔ ｅ ：ＡＤ ：ａｎｇ ｌｅ  ｉｎ ｄｅｇｒｅ ｅｓ ；ＲＳＳ ：ｒｅｍ ａ ｉ ｎ ｉ ｎｇ ｓｕｍｏｆ ｓｑｕａ ｒｅｓ ；ＥＶ ：Ｅｉｇｅｎｖａｌ ｕｅ ：ＷＦ ：ｗａｖ ｅ ｌ ｅｔ ｆｕｎｃ ｔｉｏｎ ；ＷＣ ） ：ｗａ ｖｅ ｌｅ ｔｏｒｄｅｒ ；ＣＭ ：ｃｏｍｐｒｅ ｓｓ ｉｏｎ
ｍｅｔ ｈｏｄ ；ＥＲ ：ｅ ｎｅｒｇｙｒｅｔ ａｉ ｎ ｅｄ ；ＤＷＴ ：ｄ ｉ ｓｃ ｒｅｔ ｅｗａｖｅ ｌｅｔｔ ｒａｎｓ ｆｏ ｒｍ
２ ． ４ＰＬＳ￣ Ｉ）Ａ 分析 设光谱数据为 自变量 Ｘ ， 不同采集年份的分类为因变量
２ ． ４ ． １ 不 同年份 美味牛肝菌 ＰＬＳ￣ＤＡ 分析Ｙ ， 对 ＯＳＣＷ 处理前后的光谱信号进行 ＰＬＳ￣ＤＡ 分析 ， 结果
２ １ ２０光谱学与光谱分析第 ３６ 卷
见 图 ３ 和 图 ４ 。 图 ３ 为决定主成分数的 Ｋ２ Ｙ 和 Ｑ２ 值 。 表知 ＯＳＣＷ 处理后 提取 了６ 个主成 分 ， 和 Ｑ２ 分别为
示所提取主成分能解释 ｙ 变量的 比例 ， Ｑ２ 表示主成分能预〇 ？ ８ ９３ 和 ０． ７５ ２ ， 主成分的累 积解释水平和预测水平都大幅
测 ｙ 变量的 比例 ， 一般认为 记 Ｙ 和 Ｑ ２ 应大于 ０ ． ５ 且越接近度提髙 。 由 前 ２ 个主成分得分图 ４ （ ｂ ）可以看 出 ， 不同年份美
１ 越好 ［ ２４ ］ 。 图 ４ 为 ＯＳＣＷ 处理前后主成分 ＾ 和 ￡２ 的得分图 。 味牛肝菌样品能够很好的区分开 ， 表明不同年份美味牛 肝菌
由 图 ３ （ ａ ）可 知 ＯＳＣＷ 处理前一共提取 了８ 个主成分 ， 对化学成分的积累情况不 同 ， 这可能 与气候变化有关 ， 如
其 ｉ？ ２Ｙ 和 ￡？２ 分别为 ０ ． ７６４ 和 ０． ５２ ８ 表明这 ８ 个主成分能够２０ １ ４ 年云南 的降水量较其他年份更充沛 。 结果 显示红外光谱
解释和预测 ７ ６ ． ４ ％和 ５ ２ ． ８％的 Ｙ变量 ， 和 Ｑ２ 均远小于经 ＯＳＣＷ 预处理后滤除 了大量的干扰信息 ， ＰＬＳ￣ＤＡ分类效
１ ； 图 ４ （ ａ） 可以看出采于不同年份美味牛肝菌样品不能区分果变好 。 ＯＳＣＷ 结合 ＰＬＳ￣ＤＡ适用于不同年份美味牛肝菌的
开 ， 表明 ＯＳＣＷ 处理前 ＰＬＳ＾ＤＡ 分析效果较差 。 由 图 ３ （ｂ ）可鉴别分析 。
１ 〇ｒ＾０Ｒ： ｖ（〇 ｕｍ） ＇ ＇ ° １墜Ｒ２，Ｙ （ ｃ ｕｍ）一
０． ８
■一
０，
ｊｄｌ Ｌ
Ｌｈｉｕｉｌｉｉｌ ｌ ｌｌ ｌ
１２３４５６７８１２３４５６
Ｃｏｍｐｏｎｅ ｎｔ Ｎ ｏ ． Ｃｏｍｐｏｎ ｅｎｔＮｏ ．
图 ３ＯＳＣＷ 处理前后的主成分数及 Ｋ２ Ｖ ，Ｇ２ 值
Ｆｉ ｇ．３Ｐｒ ｉｎ ｃ ｉｐａ ｌｃｏｍｐｏｎｅｎｔｎｕｍｌ＾ｅｒ ａｎｄ Ｒ２ Ｙ ，Ｑ２ｖａｌ ｕｅｓｂｅ ｆｏｒｅ（ ａ ）ａｎｄａｆｔｅｒ （ ｂ ）ＯＳＣＷ ｐ ｒｅｐｒｏｃｅｓ ｓｉ ｎｇ
ｗＨｂ）
＿
＊
ｊｊ
￣Ｌ ｏｎ
： 味你ｙ，
