CN110307871A

CN110307871A - 一种采用电子感官融合快速检测中药饮片质量的方法

Info

Publication number: CN110307871A
Application number: CN201910625621.1A
Authority: CN
Inventors: 刘瑞新; 李学林; 桂新景; 张慧杰; 田亮玉; 王艳丽; 冯文豪; 李媛媛; 陈天朝; 姚静; 张璐; 施钧瀚
Original assignee: First Affiliated Hospital of Henan University of TCM
Current assignee: First Affiliated Hospital of Henan University of TCM
Priority date: 2019-07-11
Filing date: 2019-07-11
Publication date: 2019-10-08
Anticipated expiration: 2039-07-11
Also published as: CN110307871B

Abstract

一种采用电子感官融合快速检测中药饮片质量的方法，由数据采集系统、数据融合系统和模式识别系统构成，数据采集系统包括电子感官触觉系统、电子感官视觉系统、电子感官嗅觉系统和电子感官味觉系统，电子感官触觉系统和电子感官视觉系统测饮片的硬度、脆性、粉性、纤维性等物理特性，电子感官视觉系统测饮片的外观和光学信号数据，电子感官嗅觉系统和电子感官味觉系统分别测得样品的气和味数据，测得的数据传输到数据融合系统进行数据转换融合，然后进入到模式识别系统匹配到相应的子模型，最后输出饮片的质量检测结果，测试准确，有效解决饮片的真伪、基源、产地、等级等检测问题，保证临床用药，具有很强的实际应用价值，经济和社会效益显著。

Description

一种采用电子感官融合快速检测中药饮片质量的方法

技术领域

本发明涉及医药，特别是一种采用电子感官融合快速检测中药饮片质量的方法。

背景技术

传统的中药饮片质量评价及真伪鉴别主要是从饮片的性状、颜色、大小、气味、质地等入手，基于老药工眼看、手试、鼻闻及口尝等方式快速获取饮片的各类感官信息，结合其丰富的经验和大脑的综合评判，最终给出质量评价结果。这种方式快速、简便，在现代分析技术出现之前，发挥了很大的作用，但该法往往主观性强，且难以量化，技术也难以传承。

现代中药饮片的质量检测方法，多采用高效液相色谱法、气相色谱法、紫外可见分光光度法、液质联用等技术对中药有效成分进行检测，以此鉴别真伪和划分优劣。这类方法相对精细，通过定量数据对质量信息进行表征，重复性也较好，但是该类技术也有不足之处，如样品需要经过粉碎、提取、分离、纯化、分析等多种工序，操作繁琐、耗时较长，且有很多方法并非专属性方法，不适于中药的多成分和复杂性特点。

那么，有没有一种方法，可以集上述两种方法的优势，即不仅操作简便、检测快速，而且定量表述、结果准确？经检索，未有相关的公开报导。

发明内容

针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供一种采用电子感官融合快速检测中药饮片质量的方法，可对中药饮片的真伪、优劣、基源、产地等进行快速检测，有效地解决人工鉴别的主观性强、可重复性差和现代精密仪器分析方法检测耗时费力的问题。

为实现上述目的，本发明解决的技术方案是，一种采用电子感官融合快速检测中药饮片质量的方法，包括以下步骤：

(1)数据采集，将经过或不经过前处理的中药待测饮片，分别放置于质构仪、电子眼、电子鼻和电子舌的四个样品池内，分别采集中药饮片的电子触觉数据、电子视觉数据、电子嗅觉数据和电子味觉数据；

(2)数据融合，将上述采集到的四类电子感官数据传输到数据融合系统，进行整合转换，得到一个1行w列的数据矩阵，称为融合数据x_i；

(3)找到对应的子模型，将融合后的数据x_i传输到模式识别系统，在模式识别系统包含若干种饮片的子模型Y_i＝f(X_i)构成的总模型库，将融合数据x_i匹配到该饮片对应的子模型：真伪模型、等级模型、产地模型和基源模型；总模型库内的所有子模型均为事先建好的、经过验证的、具有良好预测性能的质量检测模型，子模型的构建方法为：

①收集n批一味中药，包含正品和伪品；

②采集n批饮片的四类电子感官数据，得到n×p、n×q、n×j和n×k四个矩阵，p、q、j、k分别代表四类电子感官仪器的传感器数量；

③将上述4个小矩阵进行转换融合，得到一个n×w的大矩阵，其中，w为p、q、j、k的总合；

④利用药典检测方法结合人工经验鉴别，得到n批饮片确切的真伪信息Y；

⑤利用计算机MATLAB软件及分类工具箱，构建Y_i＝f(X_i)模型，并经过优化验证最终得到预测性能良好的模型；

(4)模式识别，将融合数据x_i代入上述对应的子模型Y_i＝f(X_i)，最终给出该饮片的质量检测结果

本发明方法新颖独特，操作便捷，快速高效，测试准确，可有效解决饮片的真伪、基源、产地、等级等检测问题，保证临床用药，具有很强的实际应用价值，经济和社会效益显著。

附图说明

图1是本发明的工艺设备框示图；

图中：①质构仪；②电子眼；③电子鼻；④电子舌；⑤质构仪加压器；⑥触觉感受器；⑦承压底盘；⑧光源+红外摄像机；⑨背光室+原始样品池；⑩嗅觉传感器(多根，图为示例)；粉末样品池(顶空，加样后可封闭)；控温加热底盘(有或无)；液体样品池；味觉传感器(多根，图为示例)；在测样品感官数据集成信号；子模型库；输出结果(在一定置信度下的饮片真伪、产地、基源或等级的质量检测结果)；总模型库；

