川貝具有清熱潤肺，化痰止咳，散結消癰的功效。用于肺熱燥咳，干咳少痰，陰虛勞嗽，痰中帶血，瘰疬，乳癰，肺癰等，為臨床常用中藥，也是業內公認的較名貴中藥。對川貝母的傳統人工評價在一定時期起到過重要的作用，但隨著摻偽手段不斷翻新，評價工作日趨困難。川貝母藥典檢測結果雖精準可靠，但也存在復雜耗時的問題。故本文擬通過電子視覺技術探索建立一種新的質量評價方法，兼具上述 2 種方法的優點，快速、精準地實現川貝母藥材真偽及規格的鑒別。
方法與結果
辨識方法
傳統經驗辨識法( M1 )
聘請 8 位在中藥鑒定研究領域擁有豐富經驗的專家( 具有 15 年以上工作經驗且一直在醫藥行業從事中藥飲片檢驗、鑒定工作) ，參照 2015 年版《中國藥典》一部質量標準外觀性狀規定，將編號后的樣品隨機放置，由專家依據顏色、形狀、氣味、質地、口感等差異結合既往經驗進行鑒定，對川貝母的真偽及商品規格做出鑒定。最后，以評價專家人數是否≥3 /4 比例原則確定每個樣本的真偽及商品規格。
現代藥典辨識法( M2 )
外觀性狀鑒別、顯微鑒別、薄層鑒別均參照 2015 年版《中國藥典》一部川貝母鑒別檢查項下的方法。
電子眼辨識法( M3 )
利用電子眼對 80 批川貝母待測樣品進行檢測，提取其光學數據并借助化學計量學方法建立適宜的辨識模型，該模型以電子眼采集的 65 個色度信息值為自變量矩陣 X( 80×65) ，以 M1 和 M2 相結合的綜合結果作為標準因變量 Y，建立 X 和 Y 之間的關系 Y =M( X) 模型，基于該模型實現對未知樣品的辨識。
辨識結果
傳統經驗辨識
真偽鑒別 23，24，61～80 號樣本為偽品，42，43 號未判出，其余均為真品。商品規格鑒別 1～20 號為爐貝，21，22，25～40 號為松貝，41，44～60 號為青貝，61～78，80 號為平貝，79 號樣本專家評價結果分歧較大，且任一種結果都不滿足≥3 /4比例原則，因而被剔除，見表 1。
現代藥典辨識
外觀性狀不滿足的樣本有23，24，43～46，61～80 號; 顯微結果顯示樣本 71，74，78 號不含螺紋導管，其余均滿足藥典要求; 薄層結果顯示樣本 23，24 號中不含貝母素乙，61～80 號與平貝母對照藥材相對應的位置顯相同顏色的斑點; 80 個樣本貝母素甲、西貝母堿、貝母素乙 3 種生物堿總量均為 0～0. 05%，判別結果見表 2。
電子眼顏色信息值
本研究中 80 批川貝母待測樣品的光學數據為 65 種色號，經篩選后 65 種色號均是有效信息，均可參與建模。最終，電子眼光學數據為 80×65 的數據矩陣。
真偽模型模型的交互驗證
DA 辨識模型及交互驗證 80 個樣本的測試結果多元正態分布檢驗圖見圖 1，橫坐標為平方廣義距離，縱坐標為卡方上側分位數對應的檢驗值。樣本分布圖形略呈線性; 約 44%的距離小于卡方分布分位數表 0. 5 對應的檢驗值，說明檢驗值在卡方分布分位數表 0. 5 對應的檢驗值的下側分布略微集中。
DA 最優辨識模型參數為變量選擇 65 個，識別模式選擇線性。結果顯示 54 個正品中有 10 個被錯分為偽品，26 個偽品有 4 個被錯分為正品，模型整體正判率為 82. 5%。
LS-SVM 辨識模型及交互驗證
變量選擇65 個，函數選擇徑向基函數核。結果顯示 54 個正品分類全部正確，26 個偽品有 8 個被錯分為正品，模型整體正判率為 90. 0%。
PLS-DA 辨識模型及交互驗證
PLS-DA 最優辨識模型參數為變量選擇 4 個，識別模式選擇線性; 采用留一法交互驗證的模型內驗證方法，模型最優正判率為 96. 2%。各主成分貢獻百分比見圖 2，前 4 個主成分之和達 75%以上，可解釋原變量大部分信息。
