CN110376142A

CN110376142A - 中药红花质量等级的检测方法

Info

Publication number: CN110376142A
Application number: CN201910768802.XA
Authority: CN
Inventors: 刘妍如; 唐志书; 宋忠兴; 闫亚峰; 李晓红; 江大海; 李柳柳
Original assignee: Shaanxi University of Chinese Medicine
Current assignee: Shaanxi University of Chinese Medicine
Priority date: 2019-08-20
Filing date: 2019-08-20
Publication date: 2019-10-25
Anticipated expiration: 2039-08-20
Also published as: CN110376142B

Abstract

本发明公开了一种中药红花质量等级的检测方法。本发明基于红花水浸液中主要成分羟基红花黄色素A的颜色特征，利用图像识别技术，以数码设备拍摄红花水浸液于白色滤纸点样的RGB彩色图像，采用图像处理软件采集图像的RGB数值。结合不同批次红花的抗凝血活性和羟基红花黄色素A的含量高低，构建点样RGB颜色、指标成分和生物活性之间的logistic回归模型，以此作为红花质量等级评价的方法。

Description

中药红花质量等级的检测方法

技术领域

本发明涉及一种中药红花质量等级的检测方法，具体涉及一种基于图像识别结合logistic算法的红花药材等级评价方法，属于药材质量检测技术领域。

背景技术

红花为菊科植物红花Carthamus tinctorius L.的干燥花，红花主含红花黄色素及红花甙，也是活血化瘀的主要活性成分。作为在国际市场上流通的名贵香料和传统药材，红花的质量评价一直备受关注。红花黄色素及红花苷是红花质量的物质基础，常被作为指标成分来评价红花质量的优劣。目前对红花等级规格的划分仍然参考的是1984年国家医药管理局和卫生部发布的《76种药材商品规格标准》(编号024红花)，依靠眼观、手摸、鼻闻、口尝等方法对红花进行分级。费时、生产效率不高，主观性强，不能保证红花的品质，其分级结果常常和实验室检测结果相反。因此，迫切需要开发一套科学的评级方法。建立一种自动检测和分级的评价方法，不但可以保证红花药材在采收、加工时分级的准确性，也提高了红花优质药材在临床用药的安全性。

红花的颜色主要来源于具有典型的颜色特征(红色)的羟基红花黄色素A。目前对于红花材质量的确定的法定标准是其羟基红花黄色素A的含量是否达到或超过1.00％，说明红花的颜色是一个重要的参数。现代研究表明，羟基红花黄色素A具有抗凝血作用，可明显延长大鼠血浆凝血酶时间(Thrombin time，TT)，因此将TT值作为评价红花抗凝血作用的主要指标。

当今社会对图像识别技术的使用非常广泛，对数字图像的处理和识别研究是从1965年开始的。相比于模拟图像，数字图像更容易存储、传输，也可以被压缩，不容易在传输过程中扭曲，在处理方面有着巨大的优势。其中RGB模型是用于数字图像处理的重要模式。同时也是面向硬件的模型，模型简单直观，现在计算机存贮的图像数大都是RGB模型，许多的图像处理也都定向到此模型，所以采取RGB模型进行分析计算。在处理图像时通常将图像进行转化，将原始图像转换为灰度图像，灰度图像的特点是纹理特征缺失较少、存储资源少、包含数据少，在图像算法处理时占用资源非常少，同时可以加快数据处理的效率和速度。

Logistic回归，也叫对数几率回归，属于概率型非线性回归模型，是一种研究分类观察结果之间关系的一种多变量分析方法。其基本原理是利用Logit变换将变量和因变量间的曲线关系建立线性回归模型，以预测值结果去预测真实值的对数几率。从模型的通用性和实用性考虑，具有一定数学表达式的模型更易于被理解和应用。而Logistic回归模型中的二分类模型更简单易懂，对训练样本只需表示“是”或“否”，结果也能得到精确的计算分值，在理想状态下，只需将测试集数据输入以训练集建立的数学公式中即可计算得到预测结果。从等级预测角度来看，二分类logistic回归模型更适用于药材/饮片等级分类评价。

Logistic回归分析的目的是建立公式，以便由自变量预测因变量概率分布。令y＝1,2,3表示药材的3个等级。令q₁＝p(y≤1),q₂＝p(y≤2),…,q₃＝p(y≤3)，常用的Logistic回归模型是：