图2是本发明所附具体实施例-川贝母饮片真伪鉴别的单个样本真伪人工经验辨识、现代药典检测与电子感官融合技术时间(T)及正确率(P)比较图；

其中，M₁为传统人工经验辨识方法M₂为现代药典检测方法M₃为电子感官融合检测方法；所有显示指标均为80个样品的均值；M₂法暂不计水分、灰分、紫外和PCR的检测时间。

图3是本发明所附具体实施例-川贝母饮片的商品多规格的M₁、M₂与M₃时间(T)及正确率(P)比较图。

具体实施方式

以下结合具体情况和附图对本发明的具体实施方式作详细说明。

由图1所示，本发明是一种采用电子感官融合快速检测中药饮片质量的方法，在具体实施中，包括以下步骤：

(1)数据采集,数据采集系统包括质构仪、电子眼、电子鼻和电子舌，将中药待测饮片除去杂质，分别放置于四个样品池内，分别采用质构仪、电子眼、电子鼻和电子舌采集中药饮片的触觉数据、视觉数据、气味数据和味觉数据，质构仪是由机械加压器、承压底盘和触觉传感器构成，测得饮片的硬度、脆性、粉性、纤维性的物理特性数据，模拟人的触感，采集电子触觉数据，并将电子触觉数据传输到数据融合系统；电子眼是由标准光源、背光照明、红外摄像机和原始饮片样品池构成，用于测饮片颜色、直径、形状、特征性花纹的外观数据以及表面反射光、漫反射光的光学数据，采集电子视觉数据，并将电子视觉数据传输到数据融合系统；电子鼻和电子舌分别采集样品的电子嗅觉数据和电子味觉数据，其中，电子鼻的样品池构成封闭空间，上有若干根嗅觉传感器，用于捕捉样品气味，每次放入规定量的样品粉末，在封闭条件下饱和一定时间，得到样品电子嗅觉数据；电子舌由若干根味觉传感器和液体样品池构成，每次取样品粉末2g，加5ml溶解液，经过50分钟后，得到味觉数据,并将味觉数据传输到数据融合系统；

(2)数据融合,由数据采集系统采集的数据传输到数据融合系统进行转换融合，例如：按步骤(1)方法采集电子嗅觉数据和电子味觉数据，分别得到电子鼻和电子舌数据矩阵X₁、X₂，将X₁、X₂进行数据融合，得到X₃(鉴于电子眼变量较多，电子眼和质构仪的数据省略，此处仅以电子鼻和电子舌的数据融合为例进行说明)；融合过程如下所示：

其中，X₁代表电子鼻数据；X₂代表电子舌数据；X₃代表电子鼻和电子舌融合后的数据；所有下标数字1、2、3···80均代表样品编号；

W1Cn代表样本n(n＝1～80，以此类推，下同)的芳烃化合物数据；W5Sn代表样本n的氮氧化合物数据；W3Cn代表样品n的氨、芳香分子数据；W6Sn代表样本n的氢化物数据；W5Cn代表样本n的烯烃、芳族、极性分子数据；W1Sn代表样本n的烷类数据；W1Wn代表样本n的硫类化合物数据；W2Sn代表样本n的检测醇、部分芳香族化合物数据；W2Wn代表样本n的芳烃化合物、硫的有机化合物数据；W3Sn代表样本n的烷类和脂肪族数据，n＝1～80；

C00n代表样本n的酸性苦味数据；AN0n代表样本n的碱性苦味数据；BT0n代表样本n的碱基盐类苦味数据；AE1n代表样本n的涩味数据；GL1n代表样本n的甜味数据；CA0n代表样本n的酸味数据；CT0n代表样本n的咸味数据，n＝1～80；

(3)找到对应的子模型,融合后的数据x_i自动传输到模式识别系统，在模式识别系统包含若干种饮片的子模型Y_i＝f(X_i)构成的总模型库融合数据x_i能自动匹配到该饮片对应的子模型，如真伪模型、等级模型、产地模型、基源模型等；