PLS-DA 辨識結果顯示，54 個正品中有 1 個被錯判為偽品，26 個偽品有 2 個被錯判為正品，模型整體正判率為 96. 2%。
PCA-DA 辨識模型及交互驗證
變量選擇15 個，識 別 模 式 選 擇 線 性; 模 型 最 優 正 判 率 為93. 8%。各主成分貢獻百分比見圖 3，前 3 個主成分之和達 75%以上，可解釋原變量大部分信息。
PCA-DA 辨識結果顯示，54 個正品分類均正確，26個偽品有 5 個被錯分為正品，整體正判率為 93. 8%。
商品規格模型的交互驗證
DA 辨識模型及交互驗證
變量選擇 65 個，識別模式選擇線性，模型見圖 4。
結果顯示，20 個爐貝樣本中有 1 個被錯判成青貝，2 個被錯判成平貝; 18 個松貝樣本中有 1 個被錯判成平貝; 18 個青貝樣本中有 1 個被錯判成平貝; 19 個平貝樣本中有 3 個錯判成青貝; 不存在未分類的樣本，整體正判率為 89. 3%。
LS-SVM 辨識模型及交互驗證
變量選擇 65 個，函數選擇徑向基函數核。結果顯示，20 個爐貝樣本有 1 個被錯分為青貝，18 個松貝樣本分類全部正確，18 個青貝樣本有 2 個被錯分為平貝，19 個平貝樣本分類全部正確，模型整體正判率為 96. 0%。
PLS-DA 辨識模型及交互驗證
變量選擇 6 個，識別模式選擇線性; 模型最優正判率為 90. 7%。前 6 個主成分之和達 75%以上，可解釋原變量大部分信息，見圖 5。
結果顯示，20 個爐貝樣本中有 2 個未被分類; 18 個松貝樣本中有 1 個未被分類; 18 個青貝樣本中有 1 個未被分類; 19 個平貝樣本中有2 個未被分類; 其余分類均正確，模型整體正判率為 90. 7%。
PCA-DA 辨識模型及交互驗證
變量選擇14 個，識 別 模 式 選 擇 線 性; 模 型 最 優 正 判 率 為97. 3%。前 3 個主成分之和達 75%以上，可解釋原變量大部分信息，見圖 6。
結果顯示，20 個爐貝樣本分類均正確; 18 個松貝樣本分類均正確; 18 個青貝樣本中有 1 個被錯判成爐貝; 19 個平貝樣本中有 1 個錯判成爐貝; 不存在未分類的樣本，整體正判率為 97. 3%。
時效性及正判率的比較
通過比較，電子眼辨識與傳統經驗辨識正判率無顯著性差異; 電子眼辨識不如傳統經驗辨識快( P＜0. 01) ，但較藥典檢測快( P＜0. 01) ，見圖 7。
電子眼各色號( 變量) 對辨識模型的貢獻度
在只考慮變量信息本身、不考慮分類結果模型的情況下，65 個變量所攜帶變異信息( Wilkslamda) 的柱狀圖見圖 8，Wilkslamda 越小則表示變量攜帶變異信息越多。真偽辨識中 65 個變量在潛變量上的載荷圖，見圖 2，50 號變量在原點附近，說明該特征屬性的波動對于樣本之間的區別貢獻不大，其余64 個變量整體較為分散，說明這 64 個變量均攜帶有顯著的變異信息。商品規格辨識中 65 個變量在潛變量上的載荷圖見圖 6。
結論
真偽辨識模型的正判率從高到底依次為 PLS-DA＞PCA-DA＞LS-SVM＞DA，最終優選PLS-DA 模型用于川貝母的真偽辨識; 商品規格辨識模型的正判率從高到低依次為 PLS-DA＞PCA-DA＞LS-SVM＞DA，最終優選PCA-DA 模型用于川貝母的商品規格辨識。綜合比較，電子眼辨識正判率與傳統人工經驗鑒別無顯著性差異，電子眼辨識不如傳統經驗辨識快，但較藥典檢測時間極顯著縮短。總體而言，該技術能夠實現對中藥飲片質量相對快速、準確地辨識，為中藥飲片的質量評價提供了新思路、新技術，同時為構建中藥飲片質量快速辨識智能專家系統奠定了基礎。
