李家磊，管立軍，王崑侖，高揚(yáng)，張志宏，嚴(yán)松，盧淑雯 ，謝學(xué)軍

(黑龍江省農(nóng)業(yè)科學(xué)院食品加工研究所，哈爾濱 150086)

近些年來，隨著人們對(duì)健康意識(shí)的增強(qiáng)，食養(yǎng)、食療的理念逐漸興起，用飲食取代藥物調(diào)節(jié)機(jī)體、抵御和治療疾病成為人們的訴求。中國(guó)傳統(tǒng)的“藥食同源”思想“萬物為食、萬物為藥、食藥同源同用”正好契合了人們的這種想法[1]。迄今為止，“藥食同源”還沒有統(tǒng)一的定義，通常是指既是食品又是藥品的物品。2002年，衛(wèi)生部發(fā)布了《關(guān)于進(jìn)一步規(guī)范保健食品原料管理的通知》的公告，明確劃定了山藥、山楂和枸杞等在內(nèi)的共87種既是食品又是藥品的物品。隨后，2014 年，衛(wèi)計(jì)委公告的《按照傳統(tǒng)既是食品又是中藥材物質(zhì)目錄管理辦法(征求意見稿)》擬將原有87個(gè)品 種增加至101個(gè)品種，目前，該征求意見稿正在討論當(dāng)中[2]。高品質(zhì)的藥食同源保證了其具有較高的價(jià)值，因此，藥食同源的品質(zhì)問題越來越受到人們的關(guān)注，而實(shí)現(xiàn)藥食同源品質(zhì)的快速準(zhǔn)確評(píng)價(jià)成為其中最重要的問題之一。目前，常規(guī)的品質(zhì)分析評(píng)價(jià)方法有比色分析法、生物芯片檢測(cè)法、免疫分析法以及近紅外光譜法等[3]，其中，近紅外光譜技術(shù)被認(rèn)為是20世紀(jì)90年代以來發(fā)展最為快速的分析技術(shù)之一，因其具有無損、方便、即時(shí)、穩(wěn)定、準(zhǔn)確率高等特點(diǎn)被越來越多的學(xué)者所關(guān)注[4]。因此，本文就近些年來近紅外光譜技術(shù)在藥食同源品質(zhì)評(píng)價(jià)中的應(yīng)用進(jìn)展進(jìn)行了綜述，以期該項(xiàng)技術(shù)在藥食同源品質(zhì)方面有更廣闊的應(yīng)用前景，進(jìn)而為開展藥食同源的研究提供一定的現(xiàn)實(shí)基礎(chǔ)。

1 近紅外光譜技術(shù)概述

近紅外光是指介于可見光與中紅外光之間的電磁波，美國(guó)材料檢測(cè)協(xié)會(huì)將其波長(zhǎng)定義在780～2526 nm范圍之內(nèi)，在此區(qū)域內(nèi)，不同物質(zhì)中的S-H，N-H，O-H以及C-H等含氫基團(tuán)的分子內(nèi)部原子間振動(dòng)的倍頻和合頻通過吸收，產(chǎn)生不同的譜帶，呈現(xiàn)出復(fù)雜多樣的譜形，這就形成了近紅外光譜技術(shù)的理論基礎(chǔ)。近紅外光譜技術(shù)是一種新型的檢測(cè)分析技術(shù)，它是將樣品的掃描光譜與實(shí)測(cè)的組分?jǐn)?shù)據(jù)進(jìn)行關(guān)聯(lián)，再利用化學(xué)計(jì)量學(xué)方法建立的校正模型，實(shí)現(xiàn)對(duì)未知樣品組分和性質(zhì)測(cè)定的方法。近紅外光譜技術(shù)展現(xiàn)了諸多優(yōu)點(diǎn)，主要包含以下幾個(gè)方面：(1)操作簡(jiǎn)便，快速高效；(2)不損害樣品，可對(duì)樣品進(jìn)行整體測(cè)量；(3)不需要試劑，故可避免對(duì)環(huán)境造成污染；(4)方法穩(wěn)定，測(cè)試結(jié)果重現(xiàn)性好；(5)可實(shí)現(xiàn)在線檢測(cè)。因而，其被譽(yù)為是一種“多功能的綠色分析技術(shù)”。目前，近紅外光譜技術(shù)被廣泛應(yīng)用于農(nóng)業(yè)、工業(yè)領(lǐng)域?qū)崿F(xiàn)對(duì)目標(biāo)物質(zhì)的定性定量分析[5-7]。