． ８ －７ －６ －５－４ －３ －２－ １ ０１２３４５６７８９． ３＿ ２－ ｌ〇 １２３
＾ ［ １ ］ｔ［ ＼ ］
图 ４ 不 同年份美味牛肝菌 ＯＳＣＷ 处理前后主成分得分图
Ｆ ｉｇ． ４Ｐｒｉ ｎｃ ｉ ｐａｌｃｏｍｐｏｎｅｎ ｔｓ ｃｏ ｒｅｓ ｐ ｌｏ ｔｏ ｆＢ ．ｅｄｕ ｌ ｉｓｆｒｏｍｄ ｉ ｆｆｅｒｅｎ ｔ ｙｅａｒ ｓｂｅｆｏ ｒｅ（ ａ ）ａｎｄ ａｆｔｅｒ （ ｂ ）ｐ ｒｅｐｒｏｃｅｓｓｅｄｂｙＯＳＣＷ
２ ． ４ ． ２ 不 同产 地 美味牛肝 菌 ＰＬＳ￣ＤＡ 分析基于美味牛肝菌红外光谱数据建立 ＰＬＳ预测模型 ， 结果
以 ２０ １ ２ 年采集的不 同产地美味牛肝菌光谱数据为 自 变见图 ６ 和图 ７ 。 由 图 ６ 可知 ＯＳＣＷ预处理前 （ ａ） 和 ＯＳＣＷ 处
量 ， 产地分类为因变量 ， 比较原始光谱与正交信号－微波压缩理后 （ ｂ ） 训练集样本的观测值与预测值之间的相关 系数 ｒ 分
（ＯＳＣＷ ）处理后的 ＰＬＳ￣ＤＡ 分析结果 。 图 ５ 为 １ １ 个不同产地别为 ０ ．７９ ０１ 和 ０ ＿８ ５２３ ， 校正均方根误差 ＲＭＳＥＥ 分别 为
美味牛肝菌 ＰＬＳ＾ＤＡ 的前 ３ 个主成分三维得分图 。 由 原始光２ １ ．２ ４６５ 和 １ ７ ．２ ３８１ ； 表 明 ＯＳＣＷ 处理可 以明 显提高模型训
谱 ＰＬＳ＾ＤＡ 的前 ３个主成分得分图 ５ （ａ ） 可 知不 同产地美味练集的预测率 。
牛肝菌样品不能够很好地区分开 。 图 ５ （ ｂ ）显示了ＯＳＣＷ 预图 ７ ｂＪ■知 ＯＳＣＷ 预处理前 （ ａ ） 和 ＯＳＣＷ 处理后 （ ｂ ）验证
处理后 ＰＬ＆ ＤＡ 的前 ３ 个主成分得分图 ， 由 图可知 ２０ １ ２ 年集样本的观测值与预测值之 间的相关系数 ｉ？ ２ 分别为 ０ ．９ ２２５
采 自 １ １ 个不同产地的样品 除 了２ 个样品 聚类有误外 ， 其余和 ０ ． ８ ４５４ ， 预 测均方根误差 ＲＭＳＥＰ 分别 为 １４ ．４ ２ ９２ 和
样品均能按不 同产地正确 分类 ， 表明正交信号－微波压缩滤 ２０．８ ７ 。 结合图 ６ 可知 ＯＳＣＷ 处理前模型 的 ＲＭＳＥＰ＜ ＲＭ－
除 了大量干扰信息 ， 保留 与美味牛肝菌产地有关 的信息 ， 产ＳＥＥ且验证集的 ｉ？ ２ 较接近 １ ， 表 明 ＯＳＣＷ 处理前基于 ＰＬＳ
地分类效果 ■挺高 ’ 结果令人满意 。建立 的模 型预 测 效果好 。 ＯＳＣＷ 预 处理后所建立 的模 型
２ ．５ＰＬＳ 建模分析 ＲＭＳＥＰ＞ＲＭＳＥＥ ， 且验证集 Ｊ？ ２ 还 略小于训 练集 尺２ ， 表 明
第 ７ 期光谱学与光谱分析２ １ ２ １
美味牛肝菌红外光谱信息经 ＯＳＣＷ 处理后 ， 出 现过拟合现示 ＯＳＣＷ处理后的光谱数据不适宜结合 ＰＬＳ建立预测模型 ，
象 ， 训练集能被很好的识别 ， 但验证集 正确识别率降低 ， 提这 与张娴等的研究结果相符 。
＿ｎ－ ４０丨麵０ ５ ０〇－５０． 丨ｏｆ ， ０－°＾— ， 〇 －
