无损检测中药原药材的方法
【技术领域】
[0001] 本发明属于药材鉴别领域，具体涉及无损检测中药原药材真伪的方法。
【背景技术】
[0002] 冬虫夏草Cordyceps sinensis(Berkeley)Saccardo为麦角菌科真菌冬虫夏草菌 寄生在鳞翅目蝙蝠蛾科蝠蛾属(Hepialus)幼虫上形成的虫生子囊真菌，为麦角菌科虫草属 真菌冬虫夏草的子座及其寄主鳞翅目蝙蝠蛾科昆虫蝙蝠蛾的幼虫尸体的复合物，性甘平， 补肺益肾，止血化痰，用于久咳虚喘，劳咳咯血，阳痿遗精，腰膝酸痛，是我国传统的名贵中 药材。
[0003] 冬虫夏草生长环境特殊，主要分布于我国青藏高原海拔3000~5000米的高山草甸 和高山灌丛。青海、西藏、四川、甘肃和云南是冬虫夏草的主要产区，青海的产量和质量居各 省区之首，玉树、果洛等是青海冬虫夏草主产地。冬虫夏草目前尚不能进行人工培育，而野 生冬虫夏草的分布区域狭小，自然寄生率低，对环境条件要求苛刻，加之近年来的生态破坏 和掠夺式采挖，使冬虫夏草的产量逐年下降，价格不断攀升。因此，市场上存在严重的掺伪、 增重等造假现象。除了冬虫夏草之外，其他虫草属真菌寄生在昆虫体上形成的复合体也被 称为"虫草"，其中一些常被用作冬虫夏草的伪品，性状相似而难以区分。
[0004] 因此建立快速准确的中药原药材鉴别方法，对规范市场、保证药材质量具有非常 重要的意义。传统技术中的鉴定方法主要是依据中药的来源、品种形态、性状、显微特征、理 化鉴别、检查、含量测定等依靠经验或者精密仪器进行检验，尤其是显微特征、理化鉴别、检 查、含量测定等方法均需要消耗原材料，通过药材表面的特征很难进行鉴定。
[0005] 近年来，使用DNA分子标记的检测方式进行药材的检测与鉴别也常见报道。但是， 这种检测方式操作繁琐，试剂和检测费用较高，样品准备程序复杂，难以推广。
[0006] 最重要的是，目前的各种检测方法都需要消耗样品，故只能抽样检测，不可能做到 全部产品的检测，因此难以满足中药材产业的需要。
【发明内容】
[0007] 本发明要解决的技术问题是：提出一种无损检测中药原药材真伪的方法，解决传 统技术中检测方式存在操作繁琐、检测成本高、需要消耗样品的问题。
[0008] 本发明解决上述技术问题所采用的技术方案是:无损检测中药原药材的方法，包 括以下步骤：
[0009] 建立某种中药原药材PLS-DA预测模型，在进行该种类中药原药材鉴别时，将待检 测样品放置入高光谱反射图像采集系统中，利用所述高光谱反射图像采集系统采集所述待 检测样品的高光谱信息，并对采集的高光谱信息进行图像处理后输入已建立的该种类中药 原药材PLS-DA预测模型进行预测，根据预测输出值对该样品进行鉴别。
[0010] 具体的，在进行该种类中药原药材鉴别时，利用高光谱反射图像采集系统采集的 高光谱信息为待检测样品的像元光谱信息。
[0011] 具体的，所述建立某种中药原药材PLS-DA预测模型的步骤包括：
[0012] A1.选取该种类原药材样品分别经预处理后作为正样品集；
[0013] A2.选取易与该种类原药材混淆的样品分别经预处理后作为负样品集；
[0014] A3.分别将正样品集中的正样品和负样品集中的负样品放置入高光谱反射图像采 集系统中，利用所述高光谱反射图像采集系统采集样品的高光谱信息；
[0015] A4.对采集的高光谱信息进行图像处理后提取光谱特征，将提取的光谱特征录入 数据库；
[0016] A5.重复步骤A3-A4,直至完成正、负样品集中的所有样品的光谱特征的提取和录 入；
[0017] A6.随机选取一定数量样品的光谱特征建立PLS-DA预测模型。
[0018]具体的，在建立某种中药原药材PLS-DA预测模型时，步骤A3和A4中，所述高光谱反 射图像采集系统采集的样品高光谱信息为该样品的平均光谱信息。
[0019] 具体的，步骤A1中，选取全国不同产地的该种类原药材样品分别经预处理后作为 正样品集;步骤A2中，选取市面上多种易与该种类原药材混淆的样品分别经预处理后作为 负样品集。
[0020] 作为优选，所述中药原药材为冬虫夏草原草。