(4)模式识别,将融合数据x_i代入上述对应的子模型Y_i＝f(X_i)，最终给出该饮片的质量检测结果

以下以川贝母真伪和规格检测为例，对本发明的具体实施方式作进一步具体详细说明，并与传统人工经验辨识、现代药典检测方法进行对比。

川贝母为百合科植物川贝母Fritillaria cirrhosa D.Don、暗紫贝母Fritillaria unibracteata Hsiao et K.C.Hsia、甘肃贝母Fritillaria przewalskiiMaxim.、梭砂贝母Fritillaria delavayi Franch.、太白贝母Fritillaria taipaiensisP.Y.Li或瓦布贝母Fritillaria unibracteata Hsiao et K.C.Hsiavar wabuensis(S.Y.Tang et S.C.Yue)Z.D.Liu，S.Wang et S.C.Chen的干燥鳞茎，按性状不同分别习称“松贝”、“青贝”、“炉贝”和“栽培品”，其可润肺止咳化痰平喘，清热化痰，是临床呼吸系统及相关系统疾病常用的饮片。因其使用广泛且价格相对较高，其伪品较多(如平贝、湖北贝母、伊贝等)，且正品的质量等级划分也相对不清晰。

收集不同等级的正品川贝母和伪品川贝母，共计四类80个样本，编号1-80，基于传统人工经验辨识(记为M₁)和2015版《中国药典》(一部)“川贝母”项下质量标准(记为M₂)以及传统人工经验辨识和药典项下检测结果相结合的辨识结果(记为M)，同时按本专利方法获取了四类电子感官数据，经融合后代入到已知模型库，最终输出饮片的质量检测结果(记为M₃)。

实施例1

一、川贝母真伪检测

1、传统人工经验辨识与现代药典标准检测结果的获取

(1)传统人工经验辨识法(M₁)：

选取8名在中药鉴定研究领域拥有丰富经验的专家，采用德尔菲法(DelphiMethod)对上述采集的样品数据进行综合评价。以评价专家人数是否≥3/4比例原则确定每个样本的真伪，若出现专家意见不一致时结果记为未分类，该方法为基于传统人工经验的辨识方法，记为M₁。最终，经专家鉴定后显示23号、24号、61-80号为伪品，共计22个伪品，其中43号、44号、45号、46号样本存在鉴别差异。(详细结果见表1)

(2)现代药典标准检测法(M₂)：

该部分主要参照2015版《中国药典》一部检查及检测方法对采集的样品进行外观性状、显微特征、薄层鉴别、含量测定、水分、灰分等项目进行检测。基于现代药典标准的检测方法记为M₂。最终，通过对80个样本的药典检测，其中外观性状不满足的样本有23号、24号、43号、44号、45号、46号、61-80号；薄层结果显示样本23号、24号中不含贝母素乙，61-80号与平贝母对照药材薄层色谱相对应的位置显相同颜色的斑点；显微结果显示样本71号、74号、78号中不含螺纹导管，其余样本均满足药典要求；浸出物检查结果显示23号样本不符合要求，其余均符合要求。(详细结果见表1)

(3)人工经验与药典结合检测法(M)：

基于传统人工经验识别和现代药典标准检测方法相结合的辨识结果，记为M。最终，正品且为炉贝的有20个，正品且为松贝的有17个，正品且为青贝的有16个，正品共计有53个。若人工辨识和药典检测结果出现不一致时，均进行重复测验，再次测验的结果仍不相同时，可剔除该数据。(详细结果见表1)

2、多源电子感官数据采集

2.1视觉感官数据采集：

依次采集80个样品的电子眼数据。电子眼开机后稳定几分钟，待光照稳定后(仪器指示绿灯后)开始测试。首先筛选照明条件，根据预实验结果选择顶部照明，使用24色色彩校正板进行校正，使用5mm光圈同时打开上下背光灯，消除背景。电子眼经过校正后对样品逐个采集图像，每个样品变换位置采集3次图像。

2.2嗅觉感官数据采集

(1)样品制备

将80个样品药材放置于60℃烘箱中烘干6h，粉碎，过筛(四号药典筛)，粉末放置于提前标记好的自封袋内，置干燥器中。取1-80号贝母样品粉末各2g，每个样品取3份，标记为A-1、A-2、A-3，备用；

(2)测试程序

将待测样品A-1、A-2、A-3用保鲜膜封口，根据预实验结果放置15min后测试，实验在室温20.0℃，相对湿度60％下进行，将电子鼻与电脑连接后，运行其配套软件。设定电子鼻采样时间为120s，清洗时间为100s，采样间隔为1s，样本进气流量为150mL/s，每个样品采集3次；提前选择保存检测的结果文件夹及路径，为每个待测样品命名。

2.3味觉感官数据采集：

(1)人工唾液的制备：

称取NaCl 0.8g、KCl 0.8g、NaH₂PO₄·2H₂O 1.38g、CaCl₂·2H₂O 1.812g、Na₂S·9H₂O 0.01g、尿素2g溶解于2000mL容量瓶中，用1mol/L的NaOH溶液将pH值调至6.08，待用；

(2)样品制备：

选取初筛川贝母样品5g，置电动匀浆仪中粉碎15s，放置于100mL人工唾液中，超声处理。超声频率50kHz，超声温度37℃，超声时间设30min，过滤，灭菌，备用；

