Diese Studie basiert auf der Fourier-Transformations-Nahinfrarotspektroskopie (FT-NIR) und chemometrischen Methoden zur Erstellung eines qualitativen Modells für Bupleurum aus verschiedenen Herkunftsorten sowie eines Schnellvorhersagemodells für den Gehalt an indikativen Bestandteilen. Zunächst wurden verschiedene Kombinationen der Spektralvorverarbeitung ausgewählt, darunter Mehrstreustreuungskorrektur (MSC), Standardnormalvariablentransformation (SNV), erste Ableitung (1st D), zweite Ableitung (2nd D), um die beste Methode zu bestimmen. Chemometrische Methoden wie partielle kleinste Quadrate - Diskriminanzanalyse (PLS-DA), Support Vector Machine (SVM), Random Forest (RF) und K-nearest Neighbor (KNN) wurden verwendet, um Bupleurum aus verschiedenen Herkunftsorten schnell zu identifizieren; basierend auf der intervallkombinierten Optimierung (ICO) wurde das optimale Spektralband ausgewählt, um das beste partielle kleinste Quadrate (PLS) Quantifizierungsmodell für den Gehalt an indikativen Bestandteilen von Bupleurum zu erstellen. Die MSC-Vorverarbeitung lieferte die beste Klassifikationsgenauigkeit von 97,5 % und kann für die Erstellung des Herkunftsbestimmungsmodells verwendet werden. Die Algorithmen KNN, RF und SVM erzielten eine Vorhersagegenauigkeit von 100 % im Trainingsdatensatz. Die ICO-basierten PLS-Modelle zeigten eine relative Vorhersageabweichung (RPD) von über 2 und einen Vorhersagebestimmtheitskoeffizienten (R²p) von über 0,90, was auf eine hervorragende Vorhersageleistung hinweist. Die Ergebnisse zeigen, dass die FT-NIR-Technologie in Kombination mit chemometrischen Methoden zur Unterscheidung von Bupleurum aus verschiedenen Herkunftsorten und zur schnellen Vorhersage des Gehalts an indikativen Bestandteilen verwendet werden kann. Die Methode ist einfach, schnell, genau und zuverlässig und hat eine bedeutende Referenz für die schnelle Qualitätsbewertung von Bupleurum.

Bupleurum; Nahinfrarotspektroskopie; Bupleurum-Saponin a; Bupleurum-Saponin d; chemometrische Methoden; Herkunft