醫(yī)藥行業(yè)
傳統(tǒng)中藥鑒別主要通過眼觀、手摸、鼻聞、口嘗、水試、火試等手段，根據(jù)經驗判斷藥材的真?zhèn)蝺?yōu)劣和大致產地，需要檢測人員擁有豐富的經驗，可靠性和重現(xiàn)性較低。隨著化學檢測技術的進步，薄層色譜、液相色譜等能夠準確檢測出樣本之間的差異，但前處理耗時費力且檢測成本高，無法滿足工業(yè)化生產對甘草在線快速分選的要求。高光譜成像技術集成了光譜技術和機器視覺技術，能夠同時研究對象品質屬性的光譜信息和圖像信息，是一種無污染、快速、無損、低成本的檢測技術。高光譜成像技術在中藥材領域應用較少,本研究希望通過高光譜成像技術從可見-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部物質特性的差異7,同時融合圖像紋理信息，快速無損地實現(xiàn)鑒別不同產地的甘草。
1材料與方法
1.1藥材
實驗用甘草藥材選自3個具有代表性的甘草產地，分別是內蒙古,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個甘草樣品用于高光譜圖像分析。按照算法將樣本分成訓練集和測試集，其中訓練集1085個樣本，測試集535個樣本。
1.2儀器
本研究應用的高光譜相機，可采用杭州彩譜科技有限公司產品FS-15進行相關研究。短波近紅外高光譜相機，采集速度全譜段可達200FPS,被廣泛應用于成分識別，物質鑒別，機器視覺，農產品品質，屏幕檢測等領域。
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，需對樣品和物鏡之間的距離、相機曝光時間和平臺移動速度等參數(shù)進行調整。為保持數(shù)據(jù)集大小一致，確定VNIR范圍長度為870像素，SWIR范圍長度為1350像素。
2結果與分析
2.1 VNIR和SWIR的原始光譜曲線分析
可見-近紅外(VNIR)和短波紅外(SWIR)范圍內的原始光譜見圖1,VNIR范圍內898～1042 nm波段和SWIR范圍內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個波段區(qū)間(435～898 nm)和SWIR前421個波段區(qū)間(898~1600 nm)的光譜進行分析。
通過閾值分割、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個樣品的VNIR和SWIR光譜，分析不同波段下1620條光譜曲線，其中內蒙古630條，甘肅510條，新疆480條。對不同產地樣品的光譜曲線求平均光譜，得到不同產地甘草在VNIR和SWIR的平均光譜見圖2。從圖中看出新疆的甘草在VNIR和SWIR范圍內都表現(xiàn)出較高的反射強度，在SWIR范圍內蒙古和甘肅對應的曲線具有相似的趨勢，僅在900～1050 nm和1500 nm之后分開。從整體上看不同甘草產地樣品的光譜曲線趨勢相似，沒有十分明顯的差異。同時也發(fā)現(xiàn)在某些波段對應反射率不同，代表其內部的化學成分含量或物理性質有差異，這可能是由于不同產地的土壤環(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)的藥材產地分類方法無法實現(xiàn)快速在線監(jiān)控，需要借助光譜與化學計量學手段提升中藥過程控制，實現(xiàn)中藥質量數(shù)字化。本文利用3個維度數(shù)據(jù)融合方法可以顯著提升分類模型的準確率，基于全波段的光譜和圖像融合可以達到最佳精度，SPA波段的全數(shù)據(jù)融合僅利用28個特征波長便可達到全波段的分類效果。隨著儀器精度的提升和數(shù)據(jù)處理算法進一步優(yōu)化，高光譜成像技術在藥材產地分類、基原鑒別和品質分級等方面具有巨大潛力和廣闊前景。