2 近紅外光譜技術(shù)在藥食同源品質(zhì)評(píng)價(jià)中的應(yīng)用

藥食同源的品質(zhì)評(píng)價(jià)主要包含真?zhèn)螕郊俚蔫b別、產(chǎn)地種類的鑒別、成分含量的測(cè)定以及質(zhì)量安全檢測(cè)等。

2.1 真?zhèn)螕郊勹b別

近些年來，藥食同源以次充好、以假亂真的現(xiàn)象頻有發(fā)生，這嚴(yán)重威脅到消費(fèi)者的身體健康，并會(huì)造成一定的經(jīng)濟(jì)損失，因此，需要有效的手段對(duì)藥食同源的真?zhèn)螕郊龠M(jìn)行鑒別。目前慣用的化學(xué)方法很難實(shí)現(xiàn)對(duì)藥食同源真?zhèn)螕郊龠M(jìn)行有效的鑒別。鑒于此，國(guó)內(nèi)外許多學(xué)者利用近紅外光譜技術(shù)在藥食同源真?zhèn)螕郊僮R(shí)別方面進(jìn)行了有意義的探索[8]。Zhu等以68個(gè)真蜂蜜以及67個(gè)摻假蜂蜜為樣本，利用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法建立不同的預(yù)測(cè)模型，通過比較，確定近紅外光譜技術(shù)與小波變換結(jié)合最小二乘支持向量機(jī)法為最佳預(yù)測(cè)模型，結(jié)果表明：這種方法快速準(zhǔn)確，可有效地用于蜂蜜摻假的鑒別[9]；湯麗華和劉敦華為了尋求解決市場(chǎng)上日益嚴(yán)重的枸杞摻假現(xiàn)象，利用近紅外光譜技術(shù)結(jié)合偏最小二乘回歸法對(duì)枸杞的各組分建立了定量預(yù)測(cè)模型，結(jié)果表明：該方法可用于枸杞各成分的定量檢測(cè)，并可有效地用于枸杞摻假的鑒別[10]；李宗朋等以234份沙棘籽油、摻假沙棘籽油以及其他植物油為樣品，采用近紅外光譜技術(shù)分別結(jié)合偏最小二乘判別法、簇類獨(dú)立軟模式法和最小二乘支持向量機(jī)法分別建立這3類油的辨別模型，3種模型的辨別正確率均達(dá)到100%，結(jié)果表明：利用近紅外光譜技術(shù)用于沙棘籽油真?zhèn)舞b別是行之有效的[11]；吳曉毅等采用近紅外光譜技術(shù)結(jié)合聚類分析法和偏最小二乘法分別建立硫磺熏蒸的白芷快速鑒別模型和白芷中歐前胡素含量的定量測(cè)定的預(yù)測(cè)模型，結(jié)果表明：2種模型準(zhǔn)確可靠，可有效地實(shí)現(xiàn)對(duì)硫磺熏蒸的白芷的快速定性鑒別以及白芷中歐前胡素含量的定量測(cè)定[12]。

