0 引 言

金银花为忍冬科植物忍冬的干燥花蕾，富含酚类、环烯醚萜类、黄酮类、精油等多种活性成分，具有抗菌消炎、清热解毒等功效[1-2]。绿原酸（chlorogenic acid，CGA）是金银花中的主要药用成分之一，具有抗病毒、抗真菌等功效，在抵抗心血管疾病、癌症和糖尿病等慢性疾病方面也有重要作用[3-4]。化学和药理研究表明，CGA含量高低是评价金银花药材质量优劣的重要标志[5-6]。而CGA由于活性强、易氧化，容易在金银花贮藏过程中不断降解。因此，实现金银花在贮藏过程中CGA含量的准确、可靠、快速、无损检测，对监测和保证金银花的药效品质十分重要。高效液相色谱（high performance liquid chromatography，HPLC）、液相色谱-质谱联用和紫外分光光度计等常用的CGA含量测定方法，虽然能够实现准确测定，但具有耗时、费力、化学试剂使用量大等缺陷，难以实现CGA的快速无损检测。白雁等[7]和郝海群[8]分别利用近红外光谱分析技术(near infrared spectroscopy，NIRS)对金银花中CGA含量进行检测，表明NIRS可用于快速测定金银花中CGA的含量。但在上述NIRS检测金银花中CGA的研究中，都对金银花样品进行了粉碎处理，未能保证样品的完整性、无损性。另一方面，利用NIRS采集的金银花样品的光谱数据量较大，维度较高，且未采用数据降维方法，不利于在线检测[9]。因此，采用多种变量筛选及其变量方法之间的融合对光谱数据降维，选取特征光谱变量，可以降低模型的复杂度，对后续建模分析非常重要[10]。

高光谱成像（hyperspectral imaging，HSI）技术将光谱学和计算机视觉相结合，可以同时获得样本的光谱信息和空间信息[11-12]。从而实现食品和农产品成分及品质的快速、无损检测与鉴定，且无需对检测对象进行前处理。Liu等[13]采用HSI技术成功实现了紫薯干燥过程中花青素含量的快速预测，为干燥过程中农产品品质检测提供了有效手段。李靖等[14]利用HSI技术结合BP神经网络模型预测燕麦β－葡聚糖含量，预测值与测定值之间的决定系数R2为0.75，预测均方根误差为0.009 8。Shi等[15]利用HSI结合RBF神经网络对不同贮藏温度下罗非鱼片新鲜度指标(总挥发性盐基氮、总需氧量和K值)进行了无损测定。上述文献研究证实了HSI技术可以实现物料品质及成分的快速无损检测，但目前，有关金银花贮藏过程中CGA含量变化的高光谱检测研究未见报道。

本研究以金银花贮藏过程中CGA含量为研究对象，进行HSI检测模型构建方法研究。首先使用6种不同的预处理方法对原始光谱进行降噪并建立偏最小二乘回归（partial least squares regression，PLSR）模型，以期确定最优的预处理方法；接着采用5种变量（波长）筛选方法提取特征波长；最后分别建立线性PLSR和非线性BP神经网络的CGA高光谱检测模型，通过对比模型的预测精度以获得最佳的特征波长筛选方法和预测模型，以期为实现金银花贮藏过程中CGA含量的无损检测提供参考。

1 材料与方法

1.1 样品制备

本试验所用金银花购买于河南省洛阳市同仁堂药房，试验所用金银花中CGA的质量分数为4.864 2%。选择无损伤的、完整的金银花作为实验对象进行后续研究与分析。将金银花平铺在15个培养皿中，并置于恒温恒湿箱内进行模拟贮藏，本研究采用温度30 ℃，相对湿度85%的贮藏条件[16]，以实现在较短时间内获得必要信息来评估金银花的品质指标。每5 d取出3个培养皿的金银花进行试验。首先，用HSI系统分别扫描每组样品（100个金银花），然后利用HPLC法测量相应的CGA含量。由于在贮藏20 d后，金银花已发生明显霉变，且表面有大量的菌丝，说明此时的金银花已不具备商业价值，因此，本研究只对贮藏前20 d金银花的CGA含量变化进行研究。

1.2 HSI系统与图像采集

本研究所用HSI系统[17]的光谱范围为371～1024 nm。该系统主要由CCD相机、光谱仪（Inno-Spec IST50-3810，德国），光源，高精度电机控制的传送带，计算机以及暗箱组成，光谱分辨率为2.8 nm，光源为4个对称放置的150 W的可调节光纤卤素灯（9型，德国ESYLUX公司）。

在采集金银花样品的高光谱图像前，先将仪器开启预热0.5 h，使光源和采集系统达到稳定。经过反复调试，设定镜头与平台之间的高度为250 mm，传送带移动速度为1.2 mm/s，CCD相机的曝光时间为90 ms。在图像采集过程中，每次将一个金银花放置在传送平台上，使用SICap-STVR（Inno-Spec GmbH Ltd，德国）软件共采集500个金银花高光谱图像。为了减少暗电流噪声和不均匀照明的影响，使用式（1）对所获取的原始高光谱图像进行黑白校正[10, 18]。