(3)样品测试：

①正极清洗液配制：准确称量7.46g氯化钾，用500mL蒸馏水搅拌溶解，然后准确加入300mL无水乙醇溶液，边搅拌边加入准确称量的0.56g氢氧化钾，溶解完毕后，转移到1000mL的容量瓶，定容；

②负极清洗液配制：准确量取300mL无水乙醇，与500mL蒸馏水震荡混合，然后加入8.3mL的浓盐酸搅拌混合转移到1000mL的容量瓶，定容；

③参比液：准确称取NaCl 0.8g、KCl 0.8g、NaH₂PO₄·2H₂O 1.38g、CaCl₂·2H₂O1.812g、Na₂S·9H₂O 0.01g、尿素2g溶解于2000ml容量瓶中，用1mol/L的NaOH溶液将pH值调至6.08，待用。

(4)电子舌测试：

取(2)中的滤液直接倒入电子舌专用烧杯中，每杯样品量体积为25mL检测，TS-5000Z型电子舌方法如下：首先在清洗液中清洗90s，接着用参比液清洗120s、继续用另一参比液清洗120s，传感器在平衡位置归零30s，达到平衡条件后，开始测试，样品测试时间30s，输出先味值；后在两组参比液中分别短暂清洗3s，传感器插入新的参比液中测试回味30s，循环测试四次，去掉第一次循环，取后三次平均数据作为测试结果。每次清洗、平衡和测试回味的液体均分布在不同样品杯中。

3、真伪模型构建及验证

基于传统人工经验辨识及现代药典标准检测结果，利用日本TS-5000Z电子舌、德国PEN3电子鼻、法国IRIS VA400电子眼等采集的数据值，采用Matlab矩阵实验室，分别构建DA、PCA-DA、PLS-DA、LS-SVM真伪定性辨识模型。

3.1真伪定性辨识模型的构建

(1)DA判别模型的构建

通过计算机分类工具箱(Classification toolbox-version 5.0)载入各感官仪器得到的各传感器的自变量、80×1的人工评价结果。分析数据的多元正态分布、设置DA判别参数计算并查看判别结果。

(2)LS-SVM判别模型的构建

编写基于LS-SVM的程序如下：

(3)PCA-DA判别模型的构建：

通过计算机分类工具箱(Classification toolbox-version 5.0)载入得到的各传感器的自变量、80×1的人工评价结果，进入“PCA-DA最优主成分”选项卡为此矩阵优选主成分个数。参数设置：数据缩放选择自动缩放；识别模式选择线性；分类组数选择全部80个；根据上述步骤得到的“主成分数目-分类错误率”图，确定选取主成分个数，输入在PCA-DA计算参数窗口中，其它参数设置为：数据缩放选择自动缩放；识别模式选择线性；分类组数选择全部80个。开始计算，在分类结果窗口查看哪些样品被正确或错误分类并计算正判率。

(4)PLS-DA判别模型的构建：

通过分类工具箱(Classification toolbox-version 5.0)载入得到的各传感器的自变量、80×1的人工评价结果，进入“PLS-DA最优成分”选项卡为此矩阵优选潜变量个数。参数设置：数据缩放选择自动缩放；分配标准选择贝叶斯；分类组数选择全部80个；根据上述步骤得到的“潜变量数目-分类错误率”图和“潜变量数目-未能分类率”图，权衡所需要选取潜变量个数，输入在PLS-DA计算参数窗口中，其它参数设置同上(3)计算。在分类结果窗口查看哪些样品被正确或错误分类，哪些样品没有被分类，并计算正判率。

3.2模型验证及优选

(1)模型验证：

模型验证：采用MATLAB2016a软件及classification_toolbox_5.0、LSSVMlabv1_8_R2009b_R2011a工具箱中的交互验证方法对所建立模型的准确度和判别效率进行验证。

模型稳定性验证：选取同种饮片的一个批次采集3次感官数据，将3次测量结果分别带入模型，通过对比3次的结果验证其稳定性。

(2)模型优选：

通过对80个样本电子感官融合数据的模型建立及验证，其中电子眼建立的有指导的DA、LS-SVM、PCA-DA、PLS-DA判别模型，正判率分别为82％、90％、94％、96％，以PLS-DA模型的正判率最高，四种模型均不存在未分类样；电子鼻测试显示，DA、LS-SVM、PCA-DA、PLS-DA四种判别模型的正判率分别为91％、91％、91％、95％，以PLS-DA模型的正判率最高，四种模型均不存在未分类样；电子舌整体看来，DA、LS-SVM、PCA-DA、PLS-DA四种判别模型的正判率分别为89％、91.25％、91％、90％，以LS-SVM正判率较高，四种模型均不存在未分类样。综合来看，PLS-DA模型为最优。

4、待测样品代入检测

4.1数据采集

取川贝母样品一份，参照以上质构仪、电子眼、电子鼻和电子舌工作条件对样品进行适宜的前处理，分别置于四台仪器样品池中，采集待测饮片的四类电子感官数据X₁、X₂、X₃、X₄。4.2数据融合

