SN/T 5727.2-2025 出口林下三七检验规程 第2部分：林下三七鉴别 近红外光谱法

　　ICS 67.050 CCS X 04

　　中华人民共和国出入境检验检疫行业标准

　　SN/T 5727.2—2025

　　出口林下三七检验规程

　　第2部分：林下三七鉴别 近红外光谱法

　　Rules for the inspection of panax notoginseng cultivated in forest for export —

　　Part 2: Identification of panax notoginseng cultivated in forest for export —

　　Near infrared spectroscopy method

　　2025-12-11发布 2026-07-01实施

　　中华人民共和国海关总署 发 布

　　前 言

　　本文件按照GB/T 1.1—2020《标准化工作导则第 1部分：标准化文件的结构和起草规则》的规定起草。

　　本文件是SN/T 5727—2025《出口林下三七检验规程》的第2部分。SN/T 5727—2025 已经发布了以下部分：

　　——第 1部分：总则;

　　——第2部分：林下三七鉴别 近红外光谱法;

　　——第3部分：三七成分鉴别方法 实时荧光PCR方法;

　　——第4部分：稳定氮同位素比值(15N/14N)测定 同位素比质谱法;

　　——第5部分：5种皂苷的测定 高效液相色谱法;

　　——第6部分：三七素的测定 高效液相色谱法;

　　——第7部分：D-无水葡萄糖、半乳糖、阿拉伯糖、D-半乳糖醛酸的测定 液相色谱法;

　　——第8部分：多元素的测定 电感耦合等离子体质谱法;

　　——第9部分：有机磷、有机氯、拟除虫菊酯类农药多残留的测定 气相色谱-质谱/质谱法。

　　请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

　　本文件由中华人民共和国海关总署提出并归口。

　　本文件起草单位：天津海关工业产品安全技术中心、天津师范大学、云南农业大学、中华人民共和国昆明海关、西南林业大学、大连民族大学、通标标准技术服务有限公司。

　　本文件主要起草人：肖亚兵、刘伟、季超、郑文杰、赵良娟、刘旸、关鼎儒、何霞红、朱书生、马兴、曹际娟、张芹、伍志强、段胜男、朱有勇。

　　I

　　引 言

　　SN/T 5727—2025《出口林下三七检验规程》旨在建立适用于林下三七成分特征和质量安全检测方法，拟由9个部分构成(各部分之间关系如图 1所示)。

　　——第 1部分：总则;目的在于确定适用于出口林下三七的贮藏要求、抽样、检验、结果判定、不合格货物处置和存查样品的要求。

　　——第2部分：林下三七鉴别 近红外光谱法;目的在于确定适用于林下三七与农田三七的快速鉴别方法。

　　——第3部分：三七成分鉴别方法 实时荧光PCR方法;目的在于确定适用于药食同源植物林下三七中三七成分的定性检测方法。

　　——第4部分：稳定氮同位素比值( 15N/14N)测定 同位素比质谱法;目的在于确定适用于三七中的稳定氮同位素比值(15N/14N)的测定方法。

　　——第5部分：5种皂苷的测定 高效液相色谱法;目的在于确定适用于林下三七中的5种皂苷Rb1、Rb3、Re、Rg1 和 R1 的测定方法。

　　——第6部分：三七素的测定 高效液相色谱法;目的在于确定适用于林下三七中的三七素的测定方法。

　　——第7部分：D-无水葡萄糖、半乳糖、阿拉伯糖、D-半乳糖醛酸的测定 液相色谱法;目的在于确定适用于林下三七中多糖组分 D-无水葡萄糖、半乳糖、阿拉伯糖、D-半乳糖醛酸的测定方法。

　　——第8部分：多元素的测定 电感耦合等离子体质谱法;目的在于确定适用于林下三七中硼(B)、钠(Na)、镁(Mg)、铍(Be)、铝(Al)、钾(K)、钙(Ca)、钛(Ti)、钒(V)、铬(Cr)、锰(Mn)、铁(Fe)、钴(Co)、铯(Cs)、镍(Ni)、铜(Cu)、锌(Zn)、砷(As)、硒(Se)、锶(Sr)、钼(Mo)、镉(Cd)、锡(Sn)、锑(Sb)、钍(Th)、钡(Ba)、汞(Hg)、铊(TI)、铀(U)、铅(Pb)的测定方法。

