1 文献综述
1.1 西红花研究概况
1.1.1 西红花种质资源生物学
1.1.1.1 西红花种质资源概况
目前世界上已知的鸢尾科番红属植物共有 79 种，常见种植的品种约为 8 到 10种，主要来自于以下几个地方：
（1）来自伊朗出口到世界各国的西红花占全部的 70%，平均每年将近两百吨，伊朗西红花主要产区位于伊朗东北部，霍拉桑省下的四个县，分别名为古纳巴特、加恩、费尔道斯和托尔巴特海达里耶。来自这四个地区的西红花占全部的 90%，世界的60%[1]。除此之外，在伊朗的其他省市，如伊斯法罕、法尔斯、亚兹德、克尔曼省、中央省和塞姆南等西红花也有零散的栽培，并且发展迅速。
1.1 西红花研究概况
1.1.1 西红花种质资源生物学
1.1.1.1 西红花种质资源概况
目前世界上已知的鸢尾科番红属植物共有 79 种，常见种植的品种约为 8 到 10种，主要来自于以下几个地方：
（1）来自伊朗出口到世界各国的西红花占全部的 70%，平均每年将近两百吨，伊朗西红花主要产区位于伊朗东北部，霍拉桑省下的四个县，分别名为古纳巴特、加恩、费尔道斯和托尔巴特海达里耶。来自这四个地区的西红花占全部的 90%，世界的60%[1]。除此之外，在伊朗的其他省市，如伊斯法罕、法尔斯、亚兹德、克尔曼省、中央省和塞姆南等西红花也有零散的栽培，并且发展迅速。
（2）西红花在西班牙亦有少量种植，每年产量约为 10 吨。主要从伊朗等地进口西红花，加工处理售卖到世界各地。
（3）印控克什米尔地区，这里生产的西红花的品种与伊朗略有不同，花丝更加纤细。
（4）目前我国浙江、北京、上海、江苏等省市已有引进西红花[2]。近期栽培成功，产量比较低，主要出口售往日本韩国，我国西红花最大的销售地是西藏、青海和四川。
.........................
3 不同加工方法对西红花品质的影响 ....................................... 21（3）印控克什米尔地区，这里生产的西红花的品种与伊朗略有不同，花丝更加纤细。
（4）目前我国浙江、北京、上海、江苏等省市已有引进西红花[2]。近期栽培成功，产量比较低，主要出口售往日本韩国，我国西红花最大的销售地是西藏、青海和四川。
.........................
1.2 NIR 技术在中药材品质评价中的应用
1.2.1 NIR 光谱技术的简介
1.2.1 NIR 光谱技术的简介
NIR 光谱分析分为反射与透射光谱两种[48]。NIR 光谱分析分为反射与透射光谱两种。反射光谱是光源和检测器在待测物质的同侧，检测器得到信息是通过待测物质反射回来的光信息。透射光谱是把待测物质放在光源和检测器之间，检测器获得的信息是光与待测物质相互作用后得到的。
1.2.2 NIR 光谱的原理及其特点
1.2.2 NIR 光谱的原理及其特点
1.2.2.1 NIR 光谱技术的分析原理
NIR 光谱属于分子振动光谱的倍频和主频吸收光谱，由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，穿透能力较强。该区域的光谱信息主要来源于-CH、-NH、-OH 等含氢基团的倍频与合频吸收，其中涵盖了有机物中所有含氢基团的信息，蕴含着分子的结构、组成状态等[46]。有机物不同，组成的基团也不一样，能级自然也各不相同。在不同组别不同基团和同一基团位于不一样的物理化学环境中时，由于这些物质对近红外光的吸收波长的差异，导致出峰的位置和强度都不一样，按照朗伯比尔吸收定律所规定的，光谱特征随着成分的变化而随之改变，因此可以根据 NIR 光谱的变化来获取信息[47]。
NIR 光谱属于分子振动光谱的倍频和主频吸收光谱，由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，穿透能力较强。该区域的光谱信息主要来源于-CH、-NH、-OH 等含氢基团的倍频与合频吸收，其中涵盖了有机物中所有含氢基团的信息，蕴含着分子的结构、组成状态等[46]。有机物不同，组成的基团也不一样，能级自然也各不相同。在不同组别不同基团和同一基团位于不一样的物理化学环境中时，由于这些物质对近红外光的吸收波长的差异，导致出峰的位置和强度都不一样，按照朗伯比尔吸收定律所规定的，光谱特征随着成分的变化而随之改变，因此可以根据 NIR 光谱的变化来获取信息[47]。
1.2.2.2 NIR 光谱技术的分析特点
（1）NIR 光谱技术操作便捷，分析迅速，一般测量时间为 1 分钟左右，经过模型验证后，即可对被测物质进行定性、定量分析；
（2）NIR 光谱的信息量大，分析效率高，可同时测定多个样品的组成和性质，
（1）NIR 光谱技术操作便捷，分析迅速，一般测量时间为 1 分钟左右，经过模型验证后，即可对被测物质进行定性、定量分析；
（2）NIR 光谱的信息量大，分析效率高，可同时测定多个样品的组成和性质，
如在工业分析中，实现了从单项测定向多指标同时进行分析的飞跃。这对多指标监测生产过程分析有重要意义，确保了分析的频率与质量，从而保证生产过程的平稳运行[49]。
（3）不需要预处理，易于操作，可直接测量液体、胶体、半固体以及固体等不同状态的样品。
（4）便于在线、无损的进行检测，检测过程中不需损耗西红花药材，不会影响产品的药效。
.............................
