阅读说明：本技术 一种电子鼻结合LightGBM的姜黄属中药快速鉴定方法 (Rapid identification method of curcuma traditional Chinese medicine by combining electronic nose with LightGBM ) 是由 闫永红 拱健婷 邹慧琴 李佳慧 洪伟峰 翟恩爱 于 2021-06-29 设计创作，主要内容包括：本发明公开了一种基于电子鼻结合LightGBM的姜黄属中药快速鉴定方法,该鉴定方法利用电子鼻采集姜黄属中药郁金、姜黄、片姜黄和莪术的气味指纹图谱；提取气味指纹图谱中每根传感器的最大响应值作为特征指标；构建基于电子鼻最大响应值的LightGBM分类模型,以网格搜索方法对其决策树数量、学习率、最大深度、一阶正则项系数、二阶正则项系数和损失函数进行优化,并通过十折交叉验证来评估模型的性能；最后利用分类模型对待测样品进行检测。本发明能够实现对姜黄属中药郁金、姜黄、莪术和片姜黄的快速、准确鉴别,可有效解决姜黄属中药鉴别难的问题,保证临床用药的准确性,在中药的快速鉴定上有较好的应用前景和推广价值。(The invention discloses a curcuma species traditional Chinese medicine rapid identification method based on combination of an electronic nose and LightGBM, which utilizes the electronic nose to collect odor fingerprint spectrums of curcuma species traditional Chinese medicines, curcuma longa and curcuma zedoary; extracting the maximum response value of each sensor in the odor fingerprint spectrum as a characteristic index; constructing a LightGBM classification model based on the maximum response value of the electronic nose, optimizing the number of decision trees, the learning rate, the maximum depth, a first-order regular term coefficient, a second-order regular term coefficient and a loss function of the LightGBM classification model by a grid search method, and evaluating the performance of the model through cross validation of ten folds; and finally, detecting the sample to be detected by using the classification model. The method can realize the rapid and accurate identification of the curcuma aromatica, the curcuma longa, the curcuma zedoary and the curcuma longa in curcuma, can effectively solve the problem of difficult identification of the curcuma aromatica in traditional Chinese medicine, ensures the accuracy of clinical medication, and has better application prospect and popularization value in the rapid identification of the traditional Chinese medicine.)

一种电子鼻结合LightGBM的姜黄属中药快速鉴定方法

技术领域

本发明属于中药检测

技术领域

，具体的说是涉及一种基于电子鼻结合LightGBM的姜黄属中药快速鉴定方法。

背景技术

姜黄属中药有郁金、姜黄、片姜黄和莪术，药用历史悠久，为常用的活血化瘀中药。然而郁金、姜黄、片姜黄和莪术均来自姜科姜黄属植物的地下部分，在形态、性状、成分及功能作用方面有相似之处，又因产地、用药习惯、用药部位的差异，其所形成的商品名、处方名、别名很多，存在同名异物、同物异名现象，实际应用中易混淆。现如今姜黄属中药的鉴别方法主要集中于经验法、色谱法、DNA条形码技术等，这些方法普遍存在一定的局限性，例如经验法主观性强，色谱法操作繁琐、对环境要求相对苛刻，分子鉴别技术对不同部位入药的药材难以区分。

电子鼻是一种智能感官仪器，通过模拟人类和动物的嗅觉系统获取气味指纹图谱，分析、识别及检测复杂气味和挥发性成分，具有简便、快速、灵敏等优势，现已在食品、环境、农业、医药领域得到了广泛应用。电子鼻数字化、客观化表征中药气味，在中药材气味识别中具有优势。

LightGBM算法是2016年微软亚洲研究院发布的一个开源快速、高效的算法。该算法主要基于GBDT、GBRT、GBM和MART决策树算法的框架，并且被广泛用于分类、回归和排序等多种机器学习的任务，在工业界有较广泛的应用。但其在中药鉴定中的应用相对较少。