式中:β_i0为截距，i＝1，2，…，4；β₁,…,β_n为斜率系数；x₁,…,x_n为自变量。由已有观测值能估计出β_i0,β₁,…,βn,从而药材各等级的概率p表达式：

p_i＝exp(β_io+β₁X₁+…β_nX_n)/[1+exp(β_i0+β₁X₁+…β_nX_n)] (4)

这时对于给定的自变量x₁，…，x_n的值，由回归方程可以预测q₁,q₂,q₃,再由p(y＝1)＝q₁，p(y＝2)＝q₂-q₁，…，p(y＝3)＝q₃-q₂，p(y＝4)＝1q₃可以预测各药材等级概率。根据各类别的概率,由则可以确定响应变量类别。

本发明方案以红花为研究对象，利用计算机视觉技术进行红花的品质识别与分类，建立一套基于红花主要成分和生物活性的药材分级评价方法。所建立的检测方法简单、方便，能在红花采收、收购时不具备先进测样仪器时，进行红花的初步分级识别。

发明内容

本发明的目的是提供一种以图像识别技术结合数学模型公式检测红花等级的方法。为此，本发明基于视觉理论实现对红花药材进行分级研究，以颜色判别为目的，在研究不同来源红花水浸液点样颜色特征分量均值的基础上，获取点样颜色特征分量和组合颜色特征分量，探求一种新的颜色回归分析和颜色量化方法，进而实现对中药红花质量新的等级评价方法。

为了达到上述目的，本发明采用以下技术方案予以实现：

一种中药红花质量等级的检测方法，其特征在于：所述的红花为：红花药材或红花饮片；所述的检测方法，是通过一种以图像识别技术结合Logistic回归模型检测红花质量等级的方法。

进一步，所述的红花质量等级的检测方法，所述检测方法包括如下步骤：(1)红花颜色特征量的采集；(2)红花有效成分测定；(3)红花生物活性测定；(4)确定上述红花颜色特征量、有效成分含量及生物活性的相关性；(5)通过Logistic回归确定红花等级检测公式。

进一步，所述红花质量等级检测方法步骤(1)中，红花颜色特征量采集，采样方式用四点采样，采样结果分别以颜色分量值的交互关系数值C_R、C_G、C_B、C_R+G、C_R+B、C_G+B、C_R/B、C_R/G、C_B/G、C_(R+B)/(R+G)、C_(R-B)/(R-G)表示。

再进一步，所述红花质量等级的检测方法步骤(2)中，测定红花有效成分为羟基红花黄色素A，具体测定方法为超高液相色谱法，色谱条件为：以0.1％甲酸-水溶液为流动相A，以乙腈为流动相B，梯度洗脱参数：0～10min，体积比2％B；10～13min，体积比2％～100％B；13～15min，体积比2％B；15～20min，体积比2％B；流速0.2mL/min；柱温25℃；检测波长403nm。

进一步，所述的红花质量等级的检测方法步骤(3)中，所述的红花生物活性测定方法为体外抗凝血测定。

更进一步，所述的红花质量等级的检测方法步骤(5)中，所述的红花等级检测公式如下：

再进一步，所述的红花质量等级的检测方法法步骤(4)中，所述相关联方法是以羟基红花黄色素A含量和体外抗凝血活性为监测因子Y，以颜色分量值的交为观测因子X，建立Logistic回归模型。

进一步，所述的红花质量等级的检测方法，根据所述红花等级检测公式，将红花分为P_优、P_中、P_差三个等级，其中P值范围是：0≤P≤1。

再进一步，所述的红花质量等级的检测方法步骤(1)中，红花颜色特征量采集时，其红花样品制备方法如下：取红花药材粉末0.4g，用2mL75％乙醇溶解，再使用涡旋混合器混匀，0.22μm滤膜滤过，取续滤液，即得。

更进一步，所述的红花质量等级的检测方法，所述红花颜色特征量采集的方法是：量取红花样品10μL于白色滤纸上进行平行点样6次，点样直径为2.0cm。采用配置CMOS传感器的摄像设备，拍摄高度21.5cm，拍摄角度为竖直向下，对点样点进行拍摄采集。

本发明的有益效果

1.本发明的技术方案，其基于红花的颜色和羟基红花黄色素A以及体外抗凝血活性的线性关系，建立的红花等级评价数学模型，可以弥补人工辅助判别红花等级的主观缺陷，为实现红花质量等级筛选提供一种产业化评价方法。