[0021] 步骤A1中，所述选取全国不同产地的该种类原药材样品具体包括:选自全国主产 区青海玉树、青海果洛、青海海南、青海海东、四川、西藏、甘肃、云南八个地区冬虫夏草样 品。
[0022] 步骤A2中，所述易与该种类原药材混淆的样品包括但不仅限于:麻脊背、蛹虫草、 亚香棒、凉山虫草和新疆虫草等。
[0023] 具体的，步骤A1和A2中，所述预处理是指依次经过干刷、清洗、40°C低温干燥。
[0024]具体的，步骤A4中，对采集的高光谱信息进行图像处理后按照正、负样品光谱方差 最大
[0025]化原则提取光谱特征。
[0026]具体的，步骤A6中，随机选取一定数量样品的光谱特征的方法是：
[0027]随机选取等比例的正、负样品的光谱特征。
[0028]具体的，所述根据预测输出值对该样品进行鉴别具体方法是:若该样品的某个像 元经过PLS-DA模型预测其输出值介于-1.5~0.45之间，则判定该像元为伪药材像元;若该 样品的某个像元经过PLS-DA模型预测其输出值介于0.55~1.5之间，则判定该像元为真药 材像元;若该样品的某个像元经过PLS-DA模型预测其输出值介于0.45~0.55之间，则判定 该像元为未知类别像元；
[0029]最后由系统分别自动统计真药材像元、伪药材像元、未知类别像元的个数并计算 在该样品总像元数中的比例，根据比例分布情况鉴别该样品的真伪。
[0030]所述根据比例分布情况鉴别该样品的真伪，具体方法是：
[0031 ]若真药材像元的个数在该样品总像元数中的比例2 60%，则判定该样品为真。
[0032]具体的，所述高光谱反射图像采集系统采用碲镉汞二维阵列检测器，光源为石英 卤素灯;光谱采集范围为短波红外波段940-2537nm，像素为320乂256，像素大小15(^111\150 ym，采用视场为50mm镜头；扫描方式为高速推扫式高光谱成像，推扫速度3mm/s，采集速度 lOOfpso
[0033] 具体的，利用所述高光谱反射图像采集系统采集该样品的高光谱信息，具体步骤 如下：
[0034] ①采集获得该样品(mXn)个像元在k个波段下的连续光谱曲线，每一波段对应的 光谱信号响应值为Ik，k=l，2~K;
[0035] ②利用标准白板标定图像的光强值，计算每幅图像在第k个波段下高光谱反射图 像的相对光强值1= 其中ζ为第k个波段下每个冬虫夏草高光谱反射图像的相 对强光值；Ik为第k个波段下每个冬虫夏草高光谱反射图像的光强值;Jf为第k个波段下标 准白板高光谱反射图像的光强值;Dk为第k个波段下采集的全黑标定图像光强值；
[0036] ③将计算出来的相对光强值经过A/D转换，转换为光谱曲线。
[0037] 具体的，所述对采集的高光谱信息进行图像处理后提取成份相关特征，具体包括： [0038]对采集各像元数据按光谱维分别进行均值中心化变换后，进行PCA变换，保留目标 对象所在像元光谱和位置信息，扣除无用的背景单元；
[0039]以每个样品为单元，计算获得每个样品的平均光谱，并对平均光谱构成的数据集 依次进行Savitsky-Golay平滑、标准正太变量校正、均值中心化处理和PCA变换，在保证累 积方差2 90%的情况下，取前N个主成分的特征信息。
[0040] 作为进一步优化，N=3。
[0041 ]具体的，所述扣除无用的背景单元的方法是：
[0042]人机交互式选择样品在PCA得分空间中的R0I像元，计算背景像元与样本像元之间 的欧式距离并显示为直方图形式，寻找能将背景和样本像元显著分离的阈值，删除无用的 背景单元。
[0043]本发明的有益效果是:本发明采用整根药材的平均光谱建立PLS-DA预测模型，预 测采用药材的各像元光谱作为输入，在完成预测的同时，完成保留了药材外形，表面结构特 征等空间位置信息。准确、直观、简便、快速地对药材进行鉴别。具有客观量化、结果准确、操 作简便、测试迅速、成本低廉等诸多优点。
【附图说明】
[0044]图1为【具体实施方式】中无损检测中药原药材真伪的方法流程图；
[0045]图2为实施例1中的果洛冬虫夏草PLS-DA预测图；
[0046]图3为实施例2中的伪草亚香棒PLS-DA预测图。
【具体实施方式】
[0047] 本发明旨在提出一种无损检测