基于太赫茲光譜技術(shù)的貝母品種鑒別方法研究

劉燕德，徐 振，胡 軍，李茂鵬，崔惠楨

華東交通大學(xué)機(jī)電與車輛工程學(xué)院，江西 南昌 330013

引 言

貝母為多年生草本植物，其鱗莖部分常作藥用。《本草經(jīng)集注》說：“形似聚貝子”，名為貝母，主治止咳化痰、清熱散結(jié)等。常將貝母類藥材分為：川貝母、浙貝母、平貝母、伊貝母、土貝母等，貝母品種不同藥效也略有差異，且極易混淆。川貝母是貝母中的珍品，藥用效果相對(duì)較高，生存環(huán)境脆弱，生長(zhǎng)周期漫長(zhǎng)，產(chǎn)量相對(duì)較低，市場(chǎng)需求較高，價(jià)格極高，易被冒充[1]。廣大群眾鑒別易混淆中草藥多基于傳統(tǒng)“一看、二聞、三嘗”的經(jīng)驗(yàn)鑒別，此方法需要積累豐富的經(jīng)驗(yàn)，且極易出錯(cuò)、難以鑒別高仿。近年來基于理化分析的高效液相色譜法(high PerforMance liquid chromatography，HPLC)、薄層色譜法(thin layer chromatography，TLC)、氣相色譜法(gas chromatography，GC)、質(zhì)譜法(mass spectrometry，MS)以及聯(lián)用技術(shù)等方法也被廣泛應(yīng)用于測(cè)定中草藥的主要成分及鑒別種類[2-3]。但此類檢測(cè)手段需要復(fù)雜的樣品處理，以及專業(yè)人員的操作，費(fèi)時(shí)費(fèi)力[4]。因此有必要開發(fā)探索一種新的檢測(cè)手段來彌補(bǔ)傳統(tǒng)方法的缺陷。

太赫茲波頻率處于0.1～10 THz之間，具有能量低、頻譜寬、穿透強(qiáng)與吸收強(qiáng)的特征，基于太赫茲光譜的鑒別檢測(cè)技術(shù)具有識(shí)別率高、耗時(shí)短、操作簡(jiǎn)單等優(yōu)勢(shì)，是一種新穎的檢測(cè)手段。太赫茲光譜獨(dú)特的優(yōu)勢(shì)，使其近些年在食品、生物、化工、材料和醫(yī)藥檢測(cè)等領(lǐng)域得到廣泛應(yīng)用。中草藥的藥用成分結(jié)構(gòu)復(fù)雜，其有機(jī)分子之間的弱相互作用和振動(dòng)躍遷以及晶體中的低頻振動(dòng)和吸收頻率大多數(shù)處于太赫茲波段范圍內(nèi)。這些振動(dòng)充分反映了中草藥的分子結(jié)構(gòu)及相關(guān)信息，因此使得太赫茲光譜技術(shù)對(duì)中藥材檢測(cè)鑒別成為可能。

馬品等[5]使用太赫茲光譜檢測(cè)技術(shù)對(duì)天麻含水量進(jìn)行檢測(cè)，表明太赫茲可以在測(cè)定中藥飲片含水量中得到應(yīng)用。徐哲等[6]為對(duì)五種不同產(chǎn)地、不同批次的雞血藤和大血藤進(jìn)行鑒別，采用太赫茲光譜技術(shù)結(jié)合光譜角算法對(duì)雞血藤與大血藤進(jìn)行分類，效果較為理想，兩類中藥樣品總計(jì)100組數(shù)據(jù)的分類正確率達(dá)到 95%。Zhang等[7]先后對(duì)中藥中的添加劑、易混淆中草藥、有毒中草藥進(jìn)行鑒別研究，效果均較為理想。李辰等[8]對(duì)正品與偽劣冬蟲夏草進(jìn)行鑒別，發(fā)現(xiàn)冬蟲夏草正品存在1.01 THz和1.13 THz特征吸收峰，根據(jù)吸收峰實(shí)現(xiàn)對(duì)正偽冬蟲夏草的鑒別。楊少壯等[9]對(duì)陳皮的THz圖譜進(jìn)行分析以判斷儲(chǔ)存年份，建立了基于主成分分析-支持向量機(jī)(PCA-SVM)的高效陳皮貯存年限預(yù)測(cè)模型, 其年限預(yù)測(cè)準(zhǔn)確度可達(dá)94%以上。上述研究利用太赫茲光譜技術(shù)從不同的角度對(duì)中藥材的品質(zhì)進(jìn)行把控，為后續(xù)研究者提供了經(jīng)驗(yàn)借鑒。本研究將太赫茲光譜技術(shù)與多種化學(xué)計(jì)量學(xué)方法結(jié)合，對(duì)川貝母、平貝母、伊貝母、浙貝母四種不同品種的貝母進(jìn)行定性鑒別，試圖探索一種快速無損的貝母品種鑒別方法。