2.2 產(chǎn)地種類鑒別

藥食同源具有屬地特異性和品種特異性等特點(diǎn)。高品質(zhì)的藥食同源是特定品種在特定地理位置與氣候等自然因素共同作用下的結(jié)果。鑒別藥食同源產(chǎn)地和種類有利于名優(yōu)品種產(chǎn)地和品牌的樹立與保護(hù)，因此，它逐漸成為人們關(guān)注的熱點(diǎn)。近些年來，國(guó)內(nèi)外很多學(xué)者們利用近紅外光譜技術(shù)對(duì)藥食同源產(chǎn)地和品種進(jìn)行系統(tǒng)的研究[13]。Chen等利用近紅外光譜技術(shù)和多元分析對(duì)5種不同來源(洋槐、椴樹、荊條、油菜、紅棗)的蜂蜜進(jìn)行分類，分別采用馬氏距離判別法和BP神經(jīng)網(wǎng)絡(luò)算法建立定性模型，結(jié)果表明：與馬氏距離判別法相比，BP神經(jīng)網(wǎng)絡(luò)算法建立的模型更加適合蜂蜜的分類，結(jié)果同時(shí)也表明利用近紅外光譜技術(shù)對(duì)不同植物來源的蜂蜜進(jìn)行分類是行之有效的[14]；Chen等以3個(gè)品種的139批菊花為樣本，利用近紅外光譜技術(shù)，采用偏最小二乘法建立了菊花種類鑒別模型，大白菊、胡菊和小白菊3個(gè)品種的校正集的準(zhǔn)確率分別為97.60%，96.65%，94.70%，預(yù)測(cè)集的準(zhǔn)確率分別為95.16%，86.11%，93.46%，結(jié)果表明：近紅外光譜技術(shù)快速無損，可有效地用于菊花種類的鑒別[15]；楊天鳴等對(duì)利用近紅外光譜技術(shù)結(jié)合偏最小二乘法鑒別4個(gè)產(chǎn)地的甘草，模型的訓(xùn)練集和預(yù)測(cè)集的正確識(shí)別率都為100%，結(jié)果表明：該方法對(duì)不同產(chǎn)地的甘草的快速鑒別是行之有效地[16]；李詢等為了實(shí)現(xiàn)對(duì)不同產(chǎn)地的布渣葉進(jìn)行鑒別，采用近紅外光譜技術(shù)結(jié)合聚類分析方法建立布渣葉鑒別模型，結(jié)果表明：該方法可有效地對(duì)不同產(chǎn)地的布渣葉進(jìn)行快速分類和鑒別[17]；熊陳誠(chéng)等出于達(dá)到快速鑒別不同區(qū)域肉桂子的目的，以6個(gè)產(chǎn)地的肉桂子為樣本，利用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法建立肉桂子產(chǎn)地的定性預(yù)測(cè)模型，該預(yù)測(cè)模型的識(shí)別率較高，結(jié)果表明：該方法可有效地實(shí)現(xiàn)肉桂子產(chǎn)地的快速鑒別[18]；陳蓉等為了實(shí)現(xiàn)不同產(chǎn)地芡實(shí)的快速鑒別，以17 批不同產(chǎn)地的芡實(shí)為樣本，利用近紅外光譜技術(shù)，并采用主成分分析結(jié)合聚類判別法建立芡實(shí)產(chǎn)地的鑒別模型，結(jié)果表明：該方法可有效地用于芡實(shí)藥材產(chǎn)地的鑒別[19]；郝莉花等以新疆和河南新鄭2個(gè)產(chǎn)地9種來源的灰棗為樣本，采用近紅外光譜技術(shù)結(jié)合偏最小二乘判別法建立灰棗產(chǎn)地的快速鑒別模型，結(jié)果表明：該方法具有快速無損等優(yōu)點(diǎn)，其可視為鑒別灰棗產(chǎn)地的一項(xiàng)新技術(shù)[20]；龔海燕等利用近紅外光譜技術(shù)結(jié)合聚類分析法建立了白玉山藥和鐵棍山藥的快速鑒別方法，結(jié)果表明：采用此方法能夠準(zhǔn)確快速地對(duì)白玉山藥和鐵棍山藥進(jìn)行分類[21]。

