多模态光谱融合与机器学习算法在莪术物种鉴别及VIP堆叠定量模型中的应用研究

本研究创新性地结合紫外（UV）、傅里叶变换近红外（FT-NIR）和红外光谱（FT-IR）多模态数据，建立莪术（Curcumae Rhizoma）物种鉴别及7种微量成分（如吉马酮、莪术酮等）的VIP-堆叠集成定量模型，为多源中药材质量控制提供高效新策略。

　　

Highlight亮点

本研究通过融合UV+FT-NIR+FT-IR多模态光谱数据，结合创新性VIP-堆叠集成策略，实现了莪术三物种（温郁金、广西莪术、蓬莪术）的100%准确鉴别，并成功构建7种活性成分的高精度定量模型，为中药材"真伪优劣"同步评价提供范例。

光谱特征

UV光谱对共轭双键敏感（图2A），FT-NIR在4285 cm^-1处捕获-CH₂特征峰（图2B），FT-IR则聚焦O-H和C=O官能团。三模态数据互补形成"化学指纹全景图"，突破单一光谱技术局限。

结论

首创的VIP-堆叠模型利用偏最小二乘回归（PLSR）变量重要性评分优化基学习器组合，预测精度显著优于传统算法。该策略可推广至食品、农产品等复杂体系的多组分质量监控。