中药鉴别｜利用高光谱无损区分人参、西洋参与高丽参

导读：

人参、西洋参与高丽参加工后外观相近，但功效、成分与市场价值并不相同。长春中医药大学团队采集150份样品的900—1700 nm短波红外高光谱数据，通过光谱预处理、特征波段筛选与机器学习，实现三类人参的无损识别，并用PCA伪彩色图直观呈现差异。

150份样品｜900—1700 nm｜512个波段｜3类人参无损识别

论文做了什么：高光谱采集 → 黑白校正与ROI提取 → 预处理 → 特征波段筛选 → 机器学习分类 → PCA可视化。

文献信息

论文题目：Non-destructive discrimination of ginseng, American ginseng, and Korean ginseng based on hyperspectral imaging

期刊与年份：Journal of Food Composition and Analysis，2026

研究单位：长春中医药大学东北亚中医药研究院、长春中医药大学附属医院中药研究中心

DOI：10.1016/j.jfca.2026.109144

使用设备：GaiaField Pro-N17E高光谱成像系统

研究为什么值得关注

外观相似，不代表成分和用途相同。人参、西洋参与高丽参同属人参属，加工后仅凭形态、触感和气味容易误判，但三者的活性成分比例、适用方向和市场价值存在差异。

传统成分分析准确，却往往需要取样和复杂前处理。对于高价值药材，检测过程能否减少破坏、提***率，直接关系到原料验收、真伪鉴别和质量控制。

研究关注的是完整药材表面隐藏的短波红外差异。研究没有依赖肉眼寻找新的形态特征，而是从900—1700 nm反射光谱中提取与水分、糖类及人参皂苷等相关的细微信号，验证这些信号能否支持人参、西洋参与高丽参的快速、无损和可重复鉴别。

实验设计与高光谱数据采集

研究共采集150份人参、西洋参与高丽参样品，均来自长白山地区。样品洗净、晾晒和干燥后进行检测，每份样品重复采集3次并取平均光谱。

设备光谱范围为900—1700 nm，光谱分辨率不高于5 nm。积分时间5 ms，平台速度20 mm/s，帧频20 Hz，采集环境温度为25 ℃。

原始图像先进行黑白校正，再从每份样品主根中部选取3个30×30像素的ROI。研究避开芦头、侧根、截面、划痕、阴影和高光区域，以3个ROI的平均值代表样品光谱。

150份样品按7∶3随机划分为训练集105份和测试集45份。随后比较3种预处理、3种特征波段筛选方法和5类机器学习模型。

关键结果一：光谱趋势相似，细微差异仍可识别

三类人参在900—1700 nm范围内的光谱轮廓总体相似。其中人参整体反射率较高；西洋参与高丽参的平均曲线更接近，尤其在1400 nm之后仅靠肉眼观察并不容易区分。

1116、1300和约1400 nm附近出现了较明显的吸收特征。作者将其与水分及O—H、C—H相关振动联系起来，可能反映糖类、人参皂苷等成分差异；这些对应关系仍属于光谱机理解释，需要化学测定进一步验证。

关键结果二：预处理和特征筛选决定模型能否看见差异

SG1一阶导数预处理整体表现***。它能够削弱基线漂移和散射干扰，同时放大细微吸收变化。例如，SVM使用原始光谱时测试集准确率为62.22%，经SG1处理后提高到95.56%。

特征筛选进一步将512个波段压缩为20—42个变量。SPA保留20个、CARS保留42个、UVE保留32个特征波长，降维幅度超过90%。 

关键不只是选择哪一种分类器，而是先把真正有用的光谱差异提取出来。从不同模型的结果看，CARS整体适配性较强，UVE则使RF等模型获得明显改善。

关键结果三：光谱差异可以转化为直观图像

研究将前三个主成分映射到RGB通道，生成三类人参的PCA伪彩色图。西洋参以红色和粉色为主，高丽参偏蓝紫色，人参则更多呈现橙黄色，三组样品形成了较直观的视觉差异。

应用价值与结论边界

完整药材可以直接检测。研究从样品表面采集反射光谱，不需要切开、粉碎或提取，能够保留高价值人参的商品完整性，适合用于收购、入库和加工前的品种初筛。

特征筛选和伪彩色结果提高了方案的落地性。研究将512个波段压缩到20—42个变量，为后续评估多光谱或专用设备提供依据；PCA又把高维光谱映射成直观颜色，便于展示样品差异和复核模型判断。

当前结果仍是单产地、受控条件下的初步验证。150份样品均来自长白山地区，测试集只有45份，且没有独立外部数据。论文报告的完全分类只适用于当前数据集，不能直接代表市场样品中的普遍表现。

从研究模型走向实际检测，还需要扩大样本变化范围。后续应纳入不同产地、年份、含水率和加工方式，并验证设备间模型迁移能力。

一句话结论

这项研究从完整药材表面采集900—1700 nm高光谱，通过SG1强化细微吸收差异，再从512个波段中筛选20—42个关键变量，使多种传统模型在45份测试样品上实现完全分类，并用PCA伪彩色图呈现三类人参的特征差异；结果为高价值中药材无损品种筛查提供了可行流程，但仍需多产地和外部样本验证。