Листья муцзянъе были названы "зимними насекомыми и летним грибом" среди чаев, они богаты дигидрохалконгликозидами, такими как рутозид, однако существует значительная региональная разница в их содержании. В данном исследовании предложен метод идентификации места происхождения листьев муцзянъе и прогнозирования содержания активных компонентов с использованием гиперспектральной визуализации в сочетании с химометрией. Были собраны гиперспектральные данные с образцов из четырех основных регионов производства: Цзянси, Гуйчжоу, Хунань и Юньнань, и применены методы снижения шума, такие как вторая производная (SD), множественная рассеянная коррекция (MSC) и стандартное нормальное вариационное преобразование (SNV). На основе анализа с частичной наименьших квадратов-дискриминанта (PLS-DA), метода опорных векторов (SVM) и классификации к-ближайших соседей (KNN-Class) создана модель для идентификации происхождения. Далее с помощью частичной наименьших квадратов регрессии (PLSR) и KNN-регрессии (KNN-Reg) были построены модели для прогнозирования содержания рутозида, 3-гидроксирутозида и других показателей, а также применены алгоритм последовательного проецирования (SPA) и конкурентная адаптивная перераспределённая выборка (CARS) для отбора характеристических длин волн. Результаты показали, что лучшей моделью для слежения за происхождением является SD-CARS-SVM с точностью прогноза 100%. Лучшие модели прогнозирования содержания рутозида и 3-гидроксирутозида соответственно SD-CARS-PLSR и MSC-CARS-PLSR имеют коэффициенты детерминации (R²p) 0,93 и 0,83, а показатели отклонения прогноза (RPD) достигают 3,87 и 2,45. Исследование предоставляет решение для быстрого контроля качества листьев муцзянъе и теоретическую базу с технической поддержкой для разработки специализированных компактных приборов.

листья муцзянъе;гиперспектральная визуализация;рутозид;3-гидроксирутозид;происхождение;качество;отбор признаков