近日，皖西学院安徽省大别山中医药研究院韩邦兴教授/王芳团队在《Journal of Food Composition and Analysis》上发表研究论文“On-site quantification of polysaccharides in Dendrobium huoshanense usinga portable NIR spectrometer: A machine learning approach withSHAP interpretation”。该研究聚焦于霍山石斛这一药食两用珍稀资源的质量控制难题，针对传统检测方法流程繁琐、耗时长、难以现场应用的瓶颈，创新性地构建了“手持近红外光谱仪+多元机器学习模型”的无损定量检测体系，实现了霍山石斛多糖含量的快速、精准、绿色评估。

霍山石斛作为安徽省道地药材，其多糖含量是评价品质的关键指标。然而，现有检测方法依赖化学提取与实验室分析，不仅效率低，也难以适应产地、市场的即时筛查需求，导致市场上伪劣混杂、质量参差。本研究通过便携式近红外光谱设备采集样本光谱，系统优化预处理方法与特征波段筛选策略，结合随机森林回归（RFR）等机器学习模型，建立起高效预测体系。

研究比较了BP-ANN、PLSR、RFR和1D-CNN四种算法，发现经多元散射校正、二阶导数及UVE波长选择优化后的RFR模型表现最优：训练集R²达0.976，测试集R²为0.863，RMSE低至1.915，RPD超过3.0，预测可靠性达到“优秀”等级。对157份样品的检测显示，多糖含量分布于21.93%–44.42%之间，均符合《中国药典》标准，且具备自然变异特征，模型泛化能力强，未出现过拟合。

值得一提的是，团队首次引入SHAP可解释性分析，揭示出与多糖结构密切相关的关键光谱波段：如RFR模型中的1428.43 nm对应O–H与C–O键合频振动，PLSR中的1025.79 nm关联C–H倍频振动，这些波段反映了多糖的羟基含量、单糖组成等结构信息，为“结构–光谱”关联提供了理论依据。

该方法操作简便、无需破坏样本，手持设备的便携性极大提升了产地和市场现场筛查的可行性，有助于减少对珍稀资源的破坏性采样，推动中医药质量评估向标准化、智能化转型。

论文来源：https://doi.org/10.1016/j.jfca.2026.108915

安徽中医药大学与皖西学院联合培养硕士研究生李文霞为论文第一作者，安徽省大别山中医药研究院王芳老师、高雷雷副教授和韩邦兴教授为共同通讯作者。本研究获国家重点研发计划（2023YFC3503804）、国家现代农业产业技术体系（CARS-21）、安徽省高校教师实践项目（2024jsqygz78）等多项资助，并得到安徽斛生元生态农业科技有限公司课题支持。