- 基于近红外光谱的中药材产地鉴别技术研究进展
- 来源：卞希慧教授个人网站
2025-07-13
- 中药材的质量影响药效及用药安全，产地来源是其关键因素之一。传统的中药材产地鉴别方法主要是性状鉴定和显微鉴定。性状鉴定法依赖人工观察和经验，容易造成误判。显微鉴定法需要对中药材进行切片、染色等处理，步骤繁琐，且不适用珍稀中药材。而光谱分析由于快速、无损的优势，近年来在中药材产地鉴别中得到了越来越多的关注，其中近红外光谱技术的应用最为广泛。因此，本综述总结了近10年基于近红外光谱的中药材产地鉴别技术研究情况。对中药材进行地理区划并系统性总结了道地中药材在我国的分布情况和药材被鉴别研究的热度。目前，中药材产地鉴别研究主要集中在三七、人参、天麻、铁皮石斛等名贵的、易被产地造假的药材中。在近10年中药材产地鉴别近红外光谱技术的应用中，传统近红外光谱技术结合化学计量学方法依然是主流的方法；二维近红外相关光谱技术虽然已被应用于食品、农业等领域，但近两年才被用于中药材产地鉴别中，是该领域的新兴技术；近红外高光谱技术可短时间内获取样品的光谱和图像信息，可提高鉴别精度；近红外光谱与紫外-可见光光谱技术联用可获取样品化学键的信息和化合物共轭关系，与中红外光谱技术联用可得到更丰富的分子骨架信息，与激光诱导击穿光谱技术联用获得分子振动和元素组成信息。基于近红外光谱的多光谱联用技术实现多维信息互补，有效克服单一光谱技术的局限性，提高中药材产地鉴别效果。总结了在中药材产地鉴别中使用的化学计量学方法，有光谱预处理、变量选择、化学模式识别。光谱预处理方法可分为平滑处理、散射校正、基线校正和尺度缩放，常被组合使用来简化光谱，提高模型稳健性。通过变量选择，降维、筛选去除冗余波长，进一步达到使模型更稳定的目的。在化学模式识别中，深度学习算法越来越多的被应用于中药材产地鉴别分析中。本综述为中药材产地的快速准确鉴别提供方法参考。
- [来源：中国聚合物网]