導讀：

人參、西洋參與高麗參加工后外觀相近，但功效、成分與市場價值并不相同。長春中醫藥大學團隊采集150份樣品的900—1700 nm短波紅外高光譜數據，通過光譜預處理、特征波段篩選與機器學習，實現三類人參的無損識別，并用PCA偽彩色圖直觀呈現差異。

150份樣品｜900—1700 nm｜512個波段｜3類人參無損識別

論文做了什么：高光譜采集 → 黑白校正與ROI提取 → 預處理 → 特征波段篩選 → 機器學習分類 → PCA可視化。

1. 文獻信息

論文題目：Non-destructive discrimination of ginseng, American ginseng, and Korean ginseng based on hyperspectral imaging

期刊與年份：Journal of Food Composition and Analysis，2026

研究單位：長春中醫藥大學東北亞中醫藥研究院、長春中醫藥大學附屬醫院中藥研究中心

使用設備：GaiaField Pro-N17E高光譜成像系統

DOI：10.1016/j.jfca.2026.109144

2. 研究為什么值得關注

外觀相似，不代表成分和用途相同。人參、西洋參與高麗參同屬人參屬，加工后僅憑形態、觸感和氣味容易誤判，但三者的活性成分比例、適用方向和市場價值存在差異。

傳統成分分析準確，卻往往需要取樣和復雜前處理。對于高價值藥材，檢測過程能否減少破壞、提高效率，直接關系到原料驗收、真偽鑒別和質量控制。

研究關注的是完整藥材表面隱藏的短波紅外差異。研究沒有依賴肉眼尋找新的形態特征，而是從900—1700 nm反射光譜中提取與水分、糖類及人參皂苷等相關的細微信號，驗證這些信號能否支持人參、西洋參與高麗參的快速、無損和可重復鑒別。

3. 實驗設計與高光譜數據采集

研究共采集150份人參、西洋參與高麗參樣品，均來自長白山地區。樣品洗凈、晾曬和干燥后進行檢測，每份樣品重復采集3次并取平均光譜。

設備光譜范圍為900—1700 nm，光譜分辨率不高于5 nm。積分時間5 ms，平臺速度20 mm/s，幀頻20 Hz，采集環境溫度為25 ℃。

原始圖像先進行黑白校正，再從每份樣品主根中部選取3個30×30像素的ROI。研究避開蘆頭、側根、截面、劃痕、陰影和高光區域，以3個ROI的平均值代表樣品光譜。

150份樣品按7∶3隨機劃分為訓練集105份和測試集45份。隨后比較3種預處理、3種特征波段篩選方法和5類機器學習模型。

圖1  三類人參高光譜采集、光譜處理、分類建模與可視化流程。

4. 關鍵結果一：光譜趨勢相似，細微差異仍可識別

三類人參在900—1700 nm范圍內的光譜輪廓總體相似。其中人參整體反射率較高；西洋參與高麗參的平均曲線更接近，尤其在1400 nm之后僅靠肉眼觀察并不容易區分。

1116、1300和約1400 nm附近出現了較明顯的吸收特征。作者將其與水分及O—H、C—H相關振動聯系起來，可能反映糖類、人參皂苷等成分差異；這些對應關系仍屬于光譜機理解釋，需要化學測定進一步驗證。

圖2  三類人參的原始光譜與平均光譜，GG為人參、AG為西洋參、KG為高麗參。

5. 關鍵結果二：預處理和特征篩選決定模型能否看見差異

SG1一階導數預處理整體表現最好。它能夠削弱基線漂移和散射干擾，同時放大細微吸收變化。例如，SVM使用原始光譜時測試集準確率為62.22%，經SG1處理后提高到95.56%。

特征篩選進一步將512個波段壓縮為20—42個變量。SPA保留20個、CARS保留42個、UVE保留32個特征波長，降維幅度超過90%。

關鍵不只是選擇哪一種分類器，而是先把真正有用的光譜差異提取出來。從不同模型的結果看，CARS整體適配性較強，UVE則使RF等模型獲得明顯改善。

圖3  CARS、SPA和UVE篩選得到的特征波長分布。

圖4  不同模型與特征篩選方法組合的測試集結果。

6. 關鍵結果三：光譜差異可以轉化為直觀圖像

研究將前三個主成分映射到RGB通道，生成三類人參的PCA偽彩色圖。西洋參以紅色和粉色為主，高麗參偏藍紫色，人參則更多呈現橙黃色，三組樣品形成了較直觀的視覺差異。

圖中的顏色不是樣品真實顏色，而是高維光譜特征的可視化映射。它能幫助檢測人員理解模型依據，也為后續定位成分或結構差異提供線索。

圖5  三類人參的PCA特征增強偽彩色圖。

7. 應用價值與結論邊界

完整藥材可以直接檢測。研究從樣品表面采集反射光譜，不需要切開、粉碎或提取，能夠保留高價值人參的商品完整性，適合用于收購、入庫和加工前的品種初篩。

特征篩選和偽彩色結果提高了方案的落地性。研究將512個波段壓縮到20—42個變量，為后續評估多光譜或專用設備提供依據；PCA又把高維光譜映射成直觀顏色，便于展示樣品差異和復核模型判斷。

當前結果仍是單產地、受控條件下的初步驗證。150份樣品均來自長白山地區，測試集只有45份，且沒有獨立外部數據。論文報告的完*分類只適用于當前數據集，不能直接代表市場樣品中的普遍表現。

從研究模型走向實際檢測，還需要擴大樣本變化范圍。后續應納入不同產地、年份、含水率和加工方式，并驗證設備間模型遷移能力。

一句話結論

這項研究從完整藥材表面采集900—1700 nm高光譜，通過SG1強化細微吸收差異，再從512個波段中篩選20—42個關鍵變量，使多種傳統模型在45份測試樣品上實現完*分類，并用PCA偽彩色圖呈現三類人參的特征差異；結果為高價值中藥材無損品種篩查提供了可行流程，但仍需多產地和外部樣本驗證。