３０ ｒ ， ， 丨 ＿ ■ ＇ ＇ １ １＇Ｊ
４
（ ａ ）零］ ２０６。 ． （ｂ）▼蝴ｒ 。 ７ ； ６０ ！ ：＾
１ ０
． －
？
丨ｉ＇ － 〇 “ｗ ．
－
ｉｓ
〇Ｌ－？ １ｉ ／ 、、 ｖ ８ ５－９０
■
１ ０Ｔ ６０＾ｊ －２ 〇２０ ； —
－ ２〇 ： １ ． －３ ０〇－ ． ４Ｓ，＞ｆｃｊ 〇
１ 丄■、 ：？＞－＾－ 〇 ｌ －
－ １＾ ６０ ＾＾ １ ０
，
［
２
］
＇
［
２
］
图 ５ 不 同产地美味牛肝菌 ＯＳＣＷ 处理前后主成分得分图
Ｆｉ ｇ．５Ｐ ｒｉ ｎｃ ｉｐａ ｌｃｏｍｐｏｎ ｅｎ ｔ ｓｃｏｒｅｓｐ ｌｏｔｏ ｆＢ ．ｅｄｕｌ ｉｓｆｒｏｍｄｉ ｆｆｅｒｅｎｔ ｏｒ ｉｇｉｎｓｂｅｆｏｒｅ （ ａ）ａｎｄ ａｆｔｅｒ （ ｂ）ｐｒｅｐ ｒｏｃｅｓｓｅｄｂｙＯＳＣＷ
０２０４０６０８０１ ００１ ２０ １ ４０ １ ６０１ ８ ００ ２０４０６０８ ０ １ ００１ ２ ０ １ ４０ １ ６０１ ８ ０
ＹＰｅｄＹＰｅｄ
图 ６ＯＳＣＷ 预 处理前后训练集的 ＰＬＳ 模型预测结果
Ｆｉ ｇ．６Ｐｒｅｄ ｉｃ ｔ ｉｎｇｒｅｓｕｌ ｔｓ ｏｆｔｒａｉｎｉ ｎｇｓｅ ｔｏｆＰＬＳ ｍｏｄｅ ｌｂｅｆｏｒｅ （ａ ）ａｎｄ ａｆｔｅｒ （ ｂ ）ｐｒｅｐｒｏｃｅｓｓｅｄｂｙＯＳＣＷ
１ ６ ０ ｉ ５ 〇ｒ＾
１ ４０／？ ２＝０．９２２  ５＾＾＾ Ｚ＾Ｏ ． ８４５  ４
ＲＭＳＥ Ｅ＝ １ ４ ．４２９２ ＲＭＳ ＥＥ＝２０ ． ８７，
ｙ
Ｉ ：： Ｉ
１ ００
，？Ｊ＾ｒ＞ ８ 〇９０＾
５ 〇
０２ ０４ ０６０８ ０ １００１ ２ ０ １４０ １ ６ ０－４０－２ ０ ０２０４０６０８０ １ ００１ ２ ０ １ ４０
ＹＰｅｄ ＹＰ ｅｄ
图 ７ＯＳＣＷ 预处理前后验证集 的 ＰＬＳ 模型预测结果
Ｆｉｇ． ７Ｐ ｒｅｄ ｉｃ ｔ ｉｎｇｒｅｓ ｕ ｌｔｓ ｏ ｆｖａ ｌ ｉｄａ ｔ ｉｏｎｓ ｅｔ ｏｆＰＩ ＞Ｓ ｍ（ｘ ｌｅ ｌｂｅｆｏｒｅ（ ａ ）ａｎｄ ａｆｔ ｅｒ（ ｂ ）ｐ ｒｅｐ ｒｏｃｅ ｓｓｅｄｂｙＯＳＣＷ
２ １２２光谱学与光谱分析第 ３６ 卷
以相关系数 ｒ 、 校正均方根误差 ＲＭＳＥＥ 和预测均方根误差
３结ｉ仑 ＲＭＳＥＰ评价模型预测效果 。 结果显示 ＯＳＣＷ处理前训练集
的 ｒ小于预处理后 ， 而 ＲＭＳＥＥ大于预处理后 ， 表明 ＯＳＣＷ
采集不同年份、 不 同产地美味牛肝菌样品 的红外光谱 ， 处理能够提高模型训练集的预测效果 ； ＯＳＣＷ 预处理后模型
用 Ｏｍｎｉ ｃ＆２ 软件的光谱检索功能考察方法的重现性 、 精密的 ＲＭＳＥＰ＞ＲＭＳＥＥ，ｒ 小于光谱预 处理前的 数值 ， 表明
度和稳定性 ， 显示该方法稳定 、 可靠 。 应用正交信号校正－微ＯＳＣＷ 处理后光谱出现过拟合现象 ， 降低了模型验证集的预
波压缩 （ＯＳＣＷ）方法处理光谱 ， 对 ＯＳＣＷ 处理前后的美味牛测能力 。