基于以上，本发明的主要目标是构建一种基于电子鼻结合LightGBM的姜黄属中药快速鉴定方法，以便于有效地解决现有技术中姜黄属中药鉴别难的问题。

发明内容

本发明为了克服现有技术存在的不足，提供一种基于电子鼻结合LightGBM的姜黄属中药快速鉴定方法。

本发明是通过以下技术方案实现的：本发明公开了一种基于电子鼻结合LightGBM的姜黄属中药快速鉴定方法，该鉴定方法利用电子鼻采集姜黄属中药郁金、姜黄、片姜黄和莪术的气味指纹图谱；提取气味指纹图谱中每根传感器的最大响应值作为特征指标；构建基于电子鼻最大响应值的LightGBM分类模型，以网格搜索方法对其决策树数量、学习率、最大深度、一阶正则项系数、二阶正则项系数和损失函数进行优化，并通过十折交叉验证来评估模型的性能；最后利用分类模型对待测样品进行检测。

本发明基于电子鼻结合LightGBM的姜黄属中药快速鉴定方法具体包括以下步骤：

S1：对若干不同姜黄属中药样品进行电子鼻气味指纹图谱的采集，所述若干不同姜黄属中药样品包括莪术、姜黄、郁金和片姜黄；

S2：对电子鼻采集到的气味指纹图谱数据进行处理，提取出12根传感器的最大响应值作为分析指标；

S3：将样品划分为训练集和测试集，采用训练集作为输入变量构建LightGBM分类模型，采用网格搜索法对LightGBM分类模型的参数进行优化，得到优化后的LightGBM分类模型；利用测试集实现对优化后的LightGBM分类模型的训练，得到训练好的LightGBM分类模型；

S4：对待测未知姜黄属中药样品，先进行S1和S2步骤的操作，然后将得到的数据输入S3步骤中训练好的LightGBM分类模型进行鉴别。

在所述S1步骤中，样品粉碎至全部过4号筛，电子鼻检测样品的采样量为0.3g，每份样品5个重复，电子鼻自动进样器的孵化温度设定为35℃，搅拌速度为250r·min^-1，孵化时间为360s。电子鼻载气为合成干燥空气，进样体积1500μL，注射温度45℃，数据采集时间120s，采集周期1s，设置吹扫时间600s以消除上一次残留物的影响。

在所述S3步骤中，对经过提取最大响应值的电子鼻指纹图谱进行训练集和测试集的划分，采用随机拆分法，训练集和测试集分样品数据比例为162：68。

在所述S3和S4步骤中，以LightGBM分类模型的准确率作为模型预测性能的评价指标。

采用网格搜索方法寻找LightGBM分类模型的最优参数为：树数量为200、学习率0.02、最大深度为5、一阶正则项系数为0.3、二阶正则项系数为0.4、损失函数为交叉熵损失函数。

本发明的有益效果是：本发明首次将电子鼻结合LightGBM算法应用于姜黄属中药的鉴定中，并建立了一种基于电子鼻结合LightGBM的姜黄属中药快速鉴定方法，本发明能够实现对姜黄属中药郁金、姜黄、莪术和片姜黄的快速、准确鉴别，可有效解决姜黄属中药鉴别难的问题，保证临床用药的准确性。本发明利用电子鼻技术获取姜黄属中药的气味指纹图谱，将姜黄属中药的气味信息数字化、客观化，解决了现有技术中传统经验鉴别主观性强的问题。本发明的样品前处理过程简单、速度获取快速，工作效率较色谱法高效，在中药的快速鉴定上有较好的应用前景和推广价值。本发明实现了姜黄属中药的快速鉴定，为中药的鉴定提供一种快速、可靠而有效的分析方法。同时，本发明与现有技术中的鉴定方法相比，具有客观、快速、简便、无需预处理等技术优势，具有广阔的应用前景。本发明姜黄属中药快速鉴定方法的准确率不小于90％。

