傳統鑒別茯苓產地的方法，多依賴主觀判斷，像觀察形態、咀嚼感受口感、嗅聞氣味、掂量質地等。這類方法易受主觀因素干擾，難以形成統一規范并廣泛推廣。借助測量化合物含量鑒別產地的方法，如 HPLC、紫外分光光度法、UPLC - QTOF - MS/MS 等，需要將樣品粉碎配制成溶液進行測量。但這些方法受場地、儀器、材料價格、專業人員等條件限制，存在耗時久、成本高、樣品無法還原等問題。因此，迫切需要一種快速、便捷、耗時短且操作簡單的茯苓產地鑒別方法，高光譜成像技術應運而生。

高光譜成像儀在茯苓產地鑒別中的應用

1. 樣品選擇：廣泛搜集不同區域的茯苓產品，每個區域選取多塊茯苓，以此確保測試數據的準確性與代表性。

2. 光譜數據采集：運用高光譜成像儀采集樣品光譜數據。采集時，需將環境溫度控制在 20℃，把茯苓樣品按規定放置于移動平臺，每次可同時掃描多個樣品。

3. 光譜數據處理

• 圖像校正：利用儀器自帶校正軟件，對收集到的原始高光譜圖像數據進行校正，消除儀器、電流等外部因素對樣品數據的干擾。

• ROI 區域提取：借助 ROI 工具，從校正后的高光譜圖像數據中，提取每個樣品感興趣區域的數據，用于后續處理。

• 光譜預處理：采用不同預處理方法，如 S - G 平滑法、一階導數法、二階導數法等，去除原始光譜數據中的干擾信息。

• 分類模型建立：運用偏最小二乘法辨別分析等不同分析方法，結合各類預處理方法，構建茯苓產地識別模型。

• 模型評價：產地識別模型構建完成后，通過不同組合訓練集和預測集的準確率來評估模型性能。不過在實際應用中，若數據分組不均衡，單純依靠準確率評估存在明顯缺陷。所以，需采用多種方法對模型進行綜合評價，以保障分類模型的精度。