2.3 成分含量測(cè)定

含有較為豐富的成分，尤其是活性成分是高品質(zhì)藥食同源的特征之一，因此，對(duì)藥食同源成分的準(zhǔn)確測(cè)定可有效地評(píng)價(jià)藥食同源的品質(zhì)。近些年來，隨著近紅外光譜技術(shù)的普及，其在藥食同源成分分析中的應(yīng)用也越來越廣泛[22]。Dong等運(yùn)用近紅外光譜技術(shù)結(jié)合最小二乘支持向量機(jī)法建立了薄荷中總糖、總黃酮、總酚和總抗氧化活性的預(yù)測(cè)模型，結(jié)果表明：該方法快速、準(zhǔn)確、有效，可視為一種測(cè)量薄荷成分潛在的檢測(cè)方法以取代現(xiàn)有分析方法[23]。Guo等利用近紅外光譜技術(shù)對(duì)4個(gè)地區(qū)棗的總糖、總酸、總酚以及總抗氧化活性進(jìn)行快速檢測(cè)，確定主成分分析法結(jié)合最小二乘支持向量機(jī)法為最佳預(yù)測(cè)模型，結(jié)果表明：近紅外光譜技術(shù)可作為一種快速有效的檢測(cè)技術(shù)用于棗成分的分析[24]。Li等以4年間收集的124個(gè)金銀花提取物為樣本，利用近紅外光譜技術(shù)，采用偏最小二乘回歸法，建立了金銀花提取物中6種有機(jī)酸的預(yù)測(cè)模型，結(jié)果表明：采用近紅外光譜法技術(shù)測(cè)得的結(jié)果準(zhǔn)確度和精密度可完全滿足中藥廠的要求，并且這種方法可大大地節(jié)約時(shí)間和降低成本[25]。Liu等運(yùn)用近紅外光譜技術(shù)，以化學(xué)方法測(cè)得的結(jié)果為參考值，建立了薏米中脂肪、蛋白質(zhì)和氨基酸的偏最小二乘法定量預(yù)測(cè)模型，結(jié)果表明：近紅外光譜技術(shù)可有效地用于薏米中脂肪、蛋白質(zhì)和氨基酸含量的快速檢測(cè)[26]。Liu等研究了利用近紅外光譜技術(shù)定量測(cè)定薏米中膳食纖維和礦質(zhì)元素(K，Mg，P，S)的可行性，采用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法和偏最小二乘回歸法在12000～11000 cm-1和6500～3600 cm-1范圍內(nèi)建立薏米中膳食纖維和礦質(zhì)元素(K，Mg，P，S)定量測(cè)定的最佳預(yù)測(cè)模型，預(yù)測(cè)均方根誤差分別為0.0923，182.7224，75.4987，162.6993，36.6278；相關(guān)系數(shù)分別為0.95，0.88，0.80，0.96，0.96；剩余預(yù)測(cè)偏差分別為2.68，2.05，1.70，3.24，3.04，結(jié)果表明：近紅外光譜技術(shù)可有效地用于薏米中膳食纖維和礦質(zhì)元素(K，Mg，P，S)的快速檢測(cè)[27]。Zhang等運(yùn)用近紅外光譜技術(shù)，以苯酚-硫酸法測(cè)得的結(jié)果為參考值，建立了甘草多糖的定量分析方法，通過研究確定競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法結(jié)合偏最小二乘法為最佳預(yù)測(cè)模型，模型預(yù)測(cè)系數(shù)和預(yù)測(cè)均方根誤差分別為0.9119和0.4350，結(jié)果表明：近紅外光譜技術(shù)可有效地用于甘草中多糖的定量分析[28]。Brown以183份牡蠣為樣本，運(yùn)用可見光-近紅外光譜技術(shù)建立了牡蠣中水分、蛋白、脂肪以及糖原含量的定性定量分析方法，結(jié)果表明：該方法快速、準(zhǔn)確、有效[29]。Huang等研究了利用可見光-近紅外光譜技術(shù)定量測(cè)定表面不平的桑葚中可溶性固形物和pH值的可行性，通過研究確定采用連續(xù)投影算法結(jié)合多元線性回歸可獲得最佳預(yù)測(cè)模型，結(jié)果表明：利用可見光-近紅外光譜技術(shù)可快速無損地測(cè)定表面不平的桑葚中可溶性固形物和pH值[30]。胡小莉等以6 個(gè)不同區(qū)域的野菊花為樣品，運(yùn)用近紅外光譜法建立了野菊花中總黃酮的定量預(yù)測(cè)模型，結(jié)果表明：該方法快速、準(zhǔn)確、有效[31]。陳美君等利用近紅外光譜技術(shù)結(jié)合偏最小二乘法建立陳皮中橙皮苷、川陳皮素以及橘皮素3種黃酮成分的定量分析模型，結(jié)果表明：近紅外光譜技術(shù)適用于陳皮中橙皮苷、橘皮素和川陳皮素的定量分析[32]。林萍等以130批高良姜為樣本，運(yùn)用近紅外光譜技術(shù)，以高效液相色譜法測(cè)得的結(jié)果為參考值，結(jié)合偏最小二乘法建立高良姜中高良姜素的定量分析模型，結(jié)果表明：該模型準(zhǔn)確可靠，可實(shí)現(xiàn)高良姜中高良姜素含量的快速測(cè)定[33]。許世泉等以90份刺五加莖皮粉末及其提取液為樣本，且以高效液相色譜法測(cè)得的結(jié)果為參考值，利用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)法建立刺五加中紫丁香苷的定量預(yù)測(cè)模型，結(jié)果表明：該方法準(zhǔn)確可靠，適用于刺五加中紫丁香苷的快速測(cè)定[34]。周青梅等采用近紅外光譜技術(shù)結(jié)合最小二乘法建立了麥芽中β-葡聚糖含量的定量預(yù)測(cè)模型，結(jié)果表明：該模型具有較好的穩(wěn)定性以及較高的準(zhǔn)確度，因此，該方法可用于麥芽中β-葡聚糖的快速測(cè)定，為生產(chǎn)過程中對(duì)麥芽β-葡聚糖進(jìn)行分級(jí)控制提供了一種可能[35]。蔡佳良等利用近紅外光譜技術(shù)結(jié)合最小二乘法建立了藿香中水分含量的定量預(yù)測(cè)模型，結(jié)果表明：該模型穩(wěn)定，并且準(zhǔn)確可靠，適用于廣藿香中水分含量的快速測(cè)定[36]。呼海濤等運(yùn)用近紅外漫光譜技術(shù)結(jié)合偏最小二乘法建立野菊花中蒙花苷含量的快速測(cè)定方法，結(jié)果表明：該方法操作簡(jiǎn)便，測(cè)定快速準(zhǔn)確，可有效地用于菊花中蒙花苷含量的快速測(cè)定[37]。