肝菌光谱数据进行 ＰＬＳ￣ＤＡ分析 ， 结果显示 ＯＳＣＷ处理后红外光谱数据通过 ＯＳＣＷ 处理能够滤除光谱矩阵 中的
ＰＬＳ￣ＤＡ 对美味牛肝菌不同年份及不同产地的分类效果明显噪音信号及与因变量无关的干扰信息 ， 提高光谱分析的针对
优于光谱预处理前的效果 ， 表明 ＯＳＣ能够滤除大量与分类性和计算速率 ， 但 ＯＳＣＷ－ＰＬＳ会出现过拟合现象 ， 不适宜建
变量无关的干扰信息 ， 在确保极少量信息丢失的前提下对数立分类预测模型 。 ＯＳＣＷ 与 ＰＬＳ￣ＤＡ结合区分不同年份 、 不
据进行微波压缩明显提高了光谱分析的计算速率 。同产地美味牛肝菌样品 ， 结果令人满意 ， 为食用菌的快速鉴
１５２ 个美味牛肝菌光谱数据分为训练集和验证集 ， 分别别分类和质量控制提供行之有效 的方法 ， 具有实际推广价
以 ＯＳＣＷ 处理前后 的 光谱数据 ， 建立 ＰＬＳ 分类预测模 型 ， 值 。
Ｒｅｆｅｒｅｎｃｅｓ
［ １］ＷａｎｇＸ Ｍ ，Ｚｈａｎｇ Ｊ ？ＷｕＬＨ ，ｅｔ ａ ｌ．ＦｏｏｄＣｈｅｍｉ ｓｔｒｙ ，２ ０ １４ ，１ ５ １ ：２７９ ．
［ ２ ］ＷｕＧ ，Ｆｅｎｇ Ｂ ，Ｘｕ ＪＰ ，ｅ ｔａ ｌ ．Ｆｕｎｇａ ｌＤ ｉｖｅ ｒｓｉ ｔｙ ，２ ０ １４ ，６ ９ ： ９３ ．
［ ３ ］ＤＥＮＧＢａ ｉ －ｗａｎ ， ＣＨＥＮＷｅｎ－ｑｉａｎｇ ， ＬＩＸ ｉｎ－ｓｈｅｎｇ（邓百万 ， 陈文强 ， 李新生 ） ． Ｆｏｏｄ Ｓｃ ｉｅｎｃ ｅ （食品科学 ） ， ２００５ ， ２５ （ １ １ ） ：２ ５ ５ ．
［ ４ ］ＫａｌａｃＰ．Ｆｏｏｄ Ｃｈｅｍ ｉｓ ｔ ｒｙ ，２００９ ？１ １３ （ １ ） ＊９ ．
［ ５ ］ＺＨＯＵＬｉｎｇ－ｘｉ ａｎ ， ＹＩＮＪ ｉ ａｎ－ｚｈ〇ｎｇ（周玲仙 ， 殷建忠 ） ． Ｅｄｉｂｌ ｅ Ｆｕｎｇｕｓ （食用菌 ） ， ２００８ ， （ ４） ：６ １ ．
［ ６ ］Ｌｕｏ Ａｏｘｕｅ ．ＬｕｏＡｏｓｈｕａｎｇ ，Ｈｕ ａｎｇ Ｊ ｉ ａｎｄｏｎｇ ，ｅｔａｌ．Ｍｏ ｌｅｃｕ ｌｅｓ ， ２０ １２ ，１ ７ （ ７ ） ：８０ ７９ ．
［ ７ ］ＬＩＳｈ ｕ－ｈｏｎｇ ， ＺＨＡＯＹｏｎｇ－ｃｈａｎｇ ， ＹＵＦｕ－ ｑｉａｎｇ ， ｅｔａｌ （李树红 ， 赵永昌 ， 于 富强 ， 等 ） ？Ｅｄ ｉｂ ｌｅ Ｆｕｎｇｉ ｏ ｆＣｈ ｉｎａ （ 中国食用菌 ） ， ２０ １ １ ， ３０
（ ５ ） ：３４ ．
［ ８ ］ＺＨＯＵＺａ ｉ －ｊ ｉｎ ， Ｌ ＩＵ Ｇａｎｇ ，ＲＥＮＸｉａｎ－ｐｅ ｉ（周在进 ， 刘 刚 ， 任先培 ） ． Ｌａｓｅｒａｎｄ Ｉｎｆｒａｒｅｄ （激光与红外 ） ． ２０ １０ ，４０ （９ ） ：９ ７０ ．
［ ９］ＤＡＩ Ｙｕ－ ｃｈｅｎｇ ， ＴＯＬＧＯＲ Ｂａｕ ， ＣＵ１Ｂａｏ￣ｋａ ｉ ，ｅ ｔ ａｌ （戴玉成 ， 图力古尔 ， 催定凯 ， 等 ） ． Ｉｌ ｌｕｓｔ ｒａ ｔ ｉｏｎ ｓｏｆ Ｍｅｄｉｃｉｎａ ｌＦｕｎｇｉ  ｉｎ Ｃｈｉｎ ａ （中国药用
