本发明涉及物种鉴别领域，尤其涉及一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法及系统。
背景技术：
1、绿绒蒿属(meconopsis)植物为一年生或多年生草本植物，是野生高山花卉，被誉为“高山牡丹”，欧洲人推崇为“世界名花”。除了观赏价值，绿绒蒿属植物也是传统藏药，具有清热解毒、止咳平喘、消炎止痛、补中益气等功效。现代药理研究表明，绿绒蒿具有镇痛、止泻、镇静、抗疲劳、保肝等作用。绿绒蒿以全草或花入药，具有活血散瘀、治疗肝炎和肺炎等功效。
2、由于绿绒蒿属植物种类众多和藏医用药习惯的差异，导致其功能疗效在临床上也存在差异。其中，全缘叶绿绒蒿以全草入药，具有清热解毒的功效，可用于治疗肝炎、肺炎、肺热咳嗽、头痛、皮肤病等。五脉绿绒蒿性凉，味甘、涩，具有清热解毒、利尿、消炎、止痛的功效，可用于治疗肝炎、肺炎、头痛、水肿、皮肤病、肝肺热证等。红花绿绒蒿可用于治疗发热、高血压引起的头痛等疾病，并有除湿利尿、定喘镇咳、止痢的功效。总状绿绒蒿根有补中益气、止咳平喘、止痢、镇静之功效，全草有止痛作用。多刺绿绒蒿具有清热止痛、活血化瘀等功效，可用于治疗骨折、跌打损伤、胸背疼痛等症，也具有一定抗肿瘤、抗病毒、心肌保护等功效。因此，不同种绿绒蒿属植物的临床功效不同，准确鉴别其品种对依据不同病症开展临床用药具有重要意义。为规范临床用药安全性，完善其质量标准，有必要对不同品种的绿绒蒿进行准确分析与鉴别，从源头保障用药的准确性与安全性。
3、由于市面上流通的藏药往往只取植物的某个部位，且药材在运输过程中难免会产生一定程度的碰撞和缺损，造成某些关键分类特征的缺失，依靠传统的形态鉴别法已经无法满足鉴别需要。而现有绿绒蒿属植物的鉴别方法如高效液相色谱法、薄层色谱、质谱和dna条形码技术等，易对样品造成损伤，耗时、效率低且测量成本高，因此，亟待发展一种快速、准确的绿绒蒿属植物物种判别方法。
技术实现思路
1、本发明的目的在于克服现有技术中存在的技术问题，提供了一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法及系统。
2、本发明的目的是通过以下技术方案来实现的：
3、第一方面，提供一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，所述方法包括以下步骤：
4、s1、采集不同种绿绒蒿属植物样品；
5、s2、采集不同种绿绒蒿属植物样品的近红外积分球漫反射光谱，采集不同种绿绒蒿属植物样品的近红外光纤探头光谱；
6、s3、分析不同种绿绒蒿属植物样品之间的近红外积分球漫反射光谱特征和近红外光纤探头光谱特征；
7、s4、基于近红外积分球漫反射光谱建立不同种绿绒蒿属植物样品的积分球漫反射光谱判别模型；基于近红外光纤探头光谱建立不同种绿绒蒿属植物样品的光纤探头光谱判别模型；
8、s5、比较不同种绿绒蒿属植物样品的积分球漫反射光谱判别模型的预测效果；比较不同种绿绒蒿属植物样品的光纤探头光谱判别模型的预测效果；
9、s6、比较积分球漫反射光谱判别模型和光纤探头光谱判别模型的预测效果，从中选定预测效果最好的判别模型。
10、在一些实施例中，所述不同种绿绒蒿属植物样品包括多刺绿绒蒿、红花绿绒蒿、总状绿绒蒿、杂交绿绒蒿、全缘叶绿绒蒿以及五脉绿绒蒿，所述杂交绿绒蒿为五脉绿绒蒿与红花绿绒蒿的杂交种。
11、在一些实施例中，所述采集不同种绿绒蒿属植物样品的近红外积分球漫反射光谱，包括：
12、取过200目筛后的绿绒蒿全草样品适量置于样品杯内，摊平，压实，装样厚度为0.1cm，采集过程中实时扣除co2和水的背景干扰，扫描分辨率8cm-1，扫描次数64次。
13、在一些实施例中，所述采集不同种绿绒蒿属植物样品的近红外光纤探头光谱，包括：
14、利用傅里叶变换红外光谱仪的光纤探头附件对过200目筛后的绿绒蒿全草样品进行近红外光纤探头光谱采集，采集过程中实时扣除co2和水的背景干扰，扫描分辨率4cm-1，扫描次数64次。
15、在一些实施例中，所述分析不同种绿绒蒿属植物样品之间的近红外积分球漫反射光谱特征和近红外光纤探头光谱特征，包括：
16、对样品的近红外一维谱图进行特征分析，以缺失率小于5％为指标，确定其共有峰，对特征峰进行归属，再对一维谱图进行一阶导数和二阶导数处理，并分析一阶导数谱图和二阶导数谱图波峰间差异的放大情况；同时以相关系数为指标，分别对三类谱图进行相似度分析，最后利用spss软件对共有峰处的吸光度值进行单因素方差分析，判断不同种绿绒蒿属植物之间是否存在差异。
17、在一些实施例中，所述方法还包括：