2.4 質(zhì)量安全檢測(cè)

質(zhì)量安全不僅關(guān)乎著藥食同源的品質(zhì)，還涉及消費(fèi)者的身體健康和生命安全。檢測(cè)作為保證藥食同源質(zhì)量安全的最基本手段，其相應(yīng)的技術(shù)也逐漸成為國(guó)內(nèi)外研究和關(guān)注的熱點(diǎn)[38]。Fen等利用近紅外光譜技術(shù)檢測(cè)龍眼表面殘留的農(nóng)藥敵百蟲，采用主成分分析結(jié)合BP人工神經(jīng)網(wǎng)絡(luò)算法在500～1000 nm范圍內(nèi)建立農(nóng)藥殘留預(yù)測(cè)模型，模型的正確檢出率為93%，結(jié)果表明：近紅外光譜技術(shù)可作為一種新的方法用于水果表面農(nóng)藥殘留的快速無損檢測(cè)[39]。劉聰?shù)葹榱丝焖贉?zhǔn)確地檢測(cè)鮮棗的食用安全，采用近紅外光譜技術(shù)結(jié)合多元線性回歸法建立了霉菌菌落總數(shù)預(yù)測(cè)模型，結(jié)果表明：該模型準(zhǔn)確可靠，近紅外光譜技術(shù)可視為一種快速無損的檢測(cè)方法用于鮮棗霉菌菌落總數(shù)的監(jiān)測(cè)[40]。

3 結(jié)論與展望

隨著人們保健意識(shí)的增強(qiáng)以及大健康產(chǎn)業(yè)的蓬勃發(fā)展，藥食同源方興未艾。近些年來，伴隨著現(xiàn)代儀器分析技術(shù)的不斷進(jìn)步，近紅外光譜技術(shù)得到了迅猛的發(fā)展。近紅外光譜技術(shù)作為一種新型的分析技術(shù)，憑借其快速、準(zhǔn)確、無損以及無污染等特點(diǎn)，已廣泛應(yīng)用于各種領(lǐng)域，其中，在藥食同源品質(zhì)評(píng)價(jià)方面，包括真?zhèn)螕郊俚蔫b別、產(chǎn)地種類的鑒別、成分含量的測(cè)定以及質(zhì)量安全檢測(cè)等都已取得了很大的進(jìn)展。盡管如此，近紅外光譜技術(shù)應(yīng)用于藥食同源品質(zhì)評(píng)價(jià)方面也存在許多不足，主要體現(xiàn)在以下幾個(gè)方面：(1)大樣本量的實(shí)測(cè)數(shù)據(jù)是保證所建校正模型可靠性的保證，因此，需要投入大量的人力、物力以及財(cái)力；(2)不適用于所測(cè)組分質(zhì)量小于樣品質(zhì)量0.1%的樣本量；(3)建模過程中，光譜分析和數(shù)據(jù)處理復(fù)雜，不易被掌握。然而，相信不久的將來，隨著科學(xué)技術(shù)的進(jìn)步以及多學(xué)科的交叉融合，以上問題將會(huì)迎刃而解。近紅外光譜技術(shù)將會(huì)在藥食同源品質(zhì)評(píng)價(jià)方面擁有更廣闊的應(yīng)用前景。

參考文獻(xiàn)：

[1]朱建平，鄧文祥，吳彬才，等.“藥食同源”源流探討[J].湖南中醫(yī)藥大學(xué)學(xué)報(bào)，2015，35(12)：27-30.