真菌图志 ） ？Ｈａ ｒｂ ｉｎ ：Ｎｏｒｔｈｅａｓｔ Ｆｏｒｅ ｓｔ ｒｙ Ｕｎ ｉｖｅ ｒｓ ｉｔｙＰｒｅｓｓ （哈尔滨 ： 东北林业大学出版社 ） ， ２ ０ １３ ．７４ ．
［１ ０］ＷＡＮＧＸ ｉ ａｎｇ－ｈｕａ ， ＬＩＵＰｅ ｉ －ｇｕｉ ， ＹＵＦｕ－ ｑｉａｎｇ （王 向华 ， 刘培贵 ， 于富强 ） ． Ｃｏｌｏ ｒ ａｔ ｌａ ｓｏ ｆｗｉ ｌｄ ｃｏｍｍｅｒｃｉａ ｌｍｕｓｈ ｒｏｏｍｓ ｉｎ Ｙｕｎｎａｎ （云南野
生商品蘑薛图鉴 ） － Ｋｕｎｍｉｎｇ ：ＹｕｎｎａｎＳｃ ｉ ｅｎ ｃｅａｎｄＴｅｃｈｎｏ ｌｏｇｙＰｒｅｓ ｓ（昆明 ： 云南科技出版社 ） ， ２００ ４． １２５ ．
［ １ １ ］ＺＨＯＵ Ｚａ ｉ －ｊ ｉｎ ， ＬＩＵ Ｇａｎｇ ， ＲＥＮ Ｘｉａｎ￣ｐｅ ｉ （周在进 ， 刘 刚 ， 任先培 ） ＿Ｌａｓｅ ｒａｎｄ ｌｎ ｆｒａｒｅｄ （激光与红外） ， ２００９ ， ３９ （ １ １ ） ：１ １ ５８ ．
［ １２］ＳＵＮ Ｓｕ－ｑｉｎ ， ＤＵ Ｄｅ￣ｇｕｏ ， ＬＩＡＮＧＸｉ－ｙｕｎ ， ｅｔ ａｌ （孙素琴 ， 杜德国 ， 梁衊云 ， 等 ） ． Ｃｈｉｎｅｓｅ Ｊ ｏｕｒｎａ ｌｏｆ Ａｎ ａｌ ｙｔ ｉｃａｌＣｈ ｅｍｉ ｓｔ ｒｙ （分析化学 ） ，
２ ００ １ ， ２９ （ ３ ） ： ３０９ ，
［ １ ３ ］ＹＡＮＧＴ ｉ ａｎ－ｗｅ ｉ ， ＣＵＩ Ｂａａｋａｉ ， ＺＨＡＮＧ Ｊｉ ， ｅｔ ａｌ （杨天伟 ， 崔宝凯 ， 张 霁 ， 等 ） ． Ｍｙｃｏｓｙｓｔｅｍａ （菌物学报） ， ２０ １ ４ ，３３ （２ ＞ ：２６２ ．
［ １ ４］ＷＥ ＩＨ ａ ｉ－ ｌｏｎｇ ， ＬＩＨ ａｉ －ｂｏ ，ＷＡＮＧＬｉ －ｌ ｉｎｇ ， ｅｔ ａｌ （魏海龙 ， 李海波 ， 王丽玲 ， 等 ） ． Ｍｙｃｏｓｙｓ ｔｅｍａ （菌物学报 ） ， ２０ １４ ，３３ （ ２ ） ：２４２ ．
［ １ ５］Ｍｅ ｌ ｌｏＡ ，Ｇｈｉ ｇｎｏｎｅ Ｓ ，Ｖｉｚｚ ｉｎ ｉ Ａ ？ｅ ｔａ ｌ ． Ｊｏｕｒｎａ ｌｏｆＢｉｏｔｅｃｈｎｏｌｏｇｙ ，２０ ０６ ， １２ １ （３ ） ：３ １ ８ ．
［１ ６］Ｌ ｉａｎＢ ，ＺａｎｇＪＰ ？Ｈｏ ｕＷ Ｇ ，ｅｔ ａ ｌ ．Ｅｌ ｅｃ ｔ ｒｏｎ ｉｃＪ ｏｕｒｎａ ｌｏｆＢｉｏｔｅｃｈｎｏ ｌｏｇｙ ，２００８ ，１ １ （ ３ ） ： １０ ２．
［１ ７］ＺＨＯＵＹｅ ， ＺＨＡＮＧＱｉｎｇ－ｗｅｉ ， ＬＩ ＰｅＨｕ ？ｅｔ ａｌ （周 晔 ， 张庆伟 ， 李佩孚 ， 等 ） ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎ ａｌｏｆ Ｔｒａｄｉｔ ｉｏｎａ丨Ｃｈ ｉｎ ｅｓ ｅＭｅｄｉ ｃｉ ｎｅ （中国中
药杂 志 ） ， ２ ０ １ ３ ，３８（ ０ １ ９ ） ：３ ３０９ ．