1 實(shí)驗(yàn)部分

1.1 儀器

實(shí)驗(yàn)所用的THz-TDS系統(tǒng)由日本Advantest公司研制，系統(tǒng)使用兩個(gè)超短脈沖激光器(1.55 μm)分別作為偏置輸出(太赫茲波產(chǎn)生)和信號(hào)輸入(太赫茲波探測(cè))的光源。飛秒激光脈沖輸出功率20 mW，中心波長(zhǎng)1 550 nm，脈寬50 fs，重復(fù)頻率50 MHz。由于太赫茲波對(duì)水分比較敏感，為減少實(shí)驗(yàn)誤差，將太赫茲電磁輻射通過的光路封閉在干燥箱內(nèi)，并通入干燥空氣，在實(shí)驗(yàn)過程中，濕度保持在10%的恒定值，溫度25 ℃。圖1為實(shí)驗(yàn)所用設(shè)備的原理圖。

圖1 太赫茲設(shè)備原理圖

1.2 樣品制備

實(shí)驗(yàn)所用4種貝母均采購于中藥房，首先將四種貝母樣品放入干燥箱中50 ℃，干燥2 h，磨成粉末再過200目篩，密封保存。每種樣品均按照同一比例(62.5%)加入高密度聚乙烯，用渦旋振蕩器震蕩3 min，以確保聚乙烯與樣品粉末充分混勻。壓片時(shí)每次稱取(0.1±0.005)g，設(shè)置壓力16 MPa，壓片控制時(shí)長(zhǎng)2 min，使每個(gè)樣品片厚度維持在0.8 mm左右，放入密封袋保存。四種樣品各壓制25個(gè)待測(cè)樣品片，共計(jì)100個(gè)。每個(gè)樣品采集5個(gè)點(diǎn)，每個(gè)點(diǎn)采集2次。為保證采集環(huán)境的穩(wěn)定性，將樣品放入樣品倉后，等待3 min后開始采集光譜，每類貝母的太赫茲時(shí)域光譜各250條，共采集到1 000條光譜。

1.3 數(shù)據(jù)采集

所有測(cè)量均采用圖1所示的THz-TDS系統(tǒng)進(jìn)行。依據(jù)Dorney等[10]和Dragoman等[11]提出的光學(xué)參數(shù)提取方法提取所需的光譜信息，參數(shù)包括透射率、折射率、吸收系數(shù)等，此類參數(shù)對(duì)具有厚度均勻且兩面平行固體樣品，在透射模式下的太赫茲光譜吸收特性進(jìn)行描述。實(shí)驗(yàn)記錄參考太赫茲時(shí)域信號(hào)Eref(t)和樣本的太赫茲時(shí)域信號(hào)Esam(t)，利用快速傅里葉變換(fast Fourier transform，F(xiàn)FT)算法可以得到光譜。根據(jù)菲涅耳公式，大多數(shù)低損耗材料的THz振幅透射率T可以表示為

(1)

式(1)中，Eref(ω)和Esam(ω)分別為入射和透射的THz頻域譜；A和φ分別為基準(zhǔn)信號(hào)和樣本信號(hào)的幅值比和相位差；N=N+ik為樣品的復(fù)折射率，k為消光系數(shù)；d為試樣厚度；ω是角頻率，c是真空中的光速。由式(2)和式(3)得到折射率n(ω)和吸收系數(shù)α(ω)。

(2)

(3)

1.4 數(shù)據(jù)處理流程

獲取到的太赫茲光譜除包含其自身的物理化學(xué)信息外，還夾雜其他干擾信息，因此在使用化學(xué)計(jì)量學(xué)方法建模前，需要對(duì)原始光譜進(jìn)行預(yù)處理，去除噪聲。同時(shí)由于樣品光譜數(shù)據(jù)量較大，還需要進(jìn)行降維處理。采用K-S算法將光譜數(shù)據(jù)按3∶1隨機(jī)分為建模集和預(yù)測(cè)集，分別建立二分類和多分類模型。圖2為實(shí)驗(yàn)具體過程圖。