上述采集到的四类电子感官数据X₁、X₂、X₃、X₄传输到数据融合系统，进行整合转换，得到一个1行w列的数据矩阵，称为融合数据x_i。

4.3找到对应的子模型

融合数据x_i传输到模式识别系统，可自动匹配到“川贝母-真伪”检测模型。

4.4输出结果

经模型检测，输出检测结果“1”，即该待测饮片为正品川贝母。

5三种检测方法消耗时间及正确率比较：

对于中药饮片的质量检测不仅要考虑准确度还要考虑时间成本，基于以上实验结果，通过消耗时间、正判率两个指标综合评对电子感官融合技术、传统人工经验辨识和现代药典标准检测方法进行比较，以期为该技术广泛应用提供理论依据。

5.1电子感官融合技术与传统人工经验辨识、现代药典标准检测的消耗时间计算方法

(1)传统人工经验辨识的时间计算主要采用平均算法，即对m位专家进行n个样本辨识过程的总时间的汇总，除以样本数n，计算出单位样本的传统人工经验辨识时间T_M1。

其中(T_M1代表单位样本的传统人工经验辨识时间；T₁、T₂···T_m代表每个专家辨识的时间；m代表专家的位数；n代表样本数)

(2)现代药典标准检测法的时间采集，主要根据现代药典标准严格检验分析选择有药典一部方法分析经验的科研人员3人(背靠背)，分别记录结果。因为是人为操作检查，对于主管判断类的项目，如性状、显微等也可能存在一定的时间和判断的差异，因此药典检测的时间主要计算药典方法中明确规定的样本处理操作时间，结果测试时间以3个操作人员的平均值作为参照。

T_M2＝t₁+t₂ (2)

其中(T_M2代表单位样本的药典检测时间；t₁代表中国药典中明确规定样本处理的时间；t₂代表人工测试的时间)。

(3)电子感官融合技术的时间采集，主要考虑同等条件下，各种方法都是1个人独立操作，最大限度使用设备的情况下，时间计算包括样本的前处理时间、测试时间及带入已经建立好的模型时间。

T_M3＝t₁+t₂+t₃ (3)

其中(T_M3代表单位样本的感官融合技术时间；t₁代表样本前处理时间；t₂代表测试的时间；t₃代表模型带入时间)。

5.2电子感官融合技术与传统人工经验辨识、现代药典标准检测的正判率计算方法

正确率的比较主要以现代药典检测结果作为标准，对传统人工经验辨识及电子感官融合技术进行比较，其中传统人工经验辨识的正判率采集，按照m个专家的平均数进行计算；电子感官融合技术的正确率主要参考留一法交互验证的结果。

5.3电子感官融合技术与传统人工经验辨识、现代药典标准检测的比较结果

基于现代药典检测结果作为标准，通过消耗时间、正判率两个指标综合评对电子感官融合技术与传统人工经验辨识法、现代药典标准检测法进行比较。(结果见表1及图2)。

实施例2

二、川贝母商品规格检测

1、传统人工经验辨识与现代药典标准检测结果的获取

(1)传统人工经验辨识法(M₁)：

选取8名在中药鉴定研究领域拥有丰富经验的专家，采用德尔菲法(DelphiMethod)对上述采集的样品数据进行综合评价。以评价专家人数是否≥3/4比例原则确定每个样本的真伪，若出现专家意见不一致时结果记为未分类，该方法为基于传统人工经验的辨识方法，记为M₁。最终，商品规格鉴别结果显示23号、24号、42号、43号、79号共计5个样本未被分类，剩余75个样本按商品规格分为炉贝、松贝、青贝、平贝四类。(详细结果见表1)

(2)现代药典标准检测法(M₂)：

(3)人工经验与药典结合检测法(M)：

2、多源电子感官数据采集

2.1视觉感官数据采集

2.2嗅觉感官数据采集

(1)样品制备

将80个样品药材放置于60℃烘箱中烘干6h，粉碎，过筛(四号药典筛)，粉末放置于提前标记好的自封袋内，置干燥器中。取1-80号贝母样品粉末各2g，每个样品取3份，标记为A-1、A-2、A-3，备用。

(2)测试程序

2.3味觉感官数据采集

(1)人工唾液的制备：

称取NaCl 0.8g、KCl 0.8g、NaH₂PO₄·2H₂O 1.38g、CaCl₂·2H₂O 1.812g、Na₂S·9H₂O 0.01g、尿素2g溶解于2000mL容量瓶中，用1mol/L的NaOH溶液将pH值调至6.08，待用。

(2)样品制备：

选取初筛川贝母样品5g，置电动匀浆仪中粉碎15s，放置于100mL人工唾液中，超声处理。超声频率50kHz，超声温度37℃，超声时间设30min，过滤，灭菌，备用。