2 基于 NIR 的西红花快速定性检测技术研究
2.2 结果与分析
2.2.1 光谱分析
从图 1 中可以看出，在 12000~4000 cm-1 波数范围内，西红花及掺假西红花NIR 光谱的峰形和位置都较为相似，单单通过观察图谱，无法直接得出结论。
2.2.2 西红花样品的区分
为了区分正品西红花和含有不同掺假成分的西红花样品，通过 NIR 分析了 63 个样品，并将数据放入 PLS-DA 分类模型中，获得平滑处理和二阶导数，MSC 和 SNV预处理后的 PLS-DA 的分图（图 2）。
（3）不需要预处理，易于操作，可直接测量液体、胶体、半固体以及固体等不同状态的样品。
（4）便于在线、无损的进行检测，检测过程中不需损耗西红花药材，不会影响产品的药效。
.............................
2 基于 NIR 的西红花快速定性检测技术研究
2.1 材料和方法
2.1.1 样品与试剂
分别在中国（42 个样本），伊朗（6 个样本），西班牙（6 个样本），摩洛哥（3个样本），尼泊尔（3 个样本）和希腊（3 个样本）共购买了 63 个西红花样本。莲须和玉米须购买于浙江。将西红花，莲须和玉米须样品在 60°C 的烘箱中干燥过夜，使用研磨机粉碎。在浙江的一个西红花样品中加入莲须和玉米须并混合均匀。每个相同配比样本重复 3 份，共制得莲须与玉米须分别掺假西红花 5%、10% 、20%、40%、80% 的 30 个样品，所有样品过筛（80 目），取 2g 样品用于扫描 NIR 光谱。
2.1.1 样品与试剂
分别在中国（42 个样本），伊朗（6 个样本），西班牙（6 个样本），摩洛哥（3个样本），尼泊尔（3 个样本）和希腊（3 个样本）共购买了 63 个西红花样本。莲须和玉米须购买于浙江。将西红花，莲须和玉米须样品在 60°C 的烘箱中干燥过夜，使用研磨机粉碎。在浙江的一个西红花样品中加入莲须和玉米须并混合均匀。每个相同配比样本重复 3 份，共制得莲须与玉米须分别掺假西红花 5%、10% 、20%、40%、80% 的 30 个样品，所有样品过筛（80 目），取 2g 样品用于扫描 NIR 光谱。
2.1.2 光谱测定
将样品置于圆形比色皿（直径 40 mm，高 25 mm）中，并使用 MATRIX-F 近红外光谱仪（Bruker Optik GmbH，Ettlingen，Germany）进行分析。样本光谱采集前，以空比色皿为参比对光谱仪进行校正，扫描范围 12000 到 4000 cm-1，扫描次数 32次，分辨率为 8 cm-1，每个样品扫描三次，取平均值用于分析，以减少不均匀样品的误差。
将样品置于圆形比色皿（直径 40 mm，高 25 mm）中，并使用 MATRIX-F 近红外光谱仪（Bruker Optik GmbH，Ettlingen，Germany）进行分析。样本光谱采集前，以空比色皿为参比对光谱仪进行校正，扫描范围 12000 到 4000 cm-1，扫描次数 32次，分辨率为 8 cm-1，每个样品扫描三次，取平均值用于分析，以减少不均匀样品的误差。
2.1.3 数据处理
通过预处理得到的光谱优于原始光谱，同时处理数据更加方便。常用的实验预处理方法包括：平滑处理、一阶导数、二阶导数、MSC、SNV。分别选用 PLS-DA 和PLS 对其进行定性分析和定量分析。建立定量模型时，将掺假样本的光谱数据随机分为校准集和验证集两部分，以校准集光谱数据建立模型，验证集用于检测模型的稳定性和可靠性。模型的性能由相关系数 Rc2、Rv2、交叉验证的均方根误差（RMSECV）及预测均方根误差（RMSEP）等指标来进行评价，模型的相关系数越是接近于 1 且 RMSECV、RMSEP 越是小，则模型预测能力更好，其稳定性和检测精度更高。
