径向基函数神经网络与近红外光谱法鉴别大黄应用

径向基函数神经网络与近红外光谱法鉴别大黄应用

ID:34351186

大小:57.75 KB

页数:6页

时间:2019-03-05

径向基函数神经网络与近红外光谱法鉴别大黄应用_第1页
径向基函数神经网络与近红外光谱法鉴别大黄应用_第2页
径向基函数神经网络与近红外光谱法鉴别大黄应用_第3页
径向基函数神经网络与近红外光谱法鉴别大黄应用_第4页
径向基函数神经网络与近红外光谱法鉴别大黄应用_第5页
资源描述:

《径向基函数神经网络与近红外光谱法鉴别大黄应用》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、径向基函数神经网络与近红外光谱法鉴别大黄应用摘要:测定了41个大黄(Rhubarb)样品的近红外光谱数据,结合径向基函数神经网络模型,对正品与非正品大黄加以鉴别。为了提高神经网络的训练速度,在利用径向基函数神经网络建立模型之前,通过小波变换压缩了光谱变量,分析了建立模型的参数。结果表明,该法对大黄样品的识别正确率达97.56%,可用于大黄中药生产的质量控制。关键词:大黄(Rhubarb);近红外光谱;径向基函数神经网络;鉴别中图分类号:R917文献标识码:A文章编号:0439-8114(2014)02-0423-03IdentificationofRhubarbBased

2、onNearInfraredSpectrumandRBFNeuralNetworkTANGYan-fengl,HOUZhan-zhongl,XIQing-chuanl,FANGuo~qiang2(1.HebeiNorthUniversity,Zhangjiakou075000,Hebei,China;2.InstituteforChineseMedicine,BeijingTongrentangGroupCo.Ltd・,Beijing100011,China)Abstract:The41unknownrhubarbsampleswereanalyzedbynearinfr

3、aredspectraldatacombiningwiththeradialbasisfunctionneuralnetworkmodelidentification.Inordertoimprovethetrainingspeedofneuralnetwork,theradialbasisfunctionneuralnetwork(RBF-NN)modelandthewavelettransformforspectrumvariableswereadoptedandtherelatedparameterswerediscussed.TheresuItsshowedtha

4、ttheaccuracyofidentificationcouldreach97.56%,whichcouldbeusedtocontrolthequalityofrhubarb.Keywords:Rhubarb;nearinfraredspectroscopy;RBF-NN;identification大黄(Rhubarb)是蓼科(Polygonaceae)大黄属(Rheum)植物的合称,为中国常见中药材。随着国内外对大黄需求量的日益增加,少数不法商贩为牟求利益,将次品大黄或非大黄充当正品大黄使用。因此,大黄的质量控制、真伪和道地性鉴定是保证大黄真实性、疗效和用药安全的

5、重要环节。近红外光谱是叠加谱,只要中药材的各成分组成相对稳定,其光谱就有一定的重现性,应用于中药材鉴别非常简便、快速[1-5],与此同时,径向基函数神经网络适宜处理大量的模糊数据:6-9]o两种方法将为中药材准确快速的鉴定提供参考[10]。1材料与方法1.1样品41个不同品种和不同产地的大黄样品由北京同仁堂研究所提供。根据《中国药典》相关描述,将样品分为正品大黄和非正品大黄2类,其中23个为正品样本,18个为非正品样本(表1)。1.2仪器Foss6500型近红外光谱仪(FossNIRSystemsInc,USA),石英卤灯,PbS检测器。1.3方法1.3.1样品预处理药材

6、经烤箱烘干,机器粉碎,过60目筛,取约2.5g样品放入样品池中。1.3.2数据采集和处理测量范围1100〜2500nm,每隔2nm采集一个数据点,样品池直径38mm,厚度10mm,每个样品扫描测量30次,取其平均值作为该样品的光谱数据。为了保证样品数据具有代表性,在测定一定次数后,需将样品池取出并均匀摇动,使样品完全填充。1.3.3大黄近红外光谱的RBF-NN模型程序采用Matlab语言编写,以函数appcoef进行一维小波变换,提高神经网络的训练速度,得到大黄近红外光谱数据组成44X41矩阵,利用Matlab中神经网络工具箱的newrb函数做网络训练,在隐层中传递函数调

7、用高斯函数radbas,并应用函数sim对径向基网络仿真分析。2结果与分析大黄样品近红外光谱非常相似,由图1光谱数据比较分析可知,不同大黄的近红外光谱虽然具有细微差别,但存在多个区域重复,而且还有暗纹,对比分析难度较大,且近红外原光谱图中光谱变量点多,分析速度慢。为了减少光谱的变量,提高训练速度,利用小波变换方法对近红外原光谱进行压缩,压缩后光谱变量点仅为44个。以大黄近红外光谱为依据,通过建立径向基函数神经网络模型加以分类。以1代表正品大黄,0代表非正品大黄,0.5为阈值。正品数为23,非正品数为17,只有一个非正品大黄样本

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。