(3)样品测试：

(4)电子舌测试方法：

取(2)中的滤液直接倒入电子舌专用烧杯中(每杯样品量体积为25mL)检测，TS-5000Z型电子舌方法如下：首先在清洗液中清洗90s，接着用参比液清洗120s、继续用另一参比液清洗120s，传感器在平衡位置归零30s，达到平衡条件后，开始测试，样品测试时间30s，输出先味值；后在两组参比液中分别短暂清洗3s，传感器插入新的参比液中测试回味30s，循环测试四次，去掉第一次循环，取后三次平均数据作为测试结果。每次清洗、平衡和测试回味的液体均分布在不同样品杯中。

3商品规格模型的构建及验证

基于传统人工经验辨识及现代药典标准检测结果，利用日本TS-5000Z电子舌、德国PEN3电子鼻、法国IRIS VA400电子眼等采集的数据值，采用Matlab矩阵实验室，分别构建DA、PCA-DA、PLS-DA、LS-SVM商品规格辨识模型。

3.1商品规格辨识模型的构建

(1)DA判别模型的构建

(2)LS-SVM判别模型的构建

编写基于LS-SVM的程序如下：

(3)PCA-DA判别模型的构建

(4)PLS-DA判别模型的构建

3.2模型验证及优选

(1)模型验证

(2)模型优选

4待测样品检测

4.1数据采集

4.3找到对应的子模型

融合数据x_i传输到模式识别系统，可自动匹配到“川贝母-商品规格”检测模型。

4.4输出结果

经模型检测，输出检测结果为“2”，即该待测饮片为松贝。

5三种检测方法消耗时间及准确率对比

(1)传统人工经验辨识的时间计算主要采用平均算法，即对m位专家进行n个样本辨识过程的总时间的汇总，除以样本数(n)，计算出单位样本的传统人工经验辨识时间(T_M1)。

(3)现代药典标准检测法的时间采集，主要根据现代药典标准严格检验分析选择有药典一部方法分析经验的科研人员3人(背靠背)，分别记录结果。因为是人为操作检查，对于主管判断类的项目，如性状、显微等也可能存在一定的时间和判断的差异，因此药典检测的时间主要计算药典方法中明确规定的样本处理操作时间，结果测试时间以3个操作人员的平均值作为参照。

T_M2＝t₁+t₂ (2)

T_M3＝t₁+t₂+t₃ (3)

基于现代药典检测结果作为标准，通过消耗时间、正判率两个指标综合评对电子感官融合技术与传统人工经验辨识法、现代药典标准检测法进行比较。(结果见表1及图3)。

表1人工经验辨识、现代药典检测及感官融合比较结果

(注a：真伪判别1代表真，0代表伪，2代表未分类；注b：商品规格1代表炉贝，2代表松贝，3代表青贝，4代表平贝；0代表未分类)

由以上可以看出，本发明一种采用电子感官融合快速检测中药饮片质量的方法，其设备是由数据采集系统、数据融合系统和模式识别系统三部分构成；其中，数据采集系统又包括质构仪、电子眼、电子鼻和电子舌四个子系统，将经过或不经过前处理的中药待测饮片，分别放置于四个样品池(质构仪、电子眼、电子鼻、电子舌)内，数据采集系统获取待测饮片的四类电子感官数据；上述数据传输到数据融合系统，进行数据融合，融合数据x_i再输入到模式识别系统；模式识别系统是由若干种饮片的子模型Y_i＝f(X_i)组成的总模型库融合数据x_i可自动匹配找到自己对应的子模型，代入该子模型进行检测，给出饮片质量检测结果包括真伪、产地、基源和等级等。模型库，指已经建立的、具有高准确度的、经过验证的良好模型；所述准确质量数据，是指基于法定标准、现代分析技术方法、高水平药工感官评价方法所得到的饮片真伪或等级数据。

数据采集系统是由包括任何型号及厂家的质构仪的感官触觉系统、包括任何型号及厂家的电子眼的感官视觉系统、包括任何型号及厂家的电子鼻的感官嗅觉系统和包括任何型号及厂家的电子舌的感官味觉系统四个子系统共同构成，能够分别测得样品四个方面的数据，可以模拟人工鉴别时的触感、视觉、嗅觉和口感。

数据采集系统加入了质构仪部分，除了感官测得的视、气、味数据外还能获得饮片的硬度、脆性、粉性、纤维性等物理数据，相比于人的手感而言能获得直观的数据数据。

感官视觉系统不仅能够对样品饮片进行摄像，得到饮片的图像数据，且能得到饮片表面的反射光线、漫反射光线数据，能够增加真伪鉴别的准确度。

数据采集系统的四个子系统是四个完全独立的子系统，或是组合在一起的整体，四类感官数据可单独采集一项，也可同时采集多项，各系统无先后顺序之分，效率高且操作简便。

建立了数据融合系统，将数据采集系统获取的数据进行融合，以融合数据的形式传输到模式识别系统，自动匹配找到相对应的子模型，快速进行检测。

建立单个饮片的子模型数据库，由各子模型数据库组成总模型库，输出结果是具有一定置信度的饮片质量检测结果，此结果是基于法定标准、现代药典检测方法同时考虑经验丰富的老药工分析结果而得到的准确结果，包括真伪、产地、基源和等级等。