來源：感官科學與評定 轉載請注明來源。
參考文獻：劉瑞新,郝小佳,張慧杰,張璐,桂新景,林兆洲,羅崇念,田亮玉,王艷麗,馮文豪,姚靜,李學林.基于電子眼技術的中藥川貝母真偽及規格的快速辨識研究[J].中國中藥雜志,2020,45(14):3441-3451.轉載請注明來源。
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應該在缺乏具體的專業建議的情況下，擅自根據文章內容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權或不愿我平臺發布，請聯系處理。
方法與結果
辨識方法
傳統經驗辨識法( M1 )
聘請 8 位在中藥鑒定研究領域擁有豐富經驗的專家( 具有 15 年以上工作經驗且一直在醫藥行業從事中藥飲片檢驗、鑒定工作) ，參照 2015 年版《中國藥典》一部質量標準外觀性狀規定，將編號后的樣品隨機放置，由專家依據顏色、形狀、氣味、質地、口感等差異結合既往經驗進行鑒定，對川貝母的真偽及商品規格做出鑒定。最后，以評價專家人數是否≥3 /4 比例原則確定每個樣本的真偽及商品規格。
現代藥典辨識法( M2 )
外觀性狀鑒別、顯微鑒別、薄層鑒別均參照 2015 年版《中國藥典》一部川貝母鑒別檢查項下的方法。
電子眼辨識法( M3 )
利用電子眼對 80 批川貝母待測樣品進行檢測，提取其光學數據并借助化學計量學方法建立適宜的辨識模型，該模型以電子眼采集的 65 個色度信息值為自變量矩陣 X( 80×65) ，以 M1 和 M2 相結合的綜合結果作為標準因變量 Y，建立 X 和 Y 之間的關系 Y =M( X) 模型，基于該模型實現對未知樣品的辨識。
辨識結果
傳統經驗辨識
真偽鑒別 23，24，61～80 號樣本為偽品，42，43 號未判出，其余均為真品。商品規格鑒別 1～20 號為爐貝，21，22，25～40 號為松貝，41，44～60 號為青貝，61～78，80 號為平貝，79 號樣本專家評價結果分歧較大，且任一種結果都不滿足≥3 /4比例原則，因而被剔除，見表 1。
外觀性狀不滿足的樣本有23，24，43～46，61～80 號; 顯微結果顯示樣本 71，74，78 號不含螺紋導管，其余均滿足藥典要求; 薄層結果顯示樣本 23，24 號中不含貝母素乙，61～80 號與平貝母對照藥材相對應的位置顯相同顏色的斑點; 80 個樣本貝母素甲、西貝母堿、貝母素乙 3 種生物堿總量均為 0～0. 05%，判別結果見表 2。
本研究中 80 批川貝母待測樣品的光學數據為 65 種色號，經篩選后 65 種色號均是有效信息，均可參與建模。最終，電子眼光學數據為 80×65 的數據矩陣。
真偽模型模型的交互驗證
DA 辨識模型及交互驗證 80 個樣本的測試結果多元正態分布檢驗圖見圖 1，橫坐標為平方廣義距離，縱坐標為卡方上側分位數對應的檢驗值。樣本分布圖形略呈線性; 約 44%的距離小于卡方分布分位數表 0. 5 對應的檢驗值，說明檢驗值在卡方分布分位數表 0. 5 對應的檢驗值的下側分布略微集中。
LS-SVM 辨識模型及交互驗證
變量選擇65 個，函數選擇徑向基函數核。結果顯示 54 個正品分類全部正確，26 個偽品有 8 個被錯分為正品，模型整體正判率為 90. 0%。
PLS-DA 辨識模型及交互驗證
