部分可解释机器学习方法的高光谱人参产地识别和分析

人参是传统中药材中的贵重品种,具有较高的经济价值.人参生长的地域性很强,不同产地人参有效成分含量存在差异,人参因"道地"与否,会导致其质量、医学效用和经济价值的差异,因此人参产地识别的意义重大.目前常通过磨粉提取等制备,再采用化学或光学等多种手段检验人参产地,但会造成样本破坏.而基于外观性状或芦头特征的鉴别,因主观性差异不能作为标准化的识别方法.如何用高精度、无损、快速检测识别的方法,对人参的产地进行识别分析,是该研究的主要立足点.通过采用高光谱成像技术,对已知产地信息的人参样本,通过获取从400～2500 nm的反射光谱,经过基于白板的绝对和相对辐射校正处理,构建了高光谱反射率数据集.采用随机森林的机器学习方法,构建了基于高光谱数据的全光谱人参产地识别模型,并对不同尺度的地域划分规则分别开展了产地识别精度验证,发现不同产地的人参光谱有明显区别.其中东三省与否的产地识别精度,可以达到98.2％.同时利用随机森林基于决策树构建的优势,获得了人参产地识别的光谱重要性结果,为专用轻量化仪器研发指明特征光谱.高光谱人参产地识别研究作为严格的无损检测方式,将对人参等道地药材的产地识别、药材图谱指纹认知和挖掘、药材鉴定和质量评价等提供理论支撑和技术手段.