　　——第9部分：有机磷、有机氯、拟除虫菊酯类农药多残留的测定 气相色谱 -质谱/质谱法;目的在于确定适用于三七中 115种有机磷、有机氯及拟除虫菊酯农药及相关化学品的定性鉴别及定量测定方法。

　　II

　　林下三七鉴别 近红外光谱法

　　鉴别试验

　　三七成分鉴别方法 实时荧光PCR方法

　　稳定氮同位素比值

　　(15N/14N)测定 同位素比质谱法

　　5种皂苷的测定 高效液相色谱法

　　总则

　　成分测定

　　三七素的测定 高效液相色谱法

　　D-无水葡萄糖、半乳糖、阿拉伯糖、 D-半乳糖醛酸的测定 液相色谱法

　　多元素的测定 电感耦合等离子体质谱法

　　安全检测

　　有机磷、有机氯、拟除虫菊酯类农药多残留的测定 气相色谱-质谱/质谱法

　　图 1 SN/T 5727—2025各部分之间关系

　　III

　　出口林下三七检验规程

　　第2部分：林下三七鉴别 近红外光谱法

　　1 范围

　　本文件规定了林下三七的近红外光谱鉴别方法。

　　本文件适用于林下三七与农田三七的快速鉴别。

　　2 规范性引用文件

　　下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件;不注日期的引用文件，其最新版本(包括所有的修改单)适用于本文件。

　　GB/T 37969 近红外光谱定性分析通则

　　SN/T 5727.1 出口林下三七检验规程 第 1部分：总则

　　3 术语、定义和缩略语

　　3.1 术语和定义

　　SN/T 5727.1界定的以及下列术语和定义适用于本文件。

　　3.1.1

　　定标模型 calibration model

　　利用化学计量学方法建立的样品近红外光谱与对应化学标准值之间关系的数学模型。

　　3.1.2

　　样品集 sample set

　　具有代表性的、基本覆盖相关组分含量范围的样品集合。

　　3.1.3

　　训练集 training test

　　训练样品的集合。

　　3.1.4

　　验证集 validation samples

　　验证样品的集合。

　　1

　　3.1.5

　　类 class

　　对特征、组成或性质赋予样品的一种属性。

　　3.1.6

　　识别率 recognition rate

　　采用类模型判别出来的正确样品数占本类训练样品总数计算的百分比，在定性分析中用来评价类模型的理论判别能力。

　　3.1.7

　　模式识别方法 pattern recognition method

　　计算机学习(亦称训练)的相关方法。

　　3.2 缩略语

　　下列缩略语适用于本文件。

　　MSC：多元散射校正(multiplicative scatter correction)

　　PLS-DA：偏最小二乘回归分析(partial least squares - discriminant analysis)

　　SNV：标准正态变量(standard normal variate)

　　4 原理

　　样品的近红外光谱与物质本身的化学组成及含量相关，包含丰富的化学组成与结构信息，样品的化学组成、物质结构及含量决定样品的属性、特征。将样品的近红外光谱作为变量，采用PLS-DA模式识别方法，利用三七中C-H、N-H、O-H、C-O等化学键振动的倍频或合频的特征吸收，结合化学计量学方法建立林下三七和农田三七近红外光谱的判别模型，然后将模型应用于待测样品的近红外光谱，通过计算确定该样品的类属和特征。

　　5 仪器设备

　　5.1 近红外光谱仪：傅里叶变换近红外光谱仪，扫描范围4 000 cm-1 ～10 000 cm-1，配有积分球固体采样或光纤探头，附带具有采集、分析和处理光谱数据的软件。

　　5.2 分析天平：感量为0.001 g。

　　5.3 粉碎机。

　　5.4 球磨仪。

　　5.5 标准网筛：孔径大小为 180 μm。

　　6 化学计量学软件

　　应使用与近红外光谱仪匹配的化学计量学软件，且具备以下基本的数据处理方法及功能：

　　a) 样品相关信息和光谱数据的录入、存取、数据格式转换与编辑;

　　b) 均值中心化、标准化、MSC、SNV、微分和平滑等数据预处理及处理结果的浏览、列表和可视化;

　　c) K-S算法和PLS-DA分类方法及分析结果浏览、列表和可视化;

