基于可见/近红外光谱与海鸥优化支持向量机(SOA-SVM)的陈皮真伪鉴别及掺伪方法分类研究

本文创新性地将可见/近红外光谱(Vis/NIR)技术与机器学习结合，建立SOA-SVM模型实现陈皮(Citri Reticulatae Pericarpium, CRP)真伪鉴别（准确率99.3%），为高值药材的非破坏性检测提供新方案。研究涵盖光谱预处理(MSC/SG)、特征提取(PCA/LDA/CARS/SPA)及多算法对比(SVM/RF/PLS-DA)，具有重要临床应用价值。

　　

亮点

本研究通过可见/近红外(Vis/NIR)光谱技术结合改进的海鸥优化支持向量机(SOA-SVM)模型，首次系统解决了陈皮(Citri Reticulatae Pericarpium, CRP)真伪鉴别难题。实验证明，经线性判别分析(LDA)降维后的光谱数据在SOA-SVM模型中表现最优，测试集分类准确率高达99.3%，显著优于传统SVM、随机森林(RF)等算法。

CRP样本采集

研究采集了广东新会三种陈皮样本：传统工艺正品(T1)、高温高湿发酵仿制品(C1)和人工染色仿制品(C2)。正品购自连锁药房并核验资质，仿制品通过市场暗访获取，所有样本均经HPLC验证其黄酮含量差异（C2样本黄酮降低20-30%）。

CRP化学成分与光谱分析

如图5(f)所示，黄酮类（如橙皮苷、川陈皮素）和多糖的分子振动组合带是区分样本的关键。360 nm处的弱吸收峰（π→π^*跃迁）在C2样本中显著减弱，这与黄酮含量下降直接相关。近红外区(1000-2500 nm)的羟基伸缩振动则有效反映发酵工艺差异。

结论

本研究建立的SOA-SVM模型首次实现了：

1. 1.

   快速区分正品与两种主流仿制品（发酵/染色工艺）

2. 2.

   突破传统依赖外观鉴别的局限性

3. 3.

   为名贵中药材的真伪鉴定提供标准化光谱数据库

   未来可扩展至其他易掺伪药材如灵芝孢子粉、藏红花的快速检测。