［１８］Ａ ｌｅｘａｎｄ ｒａｋｉ ｓＤ ，Ｄｏｗｎ ｅｙＧ ， Ｓｃａｎｎｅ ｌｌＡＧＭＦｏｏｄ ａｎｄＢｉｏｐｒｏｃｅｓ ｓＴｅｃｈｎｏｌｏｇｙ ，２０ １ ２ ，５ （ １）  ：３ ３８ ．
［ １ ９］ＲＥＮＸｉａｎ－ｐｅ ｉ ，ＵＵ Ｇａｎｇ ，ＺＨＯＵＺａ ｉ－ ｊ ｉｎ ， ｅｔ ａ ｌ （任先培 ， 刘 刚 ， 周在进 ， 等 ） ． Ｌａｓｅ ｒａｎｄＩｎｆｒａｒｅｄ （激光与红外 ） ， ２００９ ，３ ９ （ ９ ） ： ９４４ ．
［２０］Ｔ ａｒａｎｔ ｉ ｌｉｓＰＡ ，Ｔｒｏ ｉａｎｏｕ Ｖ Ｅ ，ＰａｐｐａｓＣＳ ，ｅｔ ａｌ．Ｆｏｏｄ Ｃｈ ｅｍｉｓ ｔｒｙ ，２ ００８ ＊１ １ １ （ １ ） ： １９ ２ ．
［２ １］Ｓｕｎ ＳＱ ？ＣｈｅｎＪＢ ，ＺｈｏｕＱ ，ｅｔａ ｌ ．Ｐ ｌａｎ ｔａ Ｍｅｄｉｃａ ＊２０１ ０ ，７６ （ １ ７ ） ：１ ９８７ ，
［２２］ＷｏｌｄＳ ，Ａｎ ｔｔ ｉ Ｈ ，Ｌｉｎｄｇ ｒｅｎＦ ，ｅ ｔ ａｌ ．Ｃｈｅｍｏｍｅ ｔｒｉｃ ｓａｎ ｄＩｎｔｅ ｌ ｌ ｉｇｅｎｔＬａｂｏｒａ ｔｏｒｙＳｙｓｔｅｍｓ ，１ ９９ ８ ，４ ４ ：１ ７５．
［２ ３］Ｂｙｌｅｓｊ ｏＭ ，Ｒａｎｔａｌａ ｉｎｅｎＭ ，Ｃｌ ｏａｒｅｃ０？ｅｔ ａ ｌ ．Ｊｏｕｒｎａ ｌｏｆ Ｃｈｅｍｏｍｅ ｔｒｉｃ ｓ ，２０ ０６ ，２０ （８ －１ ０ ） ：３４ １ ，
［２４］ＬＩ Ｓｉ －ｈａ ｉ ， ＰＡＮＸｉｎ－ｂｏ ， ＲＥＮ Ｚｈｅｎ ， ｅ ｔ ａ ｌ（李四海 ， 潘新波 ， 任 真 ， 等 ） ． Ｃｈｉｎｅｓｅ Ｊ ｏｕｒｎａ ｌｏｆＥｘ ｐｅｒｉｍｅｎｔａ ｌＴｒａｄ ｉｔ ｉｏｎａ ｌＭｅｄｉｃ ａｌＦｏｒｍｕ ｌａｅ
（中国实验方剂学杂志 ） ， ２０ １ ３ ， １ ９ （ １２ ） ：１ ３２ ．
第 ７ 期光谱学与光谱分析２ １ ２ ３
Ｓ ｔｕｄｙｏｎｔｈｅＤｉｓｃｒｉｍｉｎａ ｔｉｏｎｏｆＢｏ ｌｅｔｕｓＥｄｕｌｉｓｆｒｏｍＤｉｆｆｅｒｅｎｔＹｅａｒｓａｎｄ
Ｏｒｉｇｉｎ ｓｗ ｉ ｔｈＦＴＩＲ
ＹＡＮＧＴ ｉａｎ－ｗ ｅ ｉ １ ， ２ ，ＬＩＴａｏ ３ ？Ｌ ＩＪ ｉｅ－ｑｉｎｇ １ ，ＺＨＡＮＧＸｕ ｅ４ ，ＷＡＮＧＹｕａｎ－ｚｈｏｎｇ２ ＊ ，ＬＩＵＨｏｎｇ －ｇａｏ１ ＊
１ ．Ｃｏ ｌｌｅｇｅｏｆ ＡｇｒｏｎｏｍｙａｎｄＢｉｏ ｔｅｃｈｎｏ ｌｏｇｙ ＊ＹｕｎｎａｎＡｇｒｉ ｃｕ ｌｔｕｒａｌＵｎｉｖｅｒｓ ｉｔｙ ，Ｋｕｎｍｉ ｎｇ６５ ０２ ０ １ ， Ｃｈ ｉｎａ
２ ．Ｉｎｓｔｉ ｔｕｔｅｏｆ Ｍｅｄｉｃ ｉｎａｌＰ ｌａｎｔｓ ，ＹｕｎｎａｎＡｃａｄｅｍｙｏｆ Ａ ｇｒ ｉｃｕ ｌｔｕ ｒａｌＳｃｉ ｅｎｃｅｓ ，Ｋｕｎｍｉｎｇ６ ５０ ２０ ０ ， Ｃｈ ｉｎａ
３ ．Ｃｏｌ ｌｅｇｅｏｆＲｅｓｏｕ ｒ ｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ ，ＹｕｘｉＮｏｒｍａｌＵｎｉｖｅｒｓ ｉｔ ｙ ，Ｙｕｘｉ ６５ ３１ ００ ，Ｃｈｉ ｎａ
