医药行业
传统中药鉴别主要通过眼观、手摸、鼻闻、口尝、水试、火试等手段，根据经验判断药材的真伪优劣和大致产地，需要检测人员拥有丰富的经验，可靠性和重现性较低。随着化学检测技术的进步，薄层色谱、液相色谱等能够准确检测出样本之间的差异，但前处理耗时费力且检测成本高，无法满足工业化生产对甘草在线快速分选的要求。高光谱成像技术集成了光谱技术和机器视觉技术，能够同时研究对象品质属性的光谱信息和图像信息，是一种无污染、快速、无损、低成本的检测技术。高光谱成像技术在中药材领域应用较少,本研究希望通过高光谱成像技术从可见-近红外(VNIR)和短波红外波段(SWIR)获取甘草高光谱信息，利用光谱特征的差异反映药材内部物质特性的差异7,同时融合图像纹理信息，快速无损地实现鉴别不同产地的甘草。
1材料与方法
1.1药材
实验用甘草药材选自3个具有代表性的甘草产地，分别是内蒙古,甘肃和新疆。将每批药材选用30片按矩阵排列，54批次甘草药材共可收集到1620个甘草样品用于高光谱图像分析。按照算法将样本分成训练集和测试集，其中训练集1085个样本，测试集535个样本。
1.2仪器
本研究应用的高光谱相机，可采用杭州彩谱科技有限公司产品FS-15进行相关研究。短波近红外高光谱相机，采集速度全谱段可达200FPS,被广泛应用于成分识别，物质鉴别，机器视觉，农产品品质，屏幕检测等领域。
1.3高光谱成像系统的图像采集
为使采集到的图像不变形失真，需对样品和物镜之间的距离、相机曝光时间和平台移动速度等参数进行调整。为保持数据集大小一致，确定VNIR范围长度为870像素，SWIR范围长度为1350像素。
2结果与分析
2.1 VNIR和SWIR的原始光谱曲线分析
可见-近红外(VNIR)和短波红外(SWIR)范围内的原始光谱见图1,VNIR范围内898～1042 nm波段和SWIR范围内1600～1751 nm波段信噪比较低，因此，切去噪声明显的部分，选用VNIR前181个波段区间(435～898 nm)和SWIR前421个波段区间(898~1600 nm)的光谱进行分析。
通过阈值分割、去除干扰背景之后，提取出甘草样品的感兴趣区域，收集54批甘草药材中1620个样品的VNIR和SWIR光谱，分析不同波段下1620条光谱曲线，其中内蒙古630条，甘肃510条，新疆480条。对不同产地样品的光谱曲线求平均光谱，得到不同产地甘草在VNIR和SWIR的平均光谱见图2。从图中看出新疆的甘草在VNIR和SWIR范围内都表现出较高的反射强度，在SWIR范围内蒙古和甘肃对应的曲线具有相似的趋势，仅在900～1050 nm和1500 nm之后分开。从整体上看不同甘草产地样品的光谱曲线趋势相似，没有十分明显的差异。同时也发现在某些波段对应反射率不同，代表其内部的化学成分含量或物理性质有差异，这可能是由于不同产地的土壤环境，光照条件和培育种植方法的不同而形成的。
3讨论
传统的药材产地分类方法无法实现快速在线监控，需要借助光谱与化学计量学手段提升中药过程控制，实现中药质量数字化。本文利用3个维度数据融合方法可以显著提升分类模型的准确率，基于全波段的光谱和图像融合可以达到最佳精度，SPA波段的全数据融合仅利用28个特征波长便可达到全波段的分类效果。随着仪器精度的提升和数据处理算法进一步优化，高光谱成像技术在药材产地分类、基原鉴别和品质分级等方面具有巨大潜力和广阔前景。