附图说明

图1是本发明基于电子鼻结合LightGBM的姜黄属中药快速鉴定方法的流程图；

图2是实施例2中其中一份片姜黄样品的气味指纹图谱；

图3是本发明中姜黄属中药预测结果的二维柱形图。

具体实施方式

本发明适用于姜黄属中药郁金、姜黄、莪术和片姜黄的快速鉴定。以下结合附图和具体实施例对本发明作详细说明。

如图1所示，本发明提供了一种基于电子鼻结合LightGBM的姜黄属中药快速鉴定方法，包括以下步骤：步骤一：将姜黄属中药样品粉碎；步骤二：利用电子鼻获取粉碎后姜黄属中药样品的气味指纹图谱；步骤三：提取气味指纹图谱中的最大响应值；步骤四：将样品划分为训练集和测试集；步骤五：以网格搜索方法寻找最优参数，并通过十折交叉验证来评估模型的性能，构建基于电子鼻最大响应值的LightGBM分类模型。

实施例1：

实验材料的处理：取姜黄属中药样品，用粉碎机粉碎至全部过四号筛，备用。

电子鼻分析条件参数：包括称样量、孵化温度、孵化时间、进样体积等。具体参数为：精密称取样品粉末0.3g装入10mL顶空进样瓶中，每份样品5次重复，自动进样器孵化温度设定为35℃，搅拌速度为250r·min^-1，孵化时间360s，电子鼻载气为合成干燥空气，进样体积1500μL，注射温度45℃，数据采集时间120s，采集周期1s，吹扫时间600s。

特征提取：气味指纹图谱包括12根传感器第1s-120s传感器的响应信号，从每根传感器上提取最大响应值作为特征数据。

构建LightGBM分类模型：将电子鼻最大响应值数据划分为训练集和测试集，采用训练集作为输入变量构建LightGBM分类模型，采用网格搜索方法寻找LightGBM分类模型的最优参数为树数量为200、学习率0.02、最大深度为5、一阶正则项系数为0.3、二阶正则项系数为0.4、损失函数为交叉熵损失函数，至此得到优化后的LightGBM分类模型；利用此模型对测试集进行分类预测，实现对度提升决策树分类模型的训练，得到训练好的LightGBM分类模型。

实施例2：

实验材料：实验所用姜黄属样品共47份，包括6份莪术、7份姜黄、4份片姜黄和29份郁金。

电子鼻设备：电子鼻仪器为α-FOX3000(法国Alpha M.O.S.)，由HS-100自动顶空进样仪、12根金属氧化物传感阵列及空气发生器组成，配备数据处理软件Alpha SOFT V11。

电子鼻测量参数设置：自动进样器孵化温度35℃，搅拌速度250r·min^-1，孵化时间360s，进样体积1500μL，注射温度45℃，数据采集时间120s，采集周期1s，吹扫时间600s。共采集到到235组气味信息数据，获取的气味指纹图谱如图2所示。

气味指纹图谱采集：取姜黄属中药样品，用粉碎机粉碎至全部过四号筛，精密称取样品粉末0.3g装入10mL顶空进样瓶中，每份样品5次重复，备用。

数据特征提取：气味指纹图谱包括12根传感器第1s-120s传感器的响应信号，采用Alpha SOFT V11自动从每根传感器上提取最大响应值作为特征数据。

构建LightGBM分类模型：采用随机拆分法将电子鼻最大响应值数据划分为训练集和测试集，二者比例为162：68，训练集中莪术、姜黄、片姜黄、郁金的样本量分别为25、21、14、102，测试集中莪术、姜黄、片姜黄、郁金的样本量分别为10、9、6、43；采用训练集作为输入变量构建LightGBM分类模型，采用网格搜索方法寻找LightGBM分类模型的最优参数：树数量为200、学习率0.02、最大深度为5、一阶正则项系数为0.3、二阶正则项系数为0.4、损失函数为交叉熵损失函数，至此得到优化后的LightGBM分类模型，训练集预测结果如表1所示，模型正判率为98.77％，仅有2条姜黄样本误判为片姜黄；利用此模型对测试集进行分类预测，实现对度提升决策树分类模型的训练，得到训练好的LightGBM分类模型，预测结果如图3所示，正判率为100.00％。

综上所述，所建分类模型具有极高的准确率，可用于姜黄属中药的快速、准确鉴定。

表1：LightGBM分类模型训练集正判率。

最后应当说明的是，以上内容仅用以说明本发明的技术方案，而非对本发明保护范围的限制，本领域的普通技术人员对本发明的技术方案进行的简单修改或者等同替换，均不脱离本发明技术方案的实质和范围。