太赫兹时域光谱技术(THz-TDS)结合主成分分析-线性判别分析(PCA-LDA)和支持向量机(SVM)用于正品大黄样品的鉴定。 在时域测量41个大黄样品的太赫兹时域透射光谱, 然后将这些时域信号转换成频域的吸收系数系数。 根据样本的吸收系数建立了主成分分析-线性判别分析和支持向量机的定性分类模型, 并对正品和非正品大黄样本的分类模型进行了交叉验证。 模型的预测能力和稳定性使用自助拉丁配分进行评价, 使用50次自助拉丁配分, 配分数为4。 使用主成分分析-线性判别分析和支持向量机均得到了满意的结果。 提出的方法证明是一种方便、 无污染、 准确和无需化学处理的鉴定大黄样本的方法。 该文提出的步骤可以应用于其他中草药分类和生产的质量控制。

太赫兹技术的发展近年来受到广泛的关注并被应用于热点。 中草药大黄的品质鉴定对于中药制剂的质量控制具有重要的意义。 利用大黄的太赫兹时域光谱结合偏最小二乘法（PLS）模型对基于41个正品和非正品大黄的中草药鉴别模型进行了研究。 首先采集大黄样品的太赫兹时域光谱（THz-TDS）信号, 然后将化学计量学方法用于这些大黄样品太赫兹光谱的信号处理与建模, 再建立基于太赫兹光谱的大黄品质鉴定的偏最小二乘模型方法。 应用S-G一阶导数、 去趋势、 标准正态变换、 自标度化、 均值中心化等方法对原始时域谱预处理再与未经预处理的结果相比, 偏最小二乘（PLS）模型的预测正确率从80%明显提高到90%。 在模型建立和模型检验中, 采用留一法（LOO）选取训练集和检验集样本。 利用留一法交叉验证确定了PLS模型的最佳主因子数。 结果表明, 当采用均值中心化方法时, PLS模型的RMSECV和RMSEP的值均达到了最小, 分别为0.076　6和0.169　0。 研究结果表明, THz-TDS技术结合化学计量学方法能够快速、 准确的对大黄的真伪进行鉴别, 直接使用太赫兹时域光谱而不使用计算后的吸收谱有两个优点: （1）在分频测定和光谱信号处理时无需考虑样品的厚度; （2）使光谱信号处理过程得到简化。 该技术也可以对其他中草药进行鉴别和质量控制。 该法快速、 简单、 无污染、 无需样品预处理, 是一种有发展前景的中草药无损检测方法。