2.本发明建立的“成分-功效”互作关系评价公式方法，使中药红花研究从中药质量控制模式到中药物质基础研究，从指标成分向药效成分群转化，能够更为解决实践中中药红花参差不齐，难以客观表征的问题

3.本发明所建立的红花等级检测方法，操作简单、结果准确而且重复性高，能在红花采收、收购时不具备先进测样仪器时，进行红花质量分级识别。既满足了中药红花流通“按质论价”的交易需求，也保证了中药红花临床用药的安全性和有效性。

附图说明

图1是本发明一个实施方案的红花水浸液点样及拍摄示意图；

图2是本发明一个实施方案的红花样品图片采集方式示意图；

图3是本发明实施方案中19批红花样品羟基红花黄色素A含量测定结果；

图4是本发明一个实施方案的19批红花样品抗凝血时间效价值。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例一种红花药材质量等级评价方法，包括以下内容：

(1)样品制备：取红花药材粉末(过四号筛)0.4g，用2mL75％乙醇溶解，再使用涡旋混合器混匀，0.22μm滤膜滤过，取续滤液，即得样品溶液。取羟基红花黄色素A对照品适量，精密称定，加25％甲醇制成每1mL含0.13mg的溶液，即得。

(2)采集测定指标：每次量取10μL于白色滤纸上进行平行点样6次，点样直径为2.0cm。采用配置CMOS(Complementary Metal-Oxide-Semiconductor)传感器，后置摄像至少为1000万像素的摄像手机，拍摄高度21.5cm，拍摄角度为竖直向下，对点样点进行拍摄取样，以.jpg格式进行图片存储，示意方式如图1所示。

(3)颜色特征量提取：图片采用Photoshop软件，用颜色采样工具进行取样。采样方式用四点采样，可以避开点样点周边和中心颜色不均匀处，使得采样数据更加精确且均匀，如图2所示。记录R(含义Red，红色)、G(含义Green，绿色)、B(含义Blue，蓝色)三个分量值平均值，再将灰度图像二值化，进行数据类型转换。采样结果分别以颜色分量值的交互关系数值：C_R、C_G、C_B、C_R+G、C_R+B、C_G+B、C_R/B、C_R/G、C_B/G、C_(R+B)/(R+G)、C_(R-B)/(R-G)表示。

(4)羟基红花黄色素A测定：采用优化的超高液相色谱法，以十八烷基硅烷键硅胶为填充剂；以0.1％甲酸-水溶液为流动相A，以乙腈为流动相B，梯度洗脱参数：0～10min，体积比2％B；10～13min，体积比2％～100％B；13～15min，体积比2％B；15～20min，体积比2％B；流速0.2mL/min；柱温25℃；检测波长403nm。以外标法计算19批次红花样品中羟基红花黄色素A含量(按干燥品计算，C₂₇H₃₂O₁₆)，各批次编号见表1，结果见图3所示。

表1 19批次红花药材的基本信息

(5)体外抗凝血活性测定：大鼠腹腔动脉取血9.9mL，采用3.2％的枸橼酸钠(全血与抗凝剂比例9:1)抗凝，将血液分装在离心管内，2500r/min，离心15min，取血浆备用。取红花粉末(过三号筛)约2g，精密称定，加0.9％生理盐水制成浓度为5.0×10^-2g/mL的标准溶液，于全自动血凝仪方法测定凝血酶时间，连续测定6次，计算平均延长时间(s)。根据平均延长时间计算19批红花提取液的1g红花的效价U/g＝平均延长时间(s)/5.0×10^-2g/mL×0.05mL，结果见图4所示。

(6)颜色特征量与羟基红花黄色素A含量及体外抗凝血能力测定相关性分析：

羟基红花黄色素A是红花黄色素中含量较高的成分且具有专属性。同时，羟基红花黄色素A也是红花发挥抗凝血作用的重要物质基础。因此我们将羟基红花黄色素A的含量以及其抗凝血作用(TT值)作为评价红花等级主要指标。

基于PLS-tree的聚类分级分析方法，对不同来源的红花进行分类分析，分别以羟基红花黄色素A含量和抗凝血活性为监测因子Y，以颜色分量值的交互关系数值C_R、C_G、C_B、C_R+G、C_R+B、C_G+B、C_R/B、C_G/B、C_B/R、C_(R+B)/(R+G)、C_(R-B)/(R-G)为观测因子X，建立回归方程，分析监测因子和观测因子之间的关系。结果显示，X(C_R、C_G、C_B、C_R/B、C_G/B、C_B/R)与Y之间关联性较强，呈线性分布。