圖2 貝母分類流程圖

1.5 算法介紹

預(yù)處理：實(shí)驗(yàn)為尋求對(duì)貝母樣品光譜最優(yōu)的預(yù)處理方法，主要用到移動(dòng)平滑、S-G平滑、多元散射校正(multiplicative scatter correction，MSC)、標(biāo)準(zhǔn)正態(tài)變量變換(standard normal variable transformations，SNV)和基線偏移校正(Baseline offset)五種預(yù)處理方法，進(jìn)行光譜預(yù)處理是為了消除光譜的冗余信息，提高模型穩(wěn)定性與準(zhǔn)確性。

主成分分析(principal component analysis，PCA)是常用在光譜分析中進(jìn)行數(shù)據(jù)降維，以減少數(shù)據(jù)運(yùn)算量，其基本原理是通過正交變換將相關(guān)變量轉(zhuǎn)換為線性不相關(guān)的變量，經(jīng)過變換之后得到原始光譜的主成分，同時(shí)這些主成分基本能夠代替原始光譜的信息[12]。累計(jì)方差貢獻(xiàn)率決定主成分的個(gè)數(shù)，當(dāng)累計(jì)方差貢獻(xiàn)率能夠提供原始變量的絕大部分信息時(shí)，即根據(jù)方差貢獻(xiàn)率與主成分?jǐn)?shù)關(guān)系圖確定所需的主成分?jǐn)?shù)。

偏最小二乘判別分析(partial least squares-discriminant analysis，PLS-DA)是一種基于偏最小二乘(PLS)的多變量分析方法，該方法將主成分分析與相關(guān)性分析結(jié)合，對(duì)光譜數(shù)據(jù)與分類變量進(jìn)行線性擬合[13]。

隨機(jī)森林(random forest，RF)是基于決策樹的一種機(jī)器學(xué)習(xí)方法，其與自然界中由樹組成森林的概念類似，以決策樹作為基本組成單元，決策樹之間彼此獨(dú)立。根據(jù)若干個(gè)有差異性的樣本子集建立決策樹，再采用投票機(jī)制得到最終判斷。由于其具有優(yōu)秀的預(yù)測(cè)精度和較小的運(yùn)算量，隨機(jī)森林目前已經(jīng)得到廣泛的關(guān)注[14]。

支持向量機(jī)(support vector machine，SVM)是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則的模式識(shí)別方法，該方法對(duì)小樣本、非線性和高維度問題中優(yōu)勢(shì)顯著。本實(shí)驗(yàn)主要采用高斯核函數(shù)的SVM分類，此方法需要尋求懲罰因子C和核函數(shù)g兩個(gè)參數(shù)的最佳優(yōu)化值，兩個(gè)參數(shù)對(duì)分類效果有著重要影響。

反向誤差傳輸神經(jīng)網(wǎng)絡(luò)(back propagation neural network，BPNN)是一種前饋多層神經(jīng)網(wǎng)絡(luò)，由非線性變換神經(jīng)單元組成，可以實(shí)現(xiàn)輸入和輸出間的任意非線性映射，非線性映射逼近能力和泛化能力強(qiáng)大，在建立大樣本的非線性校正模型中被廣泛應(yīng)用[15]。

2 結(jié)果與討論

2.1 各類貝母的THz光譜

圖3為四種貝母在0.6～3.0 THz波段的平均吸收曲線，未對(duì)光譜做任何預(yù)處理?？梢钥闯鏊姆N樣品的光譜曲線趨勢(shì)較為相似，均無明顯的吸收峰，在低頻區(qū)域四種樣品的平均光譜曲線重疊較為嚴(yán)重：在高頻區(qū)域川貝母的吸收系數(shù)明顯低于其他三類貝母，且平貝母、伊貝母、浙貝母區(qū)分不夠明顯，這可能是由于四種貝母某些藥用成分含量不同造成的。

圖3 四種貝母的平均吸收光譜

2.2 建模與分析

2.2.1 貝母樣品的二分類鑒別

根據(jù)采集到的樣品原始光譜，建立PLS-DA定性分析模型對(duì)川貝母與其他三類貝母進(jìn)行鑒別區(qū)分。每?jī)煞N樣品光譜數(shù)據(jù)各250組，共計(jì)500組樣品數(shù)據(jù)，隨機(jī)選取120組作為驗(yàn)證集，380組光譜數(shù)據(jù)為建模集。表1為二分類PLS-DA判別模型正確率。

表1 PLS-DA模型分類正確率

共建立了6個(gè)二分類模型，其中川貝母-平貝母、川貝母-浙貝母、平貝母-伊貝母、伊貝母-浙貝母4個(gè)二分類模型正確率均為100%。川貝母-伊貝母二分類模型的整體正確率為93.333%，其中川貝母的正確分類率為91.667%，伊貝母的正確分類率為95%。平貝母-浙貝母二分類模型的整體正確率為98.333%，其中平貝母的正確分類率為96.923%，浙貝母的正確分類率為100%。二分類模型整體分類效果較好。

