醫(yī)藥行業(yè)
傳統(tǒng)中藥鑒別主要通過(guò)眼觀、手摸、鼻聞、口嘗、水試、火試等手段，根據(jù)經(jīng)驗(yàn)判斷藥材的真?zhèn)蝺?yōu)劣和大致產(chǎn)地，需要檢測(cè)人員擁有豐富的經(jīng)驗(yàn)，可靠性和重現(xiàn)性較低。隨著化學(xué)檢測(cè)技術(shù)的進(jìn)步，薄層色譜、液相色譜等能夠準(zhǔn)確檢測(cè)出樣本之間的差異，但前處理耗時(shí)費(fèi)力且檢測(cè)成本高，無(wú)法滿(mǎn)足工業(yè)化生產(chǎn)對(duì)甘草在線快速分選的要求。高光譜成像技術(shù)集成了光譜技術(shù)和機(jī)器視覺(jué)技術(shù)，能夠同時(shí)研究對(duì)象品質(zhì)屬性的光譜信息和圖像信息，是一種無(wú)污染、快速、無(wú)損、低成本的檢測(cè)技術(shù)。高光譜成像技術(shù)在中藥材領(lǐng)域應(yīng)用較少,本研究希望通過(guò)高光譜成像技術(shù)從可見(jiàn)-近紅外(VNIR)和短波紅外波段(SWIR)獲取甘草高光譜信息，利用光譜特征的差異反映藥材內(nèi)部物質(zhì)特性的差異7,同時(shí)融合圖像紋理信息，快速無(wú)損地實(shí)現(xiàn)鑒別不同產(chǎn)地的甘草。
1材料與方法
1.1藥材
實(shí)驗(yàn)用甘草藥材選自3個(gè)具有代表性的甘草產(chǎn)地，分別是內(nèi)蒙古,甘肅和新疆。將每批藥材選用30片按矩陣排列，54批次甘草藥材共可收集到1620個(gè)甘草樣品用于高光譜圖像分析。按照算法將樣本分成訓(xùn)練集和測(cè)試集，其中訓(xùn)練集1085個(gè)樣本，測(cè)試集535個(gè)樣本。
1.2儀器
本研究應(yīng)用的高光譜相機(jī)，可采用杭州彩譜科技有限公司產(chǎn)品FS-15進(jìn)行相關(guān)研究。短波近紅外高光譜相機(jī)，采集速度全譜段可達(dá)200FPS,被廣泛應(yīng)用于成分識(shí)別，物質(zhì)鑒別，機(jī)器視覺(jué)，農(nóng)產(chǎn)品品質(zhì)，屏幕檢測(cè)等領(lǐng)域。
1.3高光譜成像系統(tǒng)的圖像采集
為使采集到的圖像不變形失真，需對(duì)樣品和物鏡之間的距離、相機(jī)曝光時(shí)間和平臺(tái)移動(dòng)速度等參數(shù)進(jìn)行調(diào)整。為保持?jǐn)?shù)據(jù)集大小一致，確定VNIR范圍長(zhǎng)度為870像素，SWIR范圍長(zhǎng)度為1350像素。
2結(jié)果與分析
2.1 VNIR和SWIR的原始光譜曲線分析
可見(jiàn)-近紅外(VNIR)和短波紅外(SWIR)范圍內(nèi)的原始光譜見(jiàn)圖1,VNIR范圍內(nèi)898～1042 nm波段和SWIR范圍內(nèi)1600～1751 nm波段信噪比較低，因此，切去噪聲明顯的部分，選用VNIR前181個(gè)波段區(qū)間(435～898 nm)和SWIR前421個(gè)波段區(qū)間(898~1600 nm)的光譜進(jìn)行分析。
通過(guò)閾值分割、去除干擾背景之后，提取出甘草樣品的感興趣區(qū)域，收集54批甘草藥材中1620個(gè)樣品的VNIR和SWIR光譜，分析不同波段下1620條光譜曲線，其中內(nèi)蒙古630條，甘肅510條，新疆480條。對(duì)不同產(chǎn)地樣品的光譜曲線求平均光譜，得到不同產(chǎn)地甘草在VNIR和SWIR的平均光譜見(jiàn)圖2。從圖中看出新疆的甘草在VNIR和SWIR范圍內(nèi)都表現(xiàn)出較高的反射強(qiáng)度，在SWIR范圍內(nèi)蒙古和甘肅對(duì)應(yīng)的曲線具有相似的趨勢(shì)，僅在900～1050 nm和1500 nm之后分開(kāi)。從整體上看不同甘草產(chǎn)地樣品的光譜曲線趨勢(shì)相似，沒(méi)有十分明顯的差異。同時(shí)也發(fā)現(xiàn)在某些波段對(duì)應(yīng)反射率不同，代表其內(nèi)部的化學(xué)成分含量或物理性質(zhì)有差異，這可能是由于不同產(chǎn)地的土壤環(huán)境，光照條件和培育種植方法的不同而形成的。
3討論
傳統(tǒng)的藥材產(chǎn)地分類(lèi)方法無(wú)法實(shí)現(xiàn)快速在線監(jiān)控，需要借助光譜與化學(xué)計(jì)量學(xué)手段提升中藥過(guò)程控制，實(shí)現(xiàn)中藥質(zhì)量數(shù)字化。本文利用3個(gè)維度數(shù)據(jù)融合方法可以顯著提升分類(lèi)模型的準(zhǔn)確率，基于全波段的光譜和圖像融合可以達(dá)到最佳精度，SPA波段的全數(shù)據(jù)融合僅利用28個(gè)特征波長(zhǎng)便可達(dá)到全波段的分類(lèi)效果。隨著儀器精度的提升和數(shù)據(jù)處理算法進(jìn)一步優(yōu)化，高光譜成像技術(shù)在藥材產(chǎn)地分類(lèi)、基原鑒別和品質(zhì)分級(jí)等方面具有巨大潛力和廣闊前景。
