Resumen

Para investigar la viabilidad de la identificación rápida y la evaluación de la calidad de los ciempiés medicinales chinos utilizando la espectroscopia NIR, se exploraron modelos de análisis cualitativo y cuantitativo. Se optimizó un modelo PCA-SVC para diferenciar cinco especies del género. Cuando el modelo fue validado con los conjuntos de calibración y predicción, la precisión de la predicción fue del 100% y 81.82%, respectivamente; puede cumplir con el requisito de identificación rápida y preliminar. Basándose en el contenido de nitrógeno detectado por el método químico, y la reducción de la dimensionalidad de los datos espectrales con PLS, los modelos de análisis cuantitativo fueron construidos con éxito mediante los algoritmos PLSR y SVR. Después de que los espectros fueron pretratados y los parámetros fueron optimizados, el rendimiento, la racionalidad y la capacidad de predicción de los modelos fueron validados y evaluados con RMSECV, RMSEP, RMSEE, y RPD. En comparación con las características y ventajas de estos dos modelos, el modelo PLS-SVR tuvo un mejor rendimiento y una mayor capacidad de predicción, y finalmente fue considerado como el modelo de análisis cuantitativo óptimo para predecir el contenido de nitrógeno. La desviación relativa entre el valor predictivo y la referencia fue del 2.69%, y la recuperación promedio fue del 99.02%, lo que indica que tiene potencial para la predicción rápida y la evaluación de la calidad de los ciempiés medicinales. Esta investigación sugiere que la espectroscopia NIR puede ser utilizada como un método de detección rápido para identificar especies y evaluar la calidad de los ciempiés medicinales en China.

• Materias:Espectrofotométricos Espectros Raman Nanodiamantes Características espectrales Oxicombustible
• Subjects:Spectrophotometric Raman spectra Nanodiamonds Spectral characteristics Oxyfuel
• Palabras claves:Investigación; Viabilidad; Espectroscopia NIR; Análisis cualitativo; Análisis cuantitativo; Modelo PCA-SVC
• Keywords:Investigation; Feasibility; NIR spectroscopy; Qualitative analysis; Quantitative analysis; PCA-SVC model