(7)根据基于二分类Logistic回归模型所建立的红花等级公式：通过上述关联性分析发现红花粉末的水提液颜色和羟基红花黄色素A的含量以及其抗凝血作用有着密切的线性关系。因此，以此为基础对红花等级进行等级评价，以弥补传统人工判别红花等级的主观缺陷。因此，将优、中、差三个级别分别赋值3，2，1。采用Logistic模型建立各样本对应的主要颜色特征向量(C_R、C_G、C_B、C_R/B、C_G/B、C_B/R)与经验等级之间的函数关系，进行初步分级，用所得方程对未参与模型拟合的样本进行等级预测。以SPSS软件实现Logistic模型参数的求解，得到红花等级表达式如下：

(8)将测试集各指标实测值逐一代入上式中即可计算影响因素属于各等级的概率，所述P_优、P_中、P_差的数值，是指模型计算判定的中药材/饮片等级归属的概率(0≤P≤1)，计算结果越接近1的等级，即为该红花药材的等级(P优级＝3，P中级＝2，P差级(不合格)＝1)。

以19批红花药材计算结果为例：由表2结果可见，本发明所建立的数学模型对红花等级的判定概率大于97％，说明该检测方法对于中药红花的等级评价具有较高的判断准确性。

表2 19批不同来源红花等级判断结果

Claims

1.一种中药红花质量等级的检测方法，其特征在于：所述的红花为：红花药材或红花饮片；所述的检测方法，是通过一种以图像识别技术结合Logistic回归模型检测红花质量等级的方法。

2.如权利要求1所述的红花质量等级的检测方法，其特征在于：所述检测方法包括如下步骤：(1)红花颜色特征量的采集；(2)红花有效成分测定；(3)红花生物活性测定；(4)确定上述红花颜色特征量、有效成分含量及生物活性的相关性；(5)通过Logistic回归模型确定红花等级检测公式。

3.如权利要求2所述的红花质量等级的检测方法，其特征在于：所述检测方法步骤(1)中红花颜色特征量采集，采样方式用四点采样，采样结果分别以颜色分量值的交互关系数值C_R、C_G、C_B、C_R+G、C_R+B、C_G+B、C_R/B、C_R/G、C_B/G、C_(R+B)/(R+G)、C_(R-B)/(R-G)表示。

4.如权利要求2或3所述的红花质量等级的检测方法，其特征在于：所述检测方法步骤(2)中，测定红花有效成分为羟基红花黄色素A，具体测定方法为超高液相色谱法，色谱条件为：以0.1％甲酸-水溶液为流动相A，以乙腈为流动相B，梯度洗脱参数：0～10min，体积比2％B；10～13min，体积比2％～100％B；13～15min，体积比2％B；15～20min，体积比2％B；流速0.2mL/min；柱温25℃；检测波长403nm。

5.如权利要求4所述的红花质量等级的检测方法，其特征在于：所述检测方法步骤(3)中，所述的红花生物活性测定方法为体外抗凝血测定。

6.如权利要求5所述的红花质量等级的检测方法，其特征在于：所述检测方法步骤(5)中，所述的红花等级检测公式如下：

7.如权利要求6所述的红花质量等级的检测方法，其特征在于：所述检测方法步骤(4)中，所述相关联方法是以羟基红花黄色素A含量和体外抗凝血活性为监测因子Y，以颜色分量值的交为观测因子X，建立Logistic回归模型。

8.如权利要求7所述的红花质量等级的检测方法，其特征在于：根据所述红花等级检测公式，将红花分为P_优、P_中、P_差三个等级，其中P值范围是：0≤P≤1。

9.如权利要求8所述的红花质量等级的检测方法，其特征在于：所述检测方法步骤(1)中，红花颜色特征量采集时，其红花样品制备方法如下：取红花药材粉末0.4g，用2mL75％乙醇溶解，再使用涡旋混合器混匀，0.22μm滤膜滤过，取续滤液，即得。

10.如权利要求9所述的红花质量等级的检测方法，其特征在于：所述红花颜色特征量采集的方法是：量取红花样品10μL于白色滤纸上进行平行点样6次，点样直径为2.0cm。采用配置CMOS传感器的摄像设备，拍摄高度21.5cm，拍摄角度为竖直向下，对点样点进行拍摄采集。