４．ＹｕｎｎａｎＴｅｃｈｎｉ ｃｉａｎ Ｃｏ ｌ ｌｅｇｅ ，Ａｎｎｉｎｇ ６５０ ３０ ０ ，Ｃｈｉｎａ
ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒ ｔｏ ｅｓｔａｂ ｌ ｉｓｈａｒａｐ ｉｄｍｅｔｈｏｄ ｆｏｒｄ ｉｓｃｒ ｉｍｉｎａ ｔ ｉｎｇＢｏｌｅ ｔｕｓｅｄｕ ｌ ｉ ｓｍｕ ｓｈｒｏｏｍ ，Ｆｏｕｒ ｉｅｒ ｔｒａｎｓ ｆｏ ｒｍ ｉ ｎｆｒａｒｅｄｓｐｅｃ ｔｒｏ ｓ？
ｃｏｐｙｃｏｍｂ ｉｎｅｄｗ ｉｔｈｍｕ ｌｔ ｉｖａｒ ｉａｔｅｓｔａ ｔ ｉｓ ｔ ｉｃａｌａｎａｌｙｓ ｉｓｗｅｒｅ ｕｓｅｄｔｏｓ ｔｕｄｙ Ｂ ．ｅｄｕ ｌ ｉ ｓｗｈ ｉｃｈｗｅｒ ｅｃｏ ｌｌ ｅｃ ｔｅｄｆｒｏｍｄｉｆｆ ｅｒｅｎ ｔｏ ｒｉ ｇｉｎｓ ａｎｄ
ｄｉ ｆｆｅｒｅｎ ｔｙｅａｒｓ．Ｔｈｅｏ ｒｉｇ ｉｎａｌｉ ｎｆｒａｒｅｄｓｐｅｃ ｔｒａｏ ｆａｌｌ ｔｈｅ１ ５２Ｂ．ｅｄｕ ｌ ｉｓｓａｍｐ ｌｅｓｃｏ ｌｌｅｃｔｅｄｆｒｏｍ ２ ０ １ １ｔｏ ２０ １ ４ａｎｄ２ ６ｄ ｉｆｆｅｒｅｎｔａｒｅａｓ
ｏｆＹｕｎｎａｎＰｒｏｖｉ ｎｃｅｗｅｒｅｏｐｔ ｉｍｉｚｅｄｗｉｔｈｏ ｒｔｈｏｇｏｎａｌｓ ｉｇｎａ ｌｃｏ ｒｒ ｅｃｔ ｉｏｎａｎｄｗａｖｅ ｌｅ ｔｃｏｍ ｐｒｅｓ ｓｉｏｎ （ＯＳＣＷ）ｍｅｔ ｈｏｄ．Ｔｈｅｓｐｅｃ ｔｒａ ｌ
ｄａ ｔａ ｔｈａ ｔｂｅｆｏｒｅａｎｄａｆｔｅｒ ｂｅｉｎｇｐｒｅｐｒｏｃｅｓｓｅｄ ｗ ｉｔ ｈＯＳＣＷｗｅｒｅａｎａｌｙｚｅｄｗｉｔｈｐａ ｒｔｉａｌｌ ｅａｓ ｔｓｑｕ ａｒｅｓｄｉ ｓｃ ｒｉｍｉｎａｎｔａｎａｌｙ ｓ ｉｓ（ ＰＬＳ－
ＤＡ） ．Ｔｈｅｃ ｌａ ｓｓ ｉｆ ｉｃａｔ ｉｏｎ ｒｅｓｕ ｌｔ ｓｏ ｆＰＬＳ－ＤＡｗｅｒｅｃｏｍｐａ ｒｅｄＴｈｅｎｔｈｅ１ ５ ２Ｂ．ｅｄｕ ｌ ｉ ｓｓａｍｐｌｅｓｗｅｒｅｒａｎｄｏｍｌｙｄ ｉｖｉ ｄｅｄ ｉｎｔｏ ａｔｒａ ｉ ｎ？
ｉｎｇｓｅｔ（ １ ２０ ）ａｎｄａｖａｌｉｄａｔ ｉｏｎ ｓｅｔ（ ３２ ）ｔｏｅｓｔ ａｂｌ ｉｓｈ ｔｈｅＰＬＳｃ ｌａｓｓ ｉｆｉ ｃａｔｉｏｎｐｒｅｄ ｉｃ ｔ ｉｏｎｍｏｄｅ ｌ ．Ｔｈｅ ｒｅｓｕ ｌｔ ｓｓｈｏｗｅｄ ｔｈａｔ ，ａｆｔｅ ｒＯＳＣＷ
ｐ ｒｏｃｅｓｓ ｉｎｇ ，ｔｈ ｅｃ ｌａｓｓ ｉｆ ｉｃａｔ ｉｏｎ ｒｅｓｕｌｔ ｏｆＰＬＳ－ＤＡｗａｓｓ ｉｇｎ ｉｆ ｉ ｃａｎｔｌ ｙｂｅｔ ｔｅｒｔｈａｎｔｈｅｏ ｔｈｅｒｏｎｅｗｈｉ ｃｈｗａｓｎｏ ｔｐｒｏ ｃｅｓ ｓｅｄｂｙ ＯＳＣＷ．
Ｐｒ ｉｎｃ ｉｐａ ｌｃｏｍｐｏｎｅｎｔｓｃｏ ｒｅｐ ｌｏ ｔｃａｎａｃ ｃｕ ｒａｔｅ ｌｙ ｄ ｉｓ ｔ ｉｎｇｕ ｉｓｈ Ｂ ．ｅｄｕ ｌ ｉ ｓｓａｍｐ ｌｅｓ ｃｏ ｌ ｌｅｃ ｔｅｄ ｆｒｏｍｄ ｉ ｆｆｅｒ ｅｎｔｙｅａｒｓ ａｎｄｄｉ ｆｆｅｒｅｎｔｏ ｒｉｇ ｉｎｓ．
