基于多维仿生感官、近红外光谱结合多源信息融合的白芷产地溯源及指标成分快速鉴定方法研究

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Origin traceability of Angelica dahurica based on multidimensional bionic sensory, near infrared spectroscopy combined with multi-source information fusion research on rapid identification method of index components

　　

摘要

白芷作为大宗药材和食品香料，其质量与产区密切相关。传统产地鉴定方法依赖主观判断，而现代分析技术成本高昂且操作复杂。因此，本研究旨在利用多源信息融合技术开发一种快速、准确的方法来鉴定白芷产地，并预测其指标成分含量。我们整合了多维仿生感官（BS）技术——电子眼（EE）、电子鼻（EN）、电子舌（ET）和近红外光谱（NIR）——从四川、安徽、河南和河北四大主产区收集的81批白芷样品中采集视觉、嗅觉、味觉和光谱信息。我们采用多源信息融合（MIF）方法对这些多级数据进行融合。在定性产地判别方面，我们基于单源数据和融合数据，利用偏最小二乘判别分析（PLS-DA）、最小二乘支持向量机（LS-SVM）和卷积神经网络（CNN）建立模型。在指标成分（佛手柑内酯、欧前胡素、蛇床子素、白芷素、异蛇床子素）的定量预测方面，我们构建了反向传播神经网络（BPNN）模型。结果表明，在多源信息融合框架内，定性判别模型的阳性分类率达到100%，明显优于基于单信息源的模型。在定量预测模型中，基于ET的白芷素模型预测精度最高（Rp(Nan et al., 2026²⁾ = 0.9026）。引入多源信息融合进一步提高了佛手柑内酯、欧前胡素和蛇床子素模型的预测性能，Rp(Nan et al., 2026²⁾值分别提高了28.15%、10.20%和28.63%。总之，本研究通过整合多维BS数据与NIR，建立了一种白芷产地溯源和质量评价的新方法。该方法具有快速、高精度分析的优势，为中药及其饮片质量控制和评价体系的发展提供了可靠的技术框架和有价值的参考。

引言

白芷是一种传统中药材[1]。它具有祛风、止痛、通鼻窍的功效。由于其香气浓郁，也是中餐中重要的香料，特别是在肉类菜肴中。该植物含有香豆素、挥发油和多糖，具有抗炎、镇痛、抗肿瘤和美白皮肤的作用[2]、[3]。历史上，白芷在宋代以前为野生采收，宋代开始在浙江栽培，明代扩大种植范围，后传播至四川。1949年后，河北安国成为主要生产区。如今，由于城市化进程，杭州不再生产白芷。主要商业品种包括川白芷（CBZ）、亳白芷（BBZ）、禹白芷（YBZ）和祁白芷（QBZ）。质量因地区差异显著，且由于该药材常以饮片或粉末形式出售，无法通过外观鉴定产地，因此需要现代分析方法。

传统基于性状特征的鉴定方法如手工触摸、目视检查和嗅觉判断具有主观性和不一致性。现代仪器方法如GC[4]、[5]和HPLC[6]、[7]准确但耗时、费力且成本高昂。NMR需要专业知识和昂贵设备，而THz光谱在信号功率、环境敏感性和成本方面面临挑战，限制了大规模应用。同样，仿生感官（BS）技术的最新进展，包括电子眼（EE）[8]、[9]、电子鼻（EN）[10]、[11]、[12]和电子舌（ET）[13]、[14]——以及近红外光谱（NIR），为产地鉴定提供了快速、高效、准确的工具。BS技术将感官信息转化为电信号，提供高精度和稳定性。NIR通过光的吸收和反射捕获分子振动信息，实现快速、无损分析。它们的整合对于增强中药材的溯源和质量监测具有巨大潜力。

多源信息融合模拟大脑整合多样信息以做出更可靠判断的能力。它已被广泛应用于军事和食品行业，优于单源方法。Li[15]和Zhang[16]的研究成功应用了ET、EN和其他BS及MIF技术，准确鉴定三七粉的真实性和砂仁饮片的产地。尽管取得了这些进展，但以往大多数研究集中于单一感官模式、单一光谱技术或有限的几种质量属性。虽然电子眼、电子鼻、电子舌和NIR光谱可以提供与药材宏观和微观特征相关的互补信息，但它们联合应用于白芷地理产地鉴别和特征成分定量预测的研究仍不充分。特别是，利用统一的多源信息融合框架系统研究多维感官响应与白芷化学成分之间的关系尚未得到充分探索。因此，整合互补的感官和光谱信息可能提供更全面的产地特征表征，并提高化学计量模型的稳健性[17]、[18]。在此基础上，我们将ET、EN、EE和NIR与MIF及PLS-DA、LS-SVM、CNN和BPNN等建模方法相结合，快速准确地确定白芷的产地，为中药饮片和粉末的质量评价提供了新策略。

章节摘要

样本

共收集81批独立的白芷样品（图1，表S1），包括来自四川的川白芷（CBZ）（S1–S18）、来自安徽的亳白芷（BBZ）（S19–S35）、来自河南的禹白芷（YBZ）（S36–S60）和来自河北的祁白芷（QBZ）（S61–S81）。每批视为一个独立样本进行统计分析和化学计量建模。白芷（干燥根）由河南中医药大学第一附属医院副主任石军翰鉴定。

指纹图谱

软件为样品和对照品生成了相应的指纹图谱，提供了化学成分谱的直观分析和比较。代表性结果见补充材料图1、图2。

指标成分含量

欧前胡素、白芷素和异蛇床子素在祁白芷样品中的浓度显著高于其他样品，达到高度显著水平。禹白芷样品中这三种成分的含量也显著高于川白芷。

讨论

在初始阶段，我们计划从河南、河北、四川、浙江和安徽五个主要生产区收集约20批正宗白芷样品。杭白芷作为一种知名的正宗品种，通过市场和直接接触种植者都非常难以获得。进一步调查发现，这种稀缺有几个相互关联的原因。首先，由于严格的生态条件，杭白芷的生产本身就受到限制。

结论

通过整合电子眼、电子鼻、电子舌和近红外光谱与多源信息融合技术，本研究建立了一种白芷地理产地鉴别和质量评价的快速、全面分析框架。共分析了来自四川、安徽、河南和河北四大主产区的81批样品。结果表明，单源电子鼻、电子舌和近红外光谱信息提供的产地判别能力优于电子眼信息，而互补信息的整合。

利益冲突声明

作者声明他们不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢

本研究还得到了河南省自然科学基金项目优秀青年科学基金项目（242300421023）；河南省卫生健康中青年学科带头人专项（HNSWJW-2020014）；2022年岐黄青年学者培养项目（编号：[2022] 256）；cZ0377-31；河南中医药大学第一附属医院博士研究基金；2025年国家中医药监测与统计研究项目资助。

谭雪|张盼盼|李瑞雪|王青霄|马瑞|石军翰|王盼盼|桂新静|刘瑞馨

河南中医药大学第一附属医院药学部，河南郑州 450046，中国