Perilla frutescens L. 是屬于Lamiaceae科Perilla屬的一年生草本植物[28]，在中國是一種具有藥用和食用價值的植物。紫蘇葉片具有辛辣、溫熱的味道，并具有多種藥理活性，如抗菌[11]、抗炎[16]、降血糖[13][33]和抗氧化[3]作用。此外，紫蘇葉片可以減少魚腥味并提升食物風味，可以新鮮食用或作為烹飪調料使用。紫蘇葉片還被加工成調味油和醬料。隨著人們對生活質量要求的提高，農產品的質量受到了越來越多的關注。在影響農產品質量的因素中，產地起著重要作用。土壤環境、當地氣候、地形和水質等自然因素的地域差異會直接影響植物的生長發育，包括風味、顏色和口感等感官屬性。許多地理標志農產品，如泰國Hom Mali大米、法國波爾多紅酒、托斯卡納橄欖油和哈密蜜瓜，因其產地優勢而受到消費者的廣泛歡迎。因此，產地對農產品質量具有重要影響。盡管已有大量研究探討了紫蘇葉片中的黃酮類化合物[12][25][27]，但關于不同地理區域黃酮類化合物分布的系統研究仍然有限�，F代藥理學研究表明，紫蘇葉片品質的差異主要歸因于其豐富的黃酮類成分[9]。因此，保持紫蘇產品的穩定性對加工企業至關重要。那么，不同地區紫蘇葉片中黃酮類化合物的含量是否存在差異？紫蘇加工企業的一線工作人員如何能夠快速且低成本地測定其中各種黃酮類化合物的含量？解決這些問題對于確保紫蘇葉片質量的一致性至關重要。

黃酮類化合物的主要提取方法包括水-乙醇提取[5][6][13]、超聲提取[14]和微波輔助提取[29]等。目前，液相色譜-質譜（LC-MS）被廣泛用于食品中黃酮類化合物的分析，如大米[13]、艾草[5]和韃靼蕎麥[31]，因為它能夠實現黃酮類化合物的準確定性和定量[2]。然而，LC-MS耗時較長、成本較高且技術要求較高，不適合工業一線人員使用，也無法在從農民手中采購紫蘇葉片時立即應用。因此，開發一種快速且經濟高效的紫蘇葉片黃酮類化合物測定方法至關重要。對于現場檢測人員來說，該方法應易于操作，所需專業知識少、操作簡單且檢測時間短。

紫外-可見-近紅外（UV–Vis-NIR）光譜（200–1000 nm）具有快速、簡單和成本低廉的優勢，已成功應用于食品分析，如測定咖啡中的水分含量[15]和檢測牛奶和水牛奶中的甲醛摻假[20]。然而，紫蘇葉片中黃酮類化合物的UV–Vis-NIR光譜往往存在顯著的重疊，導致數據矩陣維度較高且變量眾多。因此，處理和解釋這些復雜的數據對于準確測定黃酮類化合物含量至關重要[1][26]。這些數據不僅包含豐富的化學信息，還包含背景信號、儀器噪聲和未知干擾的響應。此外，UV–Vis-NIR光譜獲得的數據是一維的，傳統方法僅限于單個化合物的定量檢測。由于多種成分的同時存在，光譜重疊現象普遍發生，使得單個成分的定量分析變得困難。近年來，UV–Vis-NIR光譜因其高靈敏度和低檢測限而成為一種有前景的分析方法。例如，結合偏最小二乘（PLS）算法的UV–Vis-NIR光譜已被用于分析昆布中的游離氨基酸含量[18]；同樣，將UV–Vis-NIR光譜與機器學習技術結合也有助于檢測多種類型的蜂蜜[1]。盡管如此，UV–Vis-NIR光譜在全面檢測黃酮類化合物含量方面的應用尚未得到充分發展。預計結合PLS、支持向量機（SVM）和人工神經網絡（ANN）等算法可以快速預測黃酮類化合物含量，通過捕捉復雜的光譜模式實現這一目標。然而，這些算法尚未在紫蘇葉片黃酮類化合物含量測定中進行過對比研究，這限制了UV–Vis-NIR光譜模型的實際應用。此外，利用UV–Vis-NIR光譜同時預測紫蘇葉片中的多種黃酮類化合物的方法也尚未得到充分探索。

本研究旨在開發一種經濟高效且快速的UV–Vis-NIR光譜方法，適用于一線工作人員快速預測紫蘇葉片中的黃酮類化合物含量。首先，利用LC-MS鑒定紫蘇葉片提取物中的14種黃酮類化合物；其次，使用光譜儀測量紫蘇葉片的UV–Vis-NIR光譜；最后，比較并選擇了多種光譜預處理方法（包括一階導數（FD）、二階導數（SD）、多重散射校正（MSC）和標準正態變量（SNV）。接著，比較了競爭性自適應加權采樣（CARS）、連續投影算法（SPA）、無信息變量消除（UVE）和變量組合群體分析（VCPA）等特征波長選擇方法。隨后利用選定的特征波長和LC-MS數據構建并比較了PLS、SVM和ANN模型。最終，所構建的預測模型能夠使一線工作人員快速且低成本地測定不同地區紫蘇葉片中的黃酮類化合物含量。

本研究利用LC-MS分析了來自不同地區的紫蘇葉片提取物中的黃酮類化合物含量，并應用了UV–Vis-NIR光譜技術，比較了多種預處理方法（包括FD、SD、SNV和MSC）。選擇金絲桃素作為目標化合物，并比較了CARS、SPA、UVE和VCPA等特征波長選擇算法。同時評估了PLS、SVM和ANN模型的優點和局限性。

魏全增：撰寫 – 審稿與編輯、項目管理、概念構思。于明煥：數據可視化。安淼怡：數據可視化。李瑞：初稿撰寫。

作者聲明沒有已知的財務利益或個人關系可能影響本文的研究結果。

本研究得到了河南省自然科學基金（項目編號252300421431）的資助。