PLS-DA 最優辨識模型參數為變量選擇 4 個，識別模式選擇線性; 采用留一法交互驗證的模型內驗證方法，模型最優正判率為 96. 2%。各主成分貢獻百分比見圖 2，前 4 個主成分之和達 75%以上，可解釋原變量大部分信息。
PCA-DA 辨識模型及交互驗證
變量選擇15 個，識 別 模 式 選 擇 線 性; 模 型 最 優 正 判 率 為93. 8%。各主成分貢獻百分比見圖 3，前 3 個主成分之和達 75%以上，可解釋原變量大部分信息。
商品規格模型的交互驗證
DA 辨識模型及交互驗證
變量選擇 65 個，識別模式選擇線性，模型見圖 4。
LS-SVM 辨識模型及交互驗證
變量選擇 65 個，函數選擇徑向基函數核。結果顯示，20 個爐貝樣本有 1 個被錯分為青貝，18 個松貝樣本分類全部正確，18 個青貝樣本有 2 個被錯分為平貝，19 個平貝樣本分類全部正確，模型整體正判率為 96. 0%。
PLS-DA 辨識模型及交互驗證
變量選擇 6 個，識別模式選擇線性; 模型最優正判率為 90. 7%。前 6 個主成分之和達 75%以上，可解釋原變量大部分信息，見圖 5。
PCA-DA 辨識模型及交互驗證
變量選擇14 個，識 別 模 式 選 擇 線 性; 模 型 最 優 正 判 率 為97. 3%。前 3 個主成分之和達 75%以上，可解釋原變量大部分信息，見圖 6。
結果顯示，20 個爐貝樣本分類均正確; 18 個松貝樣本分類均正確; 18 個青貝樣本中有 1 個被錯判成爐貝; 19 個平貝樣本中有 1 個錯判成爐貝; 不存在未分類的樣本，整體正判率為 97. 3%。
時效性及正判率的比較
通過比較，電子眼辨識與傳統經驗辨識正判率無顯著性差異; 電子眼辨識不如傳統經驗辨識快( P＜0. 01) ，但較藥典檢測快( P＜0. 01) ，見圖 7。
在只考慮變量信息本身、不考慮分類結果模型的情況下，65 個變量所攜帶變異信息( Wilkslamda) 的柱狀圖見圖 8，Wilkslamda 越小則表示變量攜帶變異信息越多。真偽辨識中 65 個變量在潛變量上的載荷圖，見圖 2，50 號變量在原點附近，說明該特征屬性的波動對于樣本之間的區別貢獻不大，其余64 個變量整體較為分散，說明這 64 個變量均攜帶有顯著的變異信息。商品規格辨識中 65 個變量在潛變量上的載荷圖見圖 6。
真偽辨識模型的正判率從高到底依次為 PLS-DA＞PCA-DA＞LS-SVM＞DA，最終優選PLS-DA 模型用于川貝母的真偽辨識; 商品規格辨識模型的正判率從高到低依次為 PLS-DA＞PCA-DA＞LS-SVM＞DA，最終優選PCA-DA 模型用于川貝母的商品規格辨識。綜合比較，電子眼辨識正判率與傳統人工經驗鑒別無顯著性差異，電子眼辨識不如傳統經驗辨識快，但較藥典檢測時間極顯著縮短。總體而言，該技術能夠實現對中藥飲片質量相對快速、準確地辨識，為中藥飲片的質量評價提供了新思路、新技術，同時為構建中藥飲片質量快速辨識智能專家系統奠定了基礎。
來源：感官科學與評定 轉載請注明來源。
參考文獻：劉瑞新,郝小佳,張慧杰,張璐,桂新景,林兆洲,羅崇念,田亮玉,王艷麗,馮文豪,姚靜,李學林.基于電子眼技術的中藥川貝母真偽及規格的快速辨識研究[J].中國中藥雜志,2020,45(14):3441-3451.轉載請注明來源。
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應該在缺乏具體的專業建議的情況下，擅自根據文章內容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權或不愿我平臺發布，請聯系處理。