　　2

　　d) 异样样品的统计识别和删除;

　　e) 模型自动交互验证及验证统计结果的浏览、列表和可视化;

　　f) 测定结果的浏览、列表和输出。

　　7 样品的处理

　　三七样品经粉碎机粉碎成粗粉，后经球磨仪研磨成细粉，过筛(孔径 180 μm)，密封，置于干燥器中保存。

　　8 样品测试

　　8.1 近红外光谱测试条件

　　参数的设定：

　　a) 分辨率：8 cm-1 ;

　　b) 扫描信号次数：32 次;

　　c) 扫描范围：10 000 cm-1 ～4 000 cm-1 。

　　8.2 近红外光谱测定

　　分别取林下三七粉和农田三七粉300 mg置于样品池中，使用积分球漫反射固体采样模块，参数设置见8.1，并进行自动优化增益，记录测定数据。

　　9 判别分析模型

　　9.1 训练集和验证集

　　运用K-S算法按7∶3 的比例将林下三七近红外光谱分为林下三七训练集和林下三七验证集，将农田三七近红外光谱分为农田三七训练集和农田三七验证集。所需验证样品的数量见GB/T 37969，取决于类模型的复杂性，如果类模型使用的主成分数A ≤ 5，需要的验证样品数不能少于20;如果类模型使用的主成分数A ≥ 5，则所需要的验证样品数应不少于4A。

　　9.2 判别分析模型

　　选择PLS-DA方法建立判别分析模型，“林下三七”和“农田三七”作为类别名，赋予“林下三七”样本的分类变量值为“1”，赋予“农田三七”样本的分类变量值为“0”，导入林下三七和农田三七近红外光谱(8.2)，光谱处理范围选择为 4 000 cm-1 ～10 000 cm-1 ，通过对不同预处理方法的组合进行模型的建立，通过选择较低的预测均方差和较高的相关系数来确定最佳预处理方法。软件自动完成建模并生成结果。若待测样品进行检测时，模型输出结果为“1”，则判定为被检样品为林下三七;若待测样品进行检测时，模型输出结果为“0”，则判定为被检样品为农田三七，实例见附录A。

　　10 光谱数据的预处理

　　10.1 在实际建模过程中，可独立或联合应用不同的数据预处理方法(中心化、归一化等)和降噪处理方法处理光谱数据，增强光谱之间的可比性和降低噪声干扰，以达到建模效果。

　　10.2 降噪处理方法包括但不限于平滑、微分、MSC和SNV等。微分可降低光谱基线变化的不利影响，

　　3

　　但同时也会降低光谱的信噪比;平滑可提高信噪比，但也会降低分辨率;MSC或SNV可降低固体颗粒散射作用的影响。应根据样品近红外光谱的实际情况，通过化学计量学软件上的窗口选择添加功能来实现，对比应用不同的数据预处理和降噪处理方法后的效果，挑选出较优结果的光谱数据预处理方法，在建立模型中使用。

　　10.3 处理训练样品光谱、验证样品光谱及待测样品光谱时，应采用包含参数在内皆相同的数据预处理方法。

　　11 模型评价

　　通过验证集和实际样品评价分析模型，根据软件拟合确定定性分析模型正确识别率应大于或等于85%。

　　12 异常样品的确认和处理

　　12.1 异常样品的确认

　　12.1.1 形成异常测定结果的原因，可能来自以下几个方面：

　　a) 采用了错误的定标模型;

　　b) 光谱扫描过程中样品发生了位移;

　　c) 样品中杂质过多。

　　12.1.2 应对造成测定结果异常的原因进行分析和排除，再进行第二次近红外测定，如仍出现报警，则确认为异常样品。

　　12.2 异常样品的处理

　　将异常样品的情况报仪器生产商，以利于今后对定标模型进行升级。

　　13 测试报告

　　测试报告应包含但不限于以下内容：

　　a) 本文件编号;

　　b) 测试样品的标识，如样品名称和批号;

　　c) 测量结果;

　　d) 测量者、审核者、测试日期;

　　e) 所使用仪器信息;

　　f) 送样单位;

　　g) 测量单位;

　　h) 附加信息，如对于本报告中给出方法的调整。

　　如有特殊需要，双方协商解决。

　　4

　　附 录 A

　　(资料性)

　　林下三七定性模型建立实例

　　A.1 样品的选择与制备

　　选取具有代表性的林下三七粉样品、农田三七粉样品至少各 100份。

　　A.2 光谱图的收集

　　参见8.2进行光谱图收集。

　　A.3 定性分析模型

　　参见9.2进行判别分析模型构建。

　　5