根據(jù)原始光譜數(shù)據(jù)建立PLS-DA模型進(jìn)行預(yù)測(cè)時(shí)，其中川貝母-伊貝母鑒別時(shí)，5個(gè)川貝母被錯(cuò)誤識(shí)別成伊貝母，3個(gè)伊貝母被錯(cuò)誤識(shí)別成川貝母。進(jìn)行平貝母-浙貝母鑒別時(shí)，2個(gè)平貝母被錯(cuò)誤識(shí)別成浙貝母，其他貝母均無錯(cuò)分現(xiàn)象，整體效果較好。圖4為各種PLS-DA二分類模型。

圖4 六種PLS-DA二分類模型

2.2.2 貝母樣品的多分類鑒別

當(dāng)多種貝母摻雜在一起時(shí)，采用PLS-DA鑒別，結(jié)果精度較差，為尋求最佳解決貝母的多分類問題，在采用多種預(yù)處理方法多光譜數(shù)據(jù)進(jìn)行預(yù)處理之后，利用主成分分析提取數(shù)據(jù)的主要特征，降低光譜數(shù)據(jù)的維度。圖5為四種貝母樣品的太赫茲光譜經(jīng)過SNV預(yù)處理之后的主成分?jǐn)?shù)與方差貢獻(xiàn)率關(guān)系圖，圖6為前三個(gè)主成分評(píng)分圖。當(dāng)主成分大于13時(shí)，隨著主成分?jǐn)?shù)的增加，方差貢獻(xiàn)率增幅趨于0，累積方差貢獻(xiàn)率達(dá)到95%。

圖5 主成分?jǐn)?shù)與方差貢獻(xiàn)率關(guān)系圖

圖6 四種貝母的前3個(gè)主成分三維得分圖

由于貝母成分復(fù)雜，特征吸收峰不明顯，無法通過直接觀察進(jìn)行分類，需借助機(jī)器學(xué)習(xí)算法，故在對(duì)主成分分析之后的數(shù)據(jù)分別建立RF，SVM和BPNN多分類模型。表2為各模型鑒別四種貝母產(chǎn)地的具體正確率。

表2 貝母多分類結(jié)果對(duì)比

其中BPNN類模型的效果最差，盡管結(jié)合多種預(yù)處理方法，但整體正確率均未超過80%?？赡苁怯捎贐PNN可以對(duì)大量數(shù)據(jù)進(jìn)行模型訓(xùn)練，但其極易陷入模型訓(xùn)練速度較慢的狀態(tài)。RF結(jié)合SNV建模時(shí)，效果較好，正確率為95.417%，共計(jì)11個(gè)貝母樣品被錯(cuò)誤分類。綜合三類模型，SVM結(jié)合SNV建模效果最好，整體正確率高達(dá)97.490%，預(yù)測(cè)集剔除一個(gè)異常點(diǎn)之后共計(jì)239個(gè)樣本，被錯(cuò)誤分類6列，其中川貝母4例，正確率為97.490%，浙貝母1例，正確率為96.552%，平貝母與伊貝母均無出錯(cuò)。

3 結(jié) 論

以川貝母、平貝母、伊貝母、浙貝母四種貝母為例，介紹太赫茲時(shí)域光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法在中藥材定性鑒別中的應(yīng)用。對(duì)原始光譜預(yù)處理之后，采用主成分分析(PCA)提取主要特征，再建立二分類判別模型，其中川貝母-伊貝母二分類模型正確率為93.333%，平貝母-浙貝母二分類模型正確率為98.333%，其他二分類模型正確率均為100%，表明PLS-DA可以實(shí)現(xiàn)貝母的兩兩準(zhǔn)確分類；最后分別建立隨機(jī)森林(RF)、支持向量機(jī)(SVM)、反向誤差神經(jīng)網(wǎng)絡(luò)(BPNN)建立多分類模型并進(jìn)行對(duì)比，SVM結(jié)合SNV預(yù)處理建模效果最好，整體正確率高達(dá)97.490%。這表明四種貝母樣品的太赫茲吸收光譜雖均無明顯的吸收峰，但經(jīng)過光譜預(yù)處理結(jié)合合理的分類模型，可以實(shí)現(xiàn)相似貝母的準(zhǔn)確區(qū)分。本研究對(duì)維護(hù)中藥材的安全以及中國傳統(tǒng)醫(yī)藥市場(chǎng)秩序具有重要的意義，也為后期利用太赫茲時(shí)域光譜技術(shù)對(duì)中藥材更深層次的研究提供理論借鑒。