基于机器视觉系统的姜炭炮制程度判别及颜色-成分相关性分析

作者：张一凡; 周苏娟; 孟江; 左蓉; 林华坚; 孙悦; 王淑美

来源：中国药房, 2022, 33(22): 2712-2718.

DOI：10.6039/j.issn.1001-0408.2022.22.05

• 姜炭
• 机器视觉
• 机器学习
• 质量评价
• 炮制程度

目的 基于机器视觉系统探讨姜炭炮制程度判别及颜色-成分含量相关性，为姜炭炮制程度控制和质量评价提供参考。方法 采用高效液相色谱法测定干姜及其不同炮制程度姜炭饮片中6-姜酚、8-姜酚、10-姜酚、6-姜烯酚、姜酮5种成分的含量；采用机器视觉技术获得饮片图像并提取饮片RGB、L*a*b*、HSV 3个不同颜色空间的颜色特征，采用机器学习，如主成分分析（PCA）、线性判别分析（LDA）、偏最小二乘法-判别分析（PLS-DA）和支持向量机（SVM）等方法对姜炭不同炮制程度姜炭建立定性判别模型，将颜色特征值与测得的5种成分含量进行相关性分析，建立颜色-成分的定量预测模型。结果 随着炮制程度的加深，姜酮在炮制后产生且含量先增加后降低，标炭饮片中含量最高；6-姜酚、8-姜酚和10-姜酚的含量逐渐降低；6-姜烯酚含量先增加后降低。基于饮片图像颜色客观量化结合有监督判别模式识别方法的LDA和SVM建立的定性判别模型，其交叉验证训练预测准确率达到100%，外部验证准确率达到95.83%。基于饮片图像颜色客观量化结合SVM建立5种成分含量预测模型，RPD值均大于2，各成分的R2P与R2C值中姜酮为0.633 9与0.683 3，其他成分值均大于0.75，说明SVM对除姜酮以外的4种成分均有较好的预测能力。结论基于机器视觉系统对姜炭炮制程度的判别和含量预测模型效果良好，可为姜炭饮片的质量控制和炮制程度的判断提供参考。

• 单位
  国家中医药管理局; 广东药科大学