通过对电子感官融合技术与传统人工经验辨识及现代药典检测方法比较，电子感官融合技术及真伪、商品规格多分类辨识模型(98.75％/99.0％)较人工经验(94.17％/98.17％)的正确率高；电子感官融合技术检测法(约30min)不如人工辨识(2min)的时间快，但较药典检测法(约450min)的时间快，综合比较，表明电子融合感官技术能够快速、准确地实现对中药饮片质量的检测，有效解决饮片的真伪、等级、基源、产地等问题，保证临床用药，具有很强的实际应用价值，经济和社会效益显著。

Claims

1.一种采用电子感官融合快速检测中药饮片质量的方法，其特征在于，包括以下步骤：

（1）数据采集，将经过或不经过前处理的中药待测饮片，分别放置于质构仪、电子眼、电子鼻和电子舌的四个样品池内，分别采集中药饮片的电子触觉数据、电子视觉数据、电子嗅觉数据和电子味觉数据；

（2）数据融合，将上述采集到的四类电子感官数据传输到数据融合系统，进行整合转换，得到一个1行w列的数据矩阵，称为融合数据x _i；

（3）找到对应的子模型，将融合后的数据x _i传输到模式识别系统，在模式识别系统包含若干种饮片的子模型Y _i=f(X _i)构成的总模型库Y _N↔X _N，将融合数据x _i匹配到该饮片对应的子模型：真伪模型、等级模型、产地模型和基源模型；总模型库内的所有子模型均为事先建好的、经过验证的、具有良好预测性能的质量检测模型，子模型的构建方法为：

① 收集n批一味中药，包含正品和伪品；

② 采集n批饮片的四类电子感官数据，得到n×p、n×q、n×j和n×k四个矩阵，p、q、j、k分别代表四类电子感官仪器的传感器数量；

③ 将上述4个小矩阵进行转换融合，得到一个n×w的大矩阵，其中，w为p、q、j、k的总合；

④ 利用药典检测方法结合人工经验鉴别，得到n批饮片确切的真伪信息Y；

⑤ 利用计算机MATLAB软件及分类工具箱，构建Y _i=f(X _i)模型，并经过优化验证最终得到预测性能良好的模型；

（4）模式识别，将融合数据x _i代入上述对应的子模型Y _i=f(X _i)，最终给出该饮片的质量检测结果ŷ _i。

2.根据权利要求1所述的采用电子感官融合快速检测中药饮片质量的方法，其特征在于，包括以下步骤：

（1）数据采集，首先安装数据采集系统，数据采集系统包括质构仪、电子眼、电子鼻和电子舌，将经过或不经过前处理的中药待测饮片，分别放置于四个样品池内，分别采用质构仪、电子眼、电子鼻和电子舌采集中药饮片的电子触觉数据、电子视觉数据、电子嗅觉数据和电子味觉数据，质构仪是由机械加压器、承压底盘和触觉传感器构成，测得饮片的硬度、脆性、粉性、纤维性的物理特性常数，模拟人的触感，采集触觉数据，并将视觉数据传输到数据融合系统；电子眼是由标准光源、背光照明、红外摄像机和原始饮片样品池构成，用于测饮片直径、形状、特征性花纹的外观数据以及表面反射光、漫反射光的光学数据，采集视觉数据，并将视觉数据传输到数据融合系统；电子鼻和电子舌放入样品粉末，分别测得样品的气味数据和味觉数据，其中，电子鼻的样品池构成封闭空间，上有若干根嗅觉传感器，用于捕捉样品气味，并将测得的嗅觉数据传输出去；每次放入样品粉末2g，在封闭条件下饱和50分钟，得到样品气味数据，并将气味数据传输到数据融合系统；电子舌由若干根味觉传感器和液体样品池构成，每次取样品粉末2g，加5ml溶解液，经过50分钟后，测定味觉数据，并将味觉数据传输到数据融合系统；

（2）数据融合，将上述采集到的四类电子感官数据传输到数据融合系统，进行整合转换，得到一个1行w列的数据矩阵，称为融合数据x _i，w是四类电子感官传感器的数目总和；

（3）找到对应的子模型，融合后的数据自动传输到模式识别系统，在模式识别系统包含若干种饮片的子模型Y _i=f(X _i)构成的总模型库Y _N↔X _N，将融合数据x _i匹配到该饮片对应的子模型；

（4）模式识别，代入子模型Y _i=f(X _i)，给出待测饮片的质量检测结果ŷ _i。

3.根据权利要1中所述的采用电子感官融合快速检测中药饮片质量的方法，其特征在于，包括以下步骤：

（1）视觉感官数据采集：采集待测样品的电子眼数据，电子眼开机稳定后，使用24色色彩校正板进行校正，用5mm光圈同时打开上下背光灯，消除背景电子眼经过校正后对样品逐个采集图像，每个样品变换位置采集3次；

