红外光谱结合机器学习：一种快速溯源铁皮石斛产地及预测干物质含量的创新方法

本研究针对铁皮石斛（Dendrobium officinale）产地溯源和干物质含量（DMC）快速预测的需求，采用傅里叶变换近红外（FT-NIR）和衰减全反射中红外（ATR-FTIR）光谱技术，结合二维相关光谱（2DCOS）图像增强分辨率，通过偏最小二乘判别分析（PLS-DA）实现100%准确率的产地鉴别，并利用长短期记忆（LSTM）回归模型（R2p=0.8026）完成DMC预测。该研究为中药材质量评估提供了高效、无损的分析新策略。

　　

铁皮石斛作为一种兼具药用和食用价值的传统中药材，素有"九大仙草之首"的美誉，其品质与产地密切相关。然而，野生资源稀缺导致人工栽培兴起，不同产地的铁皮石斛因气候环境差异导致化学成分（如多糖、黄酮等）含量波动，直接影响其药理活性和市场价格。传统检测方法如稳定同位素分析虽可靠但耗时，而光谱技术因其快速、无损的特点成为研究热点，但现有研究对数据处理方法的系统比较仍显不足。

针对这一科学问题，来自云南省农业科学院等机构的研究人员开展了一项创新性研究，通过结合红外光谱与机器学习算法，建立了铁皮石斛产地鉴别和干物质含量预测的高效模型。这项发表于《LWT》的研究，为中药材质量控制提供了新的技术路径。

研究团队首先采集了5个省份7个产地的278份铁皮石斛样本，测定其干物质含量（DMC）并获取FT-NIR（10000-4000 cm^-1）和ATR-FTIR（4000-400 cm^-1）光谱数据。通过多元散射校正（MSC）、标准正态变量变换（SNV）和二阶导数（SD）等预处理方法优化数据质量，并创新性地引入二维相关光谱（2DCOS）技术提升谱图分辨率。在建模环节，采用偏最小二乘判别分析（PLS-DA）进行产地溯源，同时比较了偏最小二乘回归（PLSR）和长短期记忆（LSTM）神经网络在DMC预测中的性能。

3.1 干物质含量的地理差异
研究发现不同产地铁皮石斛的DMC存在显著差异（p < 0.05），福建产地DMC最低（18.87-31.15%），而云南产地的离散度最大（范围达51.97%），这种差异为基于光谱的产地鉴别提供了物质基础。

3.2 光谱特征解析
通过"三步红外分析法"（原始光谱-SD谱-2DCOS图像）系统比较发现：FT-NIR在6911 cm^-1（O-H伸缩）和5180 cm^-1（O-H变形）等处的吸收峰差异显著；ATR-FTIR则在3345 cm^-1（-OH）和1004 cm^-1（糖苷构型）呈现特征峰。2DCOS图像进一步揭示，福建样品在9917-8288 cm^-1区间的独特吸收模式可能是其DMC显著低于其他产地的光谱标志。

3.3 产地溯源模型
基于原始FT-NIR光谱建立的PLS-DA模型表现出色，潜在变量（LVs）为16时测试集准确率达100%，而ATR-FTIR模型准确率为96.47%。通过200次置换验证证实模型无过拟合风险（Q²截距<0.05），为快速产地鉴别提供了可靠工具。

3.4 干物质含量预测
在DMC预测中，SD预处理结合LSTM模型的FT-NIR数据表现最优（R²_p=0.8026，RPD=1.9149），而PLSR模型虽RPD较高（2.1387）但存在过拟合风险（RMSEC/RMSEP=1.4830）。特征选择方面，区间偏最小二乘（iPLS）优于竞争性自适应重加权采样（CARS），因其保留的连续波段（如7460-6865 cm^-1）包含更多与多糖相关的O-H、C-H键振动信息。数据融合策略中，中级融合（SNV+SD-iPLS-LSTM）取得最佳平衡（R²_p=0.7845）。

3.5 气候因素关联
通过WorldClim生物气候变量分析发现，DMC与最湿季度平均温度（bio8）、年降水量（bio12）呈正相关，而与年平均温度（bio1）、最热月最高温（bio5）等呈负相关。PLSR模型（VIP>1）显示最暖季度降水（bio18）是促进DMC积累的关键正调控因子。

这项研究创新性地建立了铁皮石斛分析的"三步红外光谱法"，证实FT-NIR在反映多糖相关化学键（C-H、O-H）方面更具优势。所开发的SD-LSTM模型虽然仅实现DMC的初步预测（R²_p<0.9），但为后续特定活性成分的精准预测奠定了基础。研究者建议未来可整合拉曼光谱等多源分析技术，并探索更先进的深度学习模型。该成果不仅为铁皮石斛质量控制提供了新范式，其"光谱-机器学习"的研究框架也可拓展至其他药用植物的品质评估，对推动中药材标准化具有重要意义。