Ｉｔｉｎｄ ｉｃａｔｅｄｔｈａｔＯＳＣＷｃａｎｅｆ ｆｅｃ ｔ ｉｖｅｌｙ ｅｌｉｍｉｎａｔｅｔ ｈｅｎｏｉ ｓｅｏ ｆ ｓｐｅｃ ｔｒａａｎｄｒｅｄｕｃｅｔｈｅｕｎｒｅ ｌａ ｔｅｄ ｉｎｔ ｅｒｆｅｒｅｎｃｅｉｎｆｏ ｒｍａｔ ｉｏｎａｂｏｕ ｔｔｈｅ
ｄｅｐｅｎｄｅｎｔｖａｒ ｉａｂ ｌｅｓｔｏｉｍｐｒｏｖ ｅ ｔｈｅａｃｃｕ ｒａｃｙ ａｎｄ ｃａｌｃｕｌ ａｔ ｉｏｎｓｐｅｅｄｏｆｓｐ ｅｃｔｒａｌａｎａｌｙ ｓｉｓ ．Ｂｅｆｏ ｒｅＯＳＣＷｐｒｅｐｒｏｃｅｓｓｅｄ ，ｔｈｅｊＲｚａｎｄ
ＲＭＳＥＩＥｏ ｆＰＬＳｍｏｄ ｅｌ ｏ ｆｔ ｈｅ ｔｒａｉｎｉｎｇ ｓｅｔｗｅｒｅ０ ．７ ９０１ａｎｄ２ １ ． ２４６５ ｒｅｓｐｅ ｃｔ ｉ ｖｅｌｙ ｗｈ ｉ ｌ ｅＲ ｚａｎｄ ＲＭＳＥＰｏ ｆｔｈｅｍｏｄｅｌ ｏ ｆｖａｌ ｉｄａｔ ｉｏｎ
ｓｅｔｗｅｒｅ０ ． ９２２５ａｎｄ１ ４ ．４ ２９２ ．Ａｆｔｅｒ ＯＳＣＷｐｒｅｔｒ ｅａ ｔｍｅｎｔ ，Ｒ ２ａｎｄＲＭＳＥＥｏ ｆｔｈｅ ｔｒａｉｎ ｉｎｇｓｅｔｗｅｒｅ０． ８ ５２３ａｎｄ１ ７ ．２ ３８１ｗｈｉｌ ｅ
ＲｚａｎｄＲＭＳＥＰ ｏｆｖａ ｌ ｉｄａｔ ｉ ｏｎｓｅｔｗｅｒｅ０ ．８４ ５４ａｎｄ２０ ．８ ７ ．Ｉｔｓｕｇｇｅｓ ｔｅｄｔｈａｔＯＳＣＷ ｃｏｕｌｄｉｍｐｒｏｖｅｔｈｅｐｒ ｅｄｉ ｃｔ ｉｖｅｅ ｆｆ ｅｃｔｏ ｆｔｈｅ
ｔｒａ ｉｎｉｎｇｓｅｔ ，ｂｕｔｔｈｅｏｖ ｅｉ＾ｆｉｔｔｉｎｇｏｆＯＳＣＷ－ＰＬＳｍａｙｒ ｅｄｕ ｃｅｔ ｈｅｐｒｅｄ ｉｃ ｔ ｉｖｅａｂｉ ｌｉ ｔｙ ｏ ｆｖａｌｉｄａｔ ｉｏｎｓｅｔ．Ｔｈｅｒｅ ｆｏｒｅ ，ｉｔｗａｓｕｎｓｕ ｉｔａｂｌ ｅ
ｔｏｅｓ ｔａｂ ｌｉ ｓｈａｍｏｄｅｌｗ ｉｔｈＯＳＣＷｃｏｍｂｉ ｎｅｄｗ ｉｔｈＰＬＳ． Ｉｎａｃｏｎｃ ｌｕ ｓ ｉｏｎ ，ＯＳＣＷｃｏｍｂ ｉｎｅｄｗ ｉｔｈＰＬＳ－ＤＡｃａｎｅｌｉｍｉｎａｔｅａ ｌａｒｇｅ
ａｍｏｕｎｔｏｆｓｐｅ ｃｔ ｒｕｍ ｉｎｔ ｅｒｆｅｒｅｎｃｅ ｉｎｆｏ ｒｍａ ｔ ｉｏｎ．Ｔｈｉ ｓｍｅｔｈｏｄ ｃｏｕ ｌｄａｃｃｕｒａｔｅｌｙ ｄｉ ｓｔ ｉｎｇｕ ｉｓｈＢ，ｅｄｕ ｌ ｉ ｓｓａｍｐ ｌｅｓ ｃｏｌ ｌｅｃ ｔｅｄｆｒｏｍ ｄ ｉｆｆｅｒ？
ｅｎｔｙｅａｒｓ ａｎｄｄ ｉｆｆｅｒｅｎｔｏ ｒｉｇ ｉｎｓ ．Ｉｔｃｏｕｌ ｄｐ ｒｏ ｖｉｄｅａｒｅｌ ｉａｂｌｅｂａｓ ｉｓ ｆｏ ｒ ｔｈｅｄ ｉｓｃｒ ｉｍ ｉｎａｔ ｉｏｎ ａｎｄ ｃ ｌａ ｓｓ ｉｆ ｉｃａｔ ｉｏｎｏ ｆｗｉ ｌｄ ｅｄｉ ｂｌ ｅ ｆｕｎｇ ｉ ．
ＫｅｙｗｏｒｄｓＩｎｆｒａｒｅｄｓｐｅｃ ｔｒｏｓｃｏｐｙ ；ＯＳＣＷ ；ＰＬＳ－ＤＡ ；Ｂｏ ｌｅ ｔｕｓ ｅｄｕ ｌｉｓ ＼Ｄｉ ｓｃｒｉｍｉｎａｔｉ ｏｎ
（ＲｅｃｅｉｖｅｄＳｅｐ ．１ ３ ， ２ ０ １ ４ ；ａｃ ｃｅ ｐｔｅｄＤｅｃ．２５ ， ２ ０ １ ４ ）
＊Ｃｏｒ ｒｅｓｐｏｎｄ ｉｎｇａｕ ｔｈｏ ｒ