（2）嗅觉感官数据采集：将样品药材放置于60℃烘箱中烘干6h，粉碎，过四号药典筛，粉末放置于提前标记好的自封袋内，置干燥器中，取1-80号中药饮片样品粉末2g，每个样品各取3份，标记为A-1、A-2、A-3，将待测A-1、A-2、A-3样品用保鲜膜封口，放置15min后测试，在室温20.0℃，相对湿度60%下进行，将电子鼻与电脑连接后，利用计算机配套软件，设定电子鼻采样时间为120s，清洗时间为100s，采样间隔为1s，样本进气流量为150mL/s，每个样品采集3次，为每个待测样品命名；

（3）味觉感官数据采集：将中药饮片5g，置于电动匀浆仪中粉碎15s，制成滤液，倒入电子舌专用烧杯中，每杯样品量体积为25mL，用电子舌进行测量，测试时间为30S，输出先味值，循环测试四次，去掉第一次循环，取后三次平均数据作为测试结果；

（4）感官数据融合：将电子舌、电子鼻、电子眼采集的数据，利用计算机MATLAB软件及分类工具箱进行融合，得到融合数据x _i；

（5）找到对应的子模型：将融合数据x _i传输到模式识别系统，在模式识别系统包含若干种饮片的子模型Y _i=f(X _i)构成的总模型库Y _N↔X _N，将融合数据x _i匹配到该饮片对应的真伪、等级、产地和基源的子模型；

（6）模型库的构建：模型库为已知的、经过验证的、准确度高的总模型库，构建方式如下：

利用计算机MATLAB软件及分类工具箱，分别构建DA、PCA-DA、PLS-DA、LS-SVM真伪定性辨识模型和商品规格多分类定性模型，其中，DA判别模型的构建通过计算机分类工具箱载入各感官仪器得到的各传感器的自变量，分析数据的多元正态分布、设置DA判别参数计算并查看判别结果；LS-SVM判别模型的构建是编写基于LS-SVM的程序，程序为：

load jinhongwai.mat;%载入原始数据XX和YY

%load name.mat

XX=XX(:,[:]);

YY=YY';

XX=XX';

N=size(XX,2);

YP=zeros(1,N)

Result=zeros(1,N);

for i=1:N

if i==1

x=XX(:,1);

y=YY(1);

X=XX(:,2:N);

Y=YY(:,2:N);

elseif i==N

x=XX(:,N);

y=YY(N);

X=XX(:,1:(N-1));

Y=YY(:,1:(N-1));

else

x=XX(:,i);

y=YY(i);

X=[XX(:,1:(i-1)),XX(:,(i+1):end)];

Y=[YY(:,1:(i-1)),YY(:,(i+1):end)];

end

X=X';

Y=Y';

model=initlssvm(X,Y,'c',[],[],'RBF_kernel');

model=tunelssvm(model,'simplex','leaveoneoutlssvm', 'code_OneVsOne');

model = trainlssvm(model);

x=x';

yp = simlssvm(model, x);

YP(i)=yp

Result(i) = ~abs(y-yp) ; % 正确分类显示为1

end

Result=Result';

Percent = sum(Result)/length(Result) % 正确分类率

PCA-DA判别模型的构建是通过计算机分类工具箱载入得到的各传感器的自变量，进入“PCA-DA主成分”选项卡为此矩阵优选主成分个数，输入在PCA-DA计算参数窗口中，在分类结果窗口查看哪些样品被正确或错误分类并计算正判率；PLS-DA判别模型的构建是通过分类工具箱载入得到的各传感器的自变量，进入“PLS-DA最优成分”选项卡为此矩阵优选潜变量个数，在分类结果窗口查看哪些样品被正确或错误分类，哪些样品没有被分类，并计算正判率；

（5）感官融合消耗时间计算方法：通过T_M3= t₁+ t₂+ t₃计算样本的前处理时间、测试时间及带入已经建立好的模型时间，其中，T_M3代表单位样本的感官融合技术时间；t₁代表样本前处理时间；t₂代表测试的时间；t₃代表模型带入时间。

4.根据权利要求1-3中所述的采用感官融合快速检测中药饮片质量的方法，其特征在于，所述的感官数据采集系统是由包括任何型号及厂家的质构仪的感官触觉系统、包括任何型号及厂家的电子眼的感官视觉系统、包括任何型号及厂家的电子鼻的感官嗅觉系统和包括任何型号及厂家的电子舌的感官味觉系统四个子系统共同构成，能够分别测得样品四个方面的数据，可以模拟人工鉴别时的触感、视觉、嗅觉和口感（质地）。

5.根据权利要求1-3中所述的采用感官融合快速检测中药饮片质量的方法，其特征在于，所述的数据采集系统的四个子系统是四个完全独立的子系统，或是组合在一起的整体，四类感官数据可单独采集一项，也可同时采集多项，各系统无先后顺序之分，效率高且操作简便。