..........................通过预处理得到的光谱优于原始光谱，同时处理数据更加方便。常用的实验预处理方法包括：平滑处理、一阶导数、二阶导数、MSC、SNV。分别选用 PLS-DA 和PLS 对其进行定性分析和定量分析。建立定量模型时，将掺假样本的光谱数据随机分为校准集和验证集两部分，以校准集光谱数据建立模型，验证集用于检测模型的稳定性和可靠性。模型的性能由相关系数 Rc2、Rv2、交叉验证的均方根误差（RMSECV）及预测均方根误差（RMSEP）等指标来进行评价，模型的相关系数越是接近于 1 且 RMSECV、RMSEP 越是小，则模型预测能力更好，其稳定性和检测精度更高。
2.2 结果与分析
2.2.1 光谱分析
从图 1 中可以看出，在 12000~4000 cm-1 波数范围内，西红花及掺假西红花NIR 光谱的峰形和位置都较为相似，单单通过观察图谱，无法直接得出结论。
2.2.2 西红花样品的区分
为了区分正品西红花和含有不同掺假成分的西红花样品，通过 NIR 分析了 63 个样品，并将数据放入 PLS-DA 分类模型中，获得平滑处理和二阶导数，MSC 和 SNV预处理后的 PLS-DA 的分图（图 2）。
由图可知，除二阶导数外，其他三种预处理方法的样品部分重叠，未能清楚的区分开（图 2a、c、d），二阶导数的是最佳的预处理方法（图 2b）。西红花正品位于中心轴右侧，西红花掺假莲须位于坐标轴左上方，而西红花掺假玉米须则位于坐标轴左下方。结果表明：PLS-DA 模型可以用来区分西红花正品和不同掺假成分的西红花，选择合适的预处理方法可以提高分类性能。
........................
3.1 材料和方法 ................................. 21
3.1.1 样品和试剂 ............................... 21
3.1.2 干燥方法 ..................................... 22
4 结论 ................................ 30
3 不同加工方法对西红花品质的影响
3.1 材料和方法
3.1.1 样品和试剂
西红花样品来源于杭州华东医药集团有限公司（中国杭州），由浙江农林大学胡润淮教授鉴定。HPLC 级的乙腈购自 Fisher Scientific（Pittsburgh，PA，USA）。使用Milli-Q 系统（Millipore，Billerica，MA，USA）获得超纯水。西红花苷 I、II 购自国家药品和生物制品管理研究所（中国北京）。所有其他化学品均为分析纯，得自国药化学试剂有限公司（中国上海市）。
3.1.1 样品和试剂
西红花样品来源于杭州华东医药集团有限公司（中国杭州），由浙江农林大学胡润淮教授鉴定。HPLC 级的乙腈购自 Fisher Scientific（Pittsburgh，PA，USA）。使用Milli-Q 系统（Millipore，Billerica，MA，USA）获得超纯水。西红花苷 I、II 购自国家药品和生物制品管理研究所（中国北京）。所有其他化学品均为分析纯，得自国药化学试剂有限公司（中国上海市）。
3.1.2 干燥方法
在 40°C 的真空烘箱（XMTD-8200，中国江苏）进行真空干燥，在 40°C 的实验室规模微波干燥器（NJL07-3，中国江苏）进行微波干燥，在 60°C 的恒温烘箱 （DGG-9070A，中国上海）进行烘箱干燥，使用配备红外光源的红外线加热器（404-1，中国上海）进行红外干燥。在冷冻干燥之前，先将冷藏西红花柱头在- 80°C 的托盘上冷冻 24 小时，并放置于强制通风的空气冷冻机中。冷冻干燥过程在的- 25°C 初始温度下开始，然后在-55°C 下将冷藏在冰冻干燥机（Alpha 1-2 LDplus，Germany）中的西红花冻干。对于所有干燥处理，当水分含量低于 12% 时，基于初步试验，终止干燥过程。
......................