[2]單峰，黃璐琦，郭娟，等.藥食同源的歷史和發(fā)展概況[J].生命科學(xué)，2015，27(8)：1061-1069.

[3]孫通，徐惠榮，應(yīng)義斌.近紅外光譜分析技術(shù)在農(nóng)產(chǎn)品/食品品質(zhì)在線無損檢測(cè)中的應(yīng)用研究進(jìn)展[J].光譜學(xué)與光譜分析，2009，29(1)：122-126.

[4]譚正林，吳謀成，傅廷棟.近紅外光譜技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中的應(yīng)用[J].中國(guó)油料作物學(xué)報(bào)，2012，34(4)：455-460.

[5]張清娜，臧恒昌.近紅外光譜技術(shù)在中藥領(lǐng)域的研究進(jìn)展[J].食品與藥品，2017，19(4)：302-305.

[6]白鋼，丁國(guó)鈺，侯媛媛，等.引進(jìn)近紅外技術(shù)用于中藥材品質(zhì)的快速評(píng)價(jià)[J].中國(guó)中藥雜志，2016，41(19)：3501-3505.

[7]宋雪健，錢麗麗，張東杰，等.近紅外光譜技術(shù)在食品溯源中的應(yīng)用進(jìn)展[J].食品研究與開發(fā)，2017，38(12)：197-200.

[8]王小燕，王錫昌，劉源，等.近紅外光譜技術(shù)在食品摻偽檢測(cè)應(yīng)用中的研究進(jìn)展[J].食品科學(xué)，2011，32(1)：265-269.

[9]Zhu X，Li S，Shan Y，et al.Detection of adulterants such as sweeteners materials in honey using near-infrared spectroscopy and chemometrics[J].Journal of Food Engineering，2010，101(1)：92-97.

[10]湯麗華，劉敦華.基于近紅外光譜的枸杞化學(xué)成分定量分析[J].現(xiàn)代食品科技，2013，29(9)：2306-2310.

[11]李宗朋，王健，張曉磊，等.基于近紅外光譜技術(shù)的沙棘籽油鑒偽方法研究[J].中國(guó)油脂，2014，39(2)：57-62.

[12]吳曉毅，巢志茂，孫文，等.基于近紅外光譜技術(shù)對(duì)硫磺熏蒸白芷的定性鑒別和定量研究[J].中國(guó)中藥雜志，2014，39(10)：1863-1868.

[13]申云霞，趙艷麗，張霽，等.紅外光譜在中藥質(zhì)量研究中的應(yīng)用[J].世界科學(xué)技術(shù):中醫(yī)藥現(xiàn)代化，2015，17(3)：664-669.

[14]Chen L，Wang J，Ye Z，et al.Classification of Chinese honeys according to their floral origin by near infrared spectroscopy[J].Food Chemistry，2012，135(2)：338-342.

[15]Chen C，Yan H，Han B.Rapid identification of three varieties ofChrysanthemumwith near infrared spectroscopy[J].Revista Brasileira De Farmacognosia，2014，24(1)：33-37.

[16]楊天鳴，張璐，付海燕，等.不同產(chǎn)地甘草的近紅外指紋圖譜模式識(shí)別鑒別方法[J].亞太傳統(tǒng)醫(yī)藥，2015，11(14)：11-14.

[17]李洵，羅文匯，畢曉黎，等.布渣葉藥材近紅外指紋圖譜的聚類分析[J].廣東藥學(xué)院學(xué)報(bào)，2013，29(3)：270-272.

[18]熊陳誠(chéng)，李莉，王婷媛.基于近紅外光譜技術(shù)不同產(chǎn)地肉桂子模型的建立[J].西北藥學(xué)雜志，2016，31(3)：221-225.

[19]陳蓉，陳偉，吳啟南.基于近紅外指紋圖譜的芡實(shí)藥材快速分析[J].醫(yī)藥導(dǎo)報(bào)，2014，33(5)：653-657.

[20]郝莉花，張麗華，陳春生，等.近紅外光譜對(duì)灰棗產(chǎn)地的鑒別[J].食品科技，2015，40(12)：258-260.