18、利用不同种绿绒蒿属植物样品的近红外一维谱图进行聚类分析，获取得到不同聚类类群。
19、在一些实施例中，所述基于近红外积分球漫反射光谱建立不同种绿绒蒿属植物样品的积分球漫反射光谱判别模型，包括：
20、最佳建模条件为dm+msc+d1+不平滑，建模波段为9881.46-4119.21cm-1。
21、在一些实施例中，所述基于近红外光纤探头光谱建立不同种绿绒蒿属植物样品的光纤探头光谱判别模型，包括：
22、最佳建模条件为：dm+snv+d1+不平滑，建模波段为9885.32-4364.12cm-1。
23、在一些实施例中，比较不同种绿绒蒿属植物样品的积分球漫反射光谱判别模型的预测效果，包括：
24、六种绿绒蒿植物的积分球漫反射光谱判别模型的判别准确度从高到低依次为五脉绿绒蒿＞全缘叶绿绒蒿＞总状绿绒蒿＞杂交绿绒蒿＞红花绿绒蒿＞多刺绿绒蒿；
25、所述比较不同种绿绒蒿属植物样品的光纤探头光谱判别模型的预测效果，包括：
26、六种绿绒蒿植物的光纤探头光谱判别模型的判别准确度从高到低依次为全缘叶绿绒蒿＞杂交绿绒蒿＞总状绿绒蒿＞五脉绿绒蒿＞红花绿绒蒿＞多刺绿绒蒿。
27、第二方面，提供一种不同种绿绒蒿属植物的近红外光谱快速鉴别系统，所述系统包括：
28、样品采集模块，用于采集不同种绿绒蒿属植物样品；
29、光谱采集模块，用于采集不同种绿绒蒿属植物样品的近红外积分球漫反射光谱，采集不同种绿绒蒿属植物样品的近红外光纤探头光谱；
30、光谱特征分析模块，用于分析不同种绿绒蒿属植物样品之间的近红外积分球漫反射光谱特征和近红外光纤探头光谱特征；
31、判别模型建立模块，用于基于近红外积分球漫反射光谱建立不同种绿绒蒿属植物样品的积分球漫反射光谱判别模型；基于近红外光纤探头光谱建立不同种绿绒蒿属植物样品的光纤探头光谱判别模型；
32、判别模型比较模块，用于比较不同种绿绒蒿属植物样品的积分球漫反射光谱判别模型的预测效果；比较不同种绿绒蒿属植物样品的光纤探头光谱判别模型的预测效果；
33、判别模型选定模块，用于比较积分球漫反射光谱判别模型和光纤探头光谱判别模型的预测效果，从中选定预测效果最好的判别模型。
34、需要进一步说明的是，上述各选项对应的技术特征在不冲突的情况下可以相互组合或替换构成新的技术方案。
35、与现有技术相比，本发明有益效果是：
36、本发明以六种常见绿绒蒿属植物为研究对象，利用近红外光谱技术结合多元化学计量学方法，开展不同种绿绒蒿属植物的物种判别研究，为绿绒蒿属植物的物种判别提供了新的研究思路和研究方法，可有效保障绿绒蒿属植物药材临床用药的安全性和有效性，同时有利于保证绿绒蒿药材在市场上的流通和监管，进一步降低药材判别的成本、缩短药材判别的时间，也为其他藏药材资源判别方法的研究提供借鉴和思考。
1.一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，其特征在于，所述不同种绿绒蒿属植物样品包括多刺绿绒蒿、红花绿绒蒿、总状绿绒蒿、杂交绿绒蒿、全缘叶绿绒蒿以及五脉绿绒蒿，所述杂交绿绒蒿为五脉绿绒蒿与红花绿绒蒿的杂交种。
3.根据权利要求1所述的一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，其特征在于，所述采集不同种绿绒蒿属植物样品的近红外积分球漫反射光谱，包括：
4.根据权利要求1所述的一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，其特征在于，所述采集不同种绿绒蒿属植物样品的近红外光纤探头光谱，包括：
5.根据权利要求1所述的一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，其特征在于，所述分析不同种绿绒蒿属植物样品之间的近红外积分球漫反射光谱特征和近红外光纤探头光谱特征，包括：
6.根据权利要求1所述的一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，其特征在于，所述基于近红外积分球漫反射光谱建立不同种绿绒蒿属植物样品的积分球漫反射光谱判别模型，包括：
8.根据权利要求1所述的一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，其特征在于，所述基于近红外光纤探头光谱建立不同种绿绒蒿属植物样品的光纤探头光谱判别模型，包括：
9.根据权利要求2所述的一种不同种绿绒蒿属植物的近红外光谱快速鉴别方法，其特征在于，比较不同种绿绒蒿属植物样品的积分球漫反射光谱判别模型的预测效果，包括：
10.一种不同种绿绒蒿属植物的近红外光谱快速鉴别系统，其特征在于，所述系统包括：