4 结论
通过本论文的研究得到了西红花 NIR 的快速检测确实具有可行性和不同的烘干方法对其品质影响显著的结论。从以下几方面证实：
首先将 63 个样品通过 NIR 光谱分析，并分析以 PLS-DA 处理数据得到的分类模型，掺假的西红花和优质西红花通过合适的预处理方法（二阶导数）确实能够被区分：正品西红花位于中心轴右侧，西红花掺假莲须位于坐标轴左上方，而西红花掺假玉米须则位于坐标轴左下方，其差异明显。在浙江的一个西红花样品中加入莲须和玉米须并混合均匀。每个相同配比样本重复 3 份，共制得莲须与玉米须分别掺假西红花 5%、10% 、20% 、40%、80% 的 30 个样品进行定量分析，结果得到适宜的预处理方法和信息量比较丰富光谱区间的选择可以提高模型的性能。本研究中最优的预处理方法为散射效应校正包括 MSC、SNV 两种方法。#p#分页标题#e#
在 NIR 光谱的测定过程中，被测对象的固体颗粒度、晶形等物质本身的差异与区别，会干扰实验结果。这是因为散射光在不同物体内部的光程和被吸收程度是有差异的，被称为散射效应。而其中 MSC 是用来消除被测物质表面性质差异或者因为颗粒大小不同而导致的光谱漂移的常用方法；SNV 通过将光谱数据矩阵按行进行归一化而消除散射效应。通过验证结果显示了模型具有可靠性。
在 40°C 的真空烘箱（XMTD-8200，中国江苏）进行真空干燥，在 40°C 的实验室规模微波干燥器（NJL07-3，中国江苏）进行微波干燥，在 60°C 的恒温烘箱 （DGG-9070A，中国上海）进行烘箱干燥，使用配备红外光源的红外线加热器（404-1，中国上海）进行红外干燥。在冷冻干燥之前，先将冷藏西红花柱头在- 80°C 的托盘上冷冻 24 小时，并放置于强制通风的空气冷冻机中。冷冻干燥过程在的- 25°C 初始温度下开始，然后在-55°C 下将冷藏在冰冻干燥机（Alpha 1-2 LDplus，Germany）中的西红花冻干。对于所有干燥处理，当水分含量低于 12% 时，基于初步试验，终止干燥过程。
......................
4 结论
通过本论文的研究得到了西红花 NIR 的快速检测确实具有可行性和不同的烘干方法对其品质影响显著的结论。从以下几方面证实：
首先将 63 个样品通过 NIR 光谱分析，并分析以 PLS-DA 处理数据得到的分类模型，掺假的西红花和优质西红花通过合适的预处理方法（二阶导数）确实能够被区分：正品西红花位于中心轴右侧，西红花掺假莲须位于坐标轴左上方，而西红花掺假玉米须则位于坐标轴左下方，其差异明显。在浙江的一个西红花样品中加入莲须和玉米须并混合均匀。每个相同配比样本重复 3 份，共制得莲须与玉米须分别掺假西红花 5%、10% 、20% 、40%、80% 的 30 个样品进行定量分析，结果得到适宜的预处理方法和信息量比较丰富光谱区间的选择可以提高模型的性能。本研究中最优的预处理方法为散射效应校正包括 MSC、SNV 两种方法。#p#分页标题#e#
在 NIR 光谱的测定过程中，被测对象的固体颗粒度、晶形等物质本身的差异与区别，会干扰实验结果。这是因为散射光在不同物体内部的光程和被吸收程度是有差异的，被称为散射效应。而其中 MSC 是用来消除被测物质表面性质差异或者因为颗粒大小不同而导致的光谱漂移的常用方法；SNV 通过将光谱数据矩阵按行进行归一化而消除散射效应。通过验证结果显示了模型具有可靠性。
五种不同的干燥方法在各自最恰当的条件下对西红花柱头进行干燥处理，当水分含量低于 12% 时，基于初步试验终止干燥过程。得到干燥后的柱头后，从其中选出完整的样品，分别从外在特征和微观结构上对西红花的品质评价做了比较，即对产品的形态特征其中包括颜色（食品接受度的最重要属性，是在市场上选购西红花时最先被关注的，劣质的掺假西红花或活性成分部分丧失的西红花可能会显现出暗淡的异样的颜色）、香气（芳香族化合物的种类及各类别的含量变化）做了具体的研究和分析，观察了不同干燥方法显微结构下的花粉粒的细胞结构的完整性。根据色度计测量颜色值的结果，可以了解到热空气和热空气/微波干燥减少了 L * ，a * 和 b * 值，所以冷冻干燥的颜色保留程度最好，冷冻干燥得到的干西红花颜色最亮。同
参考文献（略）