[21]龔海燕，白雁，宋瑞麗，等.近紅外光譜結(jié)合聚類分析鑒別鐵棍山藥和白玉山藥[J].中國(guó)醫(yī)院藥學(xué)雜志，2010，30(9)：735-737.

[22]王緒新.近紅外光譜技術(shù)在中藥鑒定中的應(yīng)用研究[J].中國(guó)實(shí)用醫(yī)藥，2013(8)：254.

[23]Dong W，Ni Y,Kokot S.A novel near-infrared spectroscopy and chemometrics method for rapid analysis of several chemical components and antioxidant activity of mint (Mentha Haplocalyx Briq.) samples [J].Applied Spectroscopy，2014，68(2)：245-254.

[24]Guo Y，Ni Y，Kokot S.Evaluation of chemical components and properties of the jujube fruit using near infrared spectroscopy and chemometrics[J].Spectrochimica Acta Part A：Molecular and Biomolecular Spectroscopy，2016,153：79-86.

[25]Li W，Wang Y，Qu H.Near infrared spectroscopy as a tool for the rapid analysis of the honeysuckle extracts[J].Vibrational Spectroscopy，2012,62：159-164.

[26]Liu X，Zhang X，Rong Y Z，et al.Rapid determination of fat， protein and amino acid content in coix seed using near-infrared spectroscopy technique[J].Food Analytical Methods，2015，8(2)：334-342.

[27]Liu X，Rong Y Z，Zhang X，et al.Rapid determination of total dietary fiber and minerals in coix seed by near-infrared spectroscopy technology based on variable selection methods[J].Food Analytical Methods，2015，8(7)：1607-1617.

[28]Zhang C H，Yun Y H，An W，et al.Rapid analysis of polysaccharides contents in Glycyrrhiza by near infrared spectroscopy and chemometrics[J].International Journal of Biological Macromolecules，2015,79：983-987.

[29]Brown M R.Rapid compositional analysis of oysters using visible-near infrared reflectance spectroscopy[J].Aquaculture，2011，317(1)：233-239.

[30]Huang L，Wu D，Jin H，et al.Internal quality determination of fruit with bumpy surface using visible and near infrared spectroscopy and chemometrics:a case study with mulberry fruit[J].Biosystems Engineering，2011，109(4)：377-384.

[31]胡小莉，白雁，雷敬衛(wèi)，等.NIRS 快速測(cè)定不同產(chǎn)地野菊花中總黃酮含量[J].藥物分析雜志，2016，36(3)：547-553.

[32]陳美君，陳鴻平，丁龍，等.陳皮中3種黃酮成分近紅外定量分析模型的建立[J].時(shí)珍國(guó)醫(yī)國(guó)藥，2016，27(7)：1614-1619.

[33]林萍，周文婷，王海霞，等.高良姜中高良姜素含量 NIRS 分析模型的構(gòu)建[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2014，31(5)：632-636.

[34]許世泉，張瑞，劉宏群，等.近紅外測(cè)定刺五加中紫丁香苷含量模型探討[J].特產(chǎn)研究，2012(4)：54-57.

[35]周青梅，郭立蕓，林智平.近紅外光譜法測(cè)定麥芽中的β-葡聚糖[J].食品與發(fā)酵工業(yè)，2013，39(10)：223-226.

[36]蔡佳良，李蕾蕾，姬生國(guó).近紅外光譜法快速測(cè)定廣藿香中水分含量[J].醫(yī)藥導(dǎo)報(bào)，2012，31(11)：1468-1470.

[37]呼海濤，胡小莉，白雁，等.近紅外光譜法快速測(cè)定河南產(chǎn)野菊花中蒙花苷含量[J].中國(guó)實(shí)驗(yàn)方劑學(xué)雜志，2016，22(8)：74-77.

[38]彭彥昆.開展無損檢測(cè)研究，保障食品質(zhì)量安全[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2015，6(8)：2967-2968.

[39]Fen D，Tiansheng H，Kun Z，et al.Nondestructive detection of pesticide residue on longan surface based on near infrared spectroscopy[J].Intelligent Computation Technology and Automation (ICICTA)，2010(2)：781-783.

[40]劉聰，郭康權(quán)，張強(qiáng)，等.基于近紅外光譜的室溫貯藏下鮮棗霉菌污染動(dòng)力學(xué)模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29(1)：278-284.