Идентификация солодки по происхождению с применением гиперспектральной визуализации
Традиционные методы идентификации лекарственных растений, включая солодку, основаны на сенсорном анализе и простых тестах. Эти методы, опирающиеся на опыт экспертов, страдают от низкой надежности и воспроизводимости. Современные химические методы (тонкослойная и жидкостная хроматография) обеспечивают более точный анализ, но требуют сложной и длительной подготовки образцов, что увеличивает стоимость и делает их непригодными для быстрой сортировки в промышленных масштабах. Технология гиперспектральной визуализации, сочетающая спектральный анализ и машинное зрение, позволяет одновременно получать и анализировать спектральные и пространственные данные об объекте. Это неразрушающий, быстрый, экологически чистый и относительно недорогой метод. В контексте традиционной китайской медицины применение гиперспектральной визуализации пока ограничено. Настоящее исследование направлено на получение гиперспектральных данных солодки в видимом и ближнем инфракрасном (VNIR) и коротковолновом инфракрасном (SWIR) диапазонах. Различия в спектральных характеристиках используются для выявления различий во внутреннем составе лекарственного сырья. Объединение спектральной и текстурной информации позволяет разработать быстрый и неразрушающий метод идентификации солодки, происходящей из разных регионов.
Материалы и методы
Растительные материалы
В качестве образцов солодки были выбраны лекарственные травы из трех основных регионов произрастания: Внутренняя Монголия, провинция Ганьсу и Синьцзян-Уйгурский автономный район. Из каждой партии отобрали по 30 образцов, расположив их в виде матрицы. Таким образом, для гиперспектрального анализа изображений было собрано 1620 образцов солодки, представляющих 54 партии. Образцы были разделены на обучающую (1085 образцов) и тестовую (535 образцов) выборки в соответствии с определенным алгоритмом.
Оборудование
В исследовании использовалась гиперспектральная камера FS-15 производства Hangzhou Caipu Technology Co., Ltd. Эта коротковолновая ближнеинфракрасная камера позволяет получать до 200 кадров в секунду и широко применяется в таких областях, как распознавание компонентов, идентификация веществ, машинное зрение, контроль качества сельскохозяйственной продукции и проверка экранов.
Рисунок 1 - Гиперспектральная камера FS-15
Сбор гиперспектральных изображений
Для предотвращения деформаций и искажений изображений необходима тщательная настройка параметров системы: расстояния между образцом и объективом, времени экспозиции камеры и скорости перемещения платформы. Чтобы обеспечить сопоставимость данных, длина диапазона VNIR была установлена на 870 пикселей, а длина диапазона SWIR – на 1350 пикселей.
Результаты анализа гиперспектральных данных
Анализ спектральных кривых солодки в VNIR и SWIR диапазонах
На рисунке 2 представлены исходные спектральные кривые солодки, полученные в видимой области ближнего инфракрасного (VNIR) и коротковолновом инфракрасном (SWIR) диапазонах. Анализ показал, что в VNIR диапазоне (898-1042 нм) и SWIR диапазоне (1600-1751 нм) отношение сигнал/шум низкое. Для повышения качества анализа из рассмотрения были исключены участки спектров с выраженным шумом. В результате для дальнейшей обработки были выбраны спектры в диапазоне 435-898 нм (первые 181 полосы) для VNIR и в диапазоне 898-1600 нм (первые 421 полосы) для SWIR.
Рисунок 2 - Исходные спектральные кривые солодки, полученные в видимой области ближнего инфракрасного (VNIR) и коротковолновом инфракрасном (SWIR) диапазонах
После применения пороговой сегментации и удаления фоновых помех были выделены области интереса на изображениях солодки. Был проведен анализ 1620 спектральных кривых VNIR и SWIR, полученных для образцов солодки из 54 партий: 630 образцов из Внутренней Монголии, 510 – из Ганьсу и 480 – из Синьцзяна. На рисунке 3 представлены средние спектральные кривые для солодки из разных регионов, полученные путем усреднения индивидуальных спектров. Из графика видно, что солодка из Синьцзяна характеризуется более высокой интенсивностью отражения как в VNIR, так и в SWIR диапазонах. Спектральные кривые солодки из Внутренней Монголии и Ганьсу демонстрируют схожие тенденции в SWIR диапазоне, с небольшим расхождением в областях 900-1050 нм и после 1500 нм. В целом, спектральные кривые образцов из разных регионов производства солодки достаточно похожи, существенных различий между ними не наблюдается. Однако были выявлены различия в величине отражательной способности в отдельных спектральных диапазонах, что может указывать на различия в химическом составе или физических свойствах образцов, обусловленные, вероятно, различиями в почве, освещении и агротехнике в разных регионах.
Рисунок 3 - Средние спектральные кривые для солодки из разных регионов, полученные путем усреднения индивидуальных спектров
Обсуждение результатов и перспективы
Традиционные методы определения происхождения лекарственных растений, такие как солодка, не подходят для оперативного контроля качества в режиме реального времени. Для цифровизации контроля качества и повышения эффективности производственных процессов необходимо внедрение спектроскопических и хемометрических методов. В настоящем исследовании для повышения точности классификации была использована технология гиперспектральной визуалихации. Наилучшая точность классификации была достигнута при объединении спектральной и пространственной информации, полученной для всего спектрального диапазона. Однако использование только 28 характеристических длин волн, отобранных методом SPA, позволило добиться классификации всего спектрального диапазона. Дальнейшее развитие гиперспектральной визуализации, повышение точности приборов и оптимизация алгоритмов обработки данных открывают широкие перспективы для применения этой технологии в задачах определения происхождения лекарственных растений, идентификации сырья и контроля качества.
