В данном исследовании использовались технологии ближнего инфракрасного преобразования Фурье (FT-NIR), аттенюированного полного внутреннего отражения преобразования Фурье в инфракрасной области (ATR-FTIR) и двумерной корреляционной спектроскопии (2DCOS) в сочетании с химометрией и глубоким обучением для создания моделей дискриминационного анализа частичных наименьших квадратов (PLS-DA) и сверточной нейронной сети с остатками (ResNet) для быстрого и точного определения происхождения 221 образца бадьяна из 7 основных регионов. Результаты показали, что модель PLS-DA, построенная на данных спектра ATR-FTIR после предварительной обработки вторым производным (2nd) и стандартным нормированием (SNV), показала наилучшие результаты (95,31%), при этом лучшей предварительной обработкой для спектра FT-NIR было использование 2nd. Модель ResNet, построенная на основе синхронных 2DCOS изображений, полученных с FT-NIR и ATR-FTIR, не требует выбора оптимальной предварительной обработки и сложных преобразований данных для достижения точности 100%. При этом модель ResNet, основанная на синхронных 2DCOS изображениях, полученных из данных FT-NIR, имела наименьшее количество итераций, затраченное время и стоимость. Это исследование предоставляет новый быстрый и точный метод идентификации бадьяна по географическому происхождению и закладывает основу для дальнейшего изучения системы оценки качества бадьяна.

бадьян; химометрия; машинное обучение; двумерная корреляционная спектроскопия; географическое происхождение