Идентификация лет роста Puerariae Thomsonii Radix на основе технологии гиперспектральной визуализации и алгоритма глубокого обучения.

Научные отчеты, том 13, Номер статьи: 14286 (2023) Цитировать эту статью

Подробности о метриках

Puerariae Thomsonii Radix (PTR) не только широко используется в профилактике и лечении заболеваний, но также является важным сырьем в качестве источника крахмала и других продуктов питания. Годы роста PTR тесно связаны с его качеством. Быстрая и неразрушающая идентификация года роста необходима для контроля качества PTR и других традиционных китайских лекарств. В этом исследовании мы предложили систему классификации на основе сверточной нейронной сети (CNN) в сочетании с технологией гиперспектральной визуализации (HSI) для быстрой идентификации лет роста PTR. В качестве базовых моделей использовались традиционные методы лечения (т. е. мультипликативная коррекция разброса, стандартная нормальная вариация и сглаживание Савицкого-Голея) в сочетании с алгоритмами машинного обучения (т. е. случайный лес, логистическая регрессия, наивный Байес и повышение экстремального градиента). Среди них показатель F1 моделей на основе CNN, основанных на внешних поверхностях PTR, составил более 90%, превзойдя все другие базовые модели. Эти результаты показали, что можно использовать алгоритм глубокого обучения в сочетании с технологией HSI для определения годов роста PTR. Этот метод обеспечивает быстрый, неразрушающий и простой метод определения лет роста PTR. Его можно легко применить к другим сценариям, например, для определения места или лет произрастания других традиционных китайских трав.

Пуэрария Томсонии Бента (PTB) — это разновидность многолетней виноградной лозы, ее корень включен в Китайскую фармакопею под названием Puerariae Thomsonii Radix (PTR). PTR обогащены различными химическими компонентами, такими как изофлавоны, терпеноиды, кумарины. PTR уже давно используются как разновидность традиционной китайской медицины. Они обладают очевидным терапевтическим эффектом и, как было показано, улучшают сердечно-сосудистые заболевания, противовоспалительные и обезболивающие, обладают антидиабетическим действием, уменьшают воздействие алкоголя, защищают печень, осветляют кожу, увеличивают грудь1,2,3,4, 5,6. Они также являются одним из видов здоровой и известной еды в Китае и Юго-Восточной Азии. PTR имеют высокую экономическую ценность и рыночный спрос.

Согласно Китайской фармакопее, содержание пуэрина (C21H20O9) влияет на качество и лекарственную ценность PTR. Чем выше содержание пуэрина в ПТР, тем выше качество ПТР. PTR разного возраста выращивания различаются по содержанию пуэрина. Содержание пуэрина в ПТР напрямую связано с количеством лет роста. Xiong et al.7 обнаружили, что годовалый PTB имеет низкий уровень пуарарина, который намного ниже стандартов фармакопеи, а это означает, что его можно использовать только в пищу или в качестве сырья. Напротив, ПТБ в возрасте двух лет и более обычно достигает стандартного уровня содержания пуэрина и может использоваться в традиционной китайской медицине. Эти результаты указывают на важность определения годов роста PTR, поскольку годы роста напрямую связаны с качеством PTR, а также с экономической и медицинской ценностью.

Год роста PTR обычно определяют на основе объективного опыта или с помощью физических и химических испытаний. Однако PTR разного возраста имеют схожий внешний вид; таким образом, трудно отличить их характеристики и цвета на основе объективного суждения. В прошлом химическая идентификация PTR в основном выполнялась с использованием высокоэффективной жидкостной хроматографии (ВЭЖХ)8,9, что является трудоемким, трудоемким, дорогостоящим и разрушительным процессом. Поэтому представляется, что два вышеупомянутых метода не могут быть использованы для определения годов выращивания ПТР с высокой точностью и эффективностью и не могут удовлетворить потребности промышленного производства.

По сравнению с традиционной спектральной технологией, технология гиперспектральной визуализации (HSI) может использоваться для одновременного сбора информации об изображении поверхности и спектральной информации из тестируемого образца. Многие исследователи использовали HSI для определения годов выращивания и контроля качества традиционных китайских лекарств. За последние несколько лет точность определения годов роста Glycyrrhizae Radix et Rhizoma10, Ophiopogonis Radix11, Ziziphi Spinosae Semen12 и Atractylodis Rhizoma13 достигла 97,53%, 99,1%, 99,14% и 97,3% соответственно. Чжэн и др.14 исследовали подлинность спермы армянской спермы Amarum и спермы персидской на основе технологии HSI. На основе сравнительного анализа нескольких различных методов предварительной обработки и моделей идентификации исследователи обнаружили, что модель предварительной обработки второй производной и дискриминантный анализ частичных наименьших квадратов были лучшей комбинацией моделей. Точность классификации достигала 100%. Ченг и др.15 проверили 20 характеристических длин волн, используя алгоритм последовательных проекций, и установили несколько моделей для определения происхождения ладана. Результаты показали, что точность машинного обучения и линейного дискриминантного анализа составила 100%. Насколько нам известно, ни один отчет не был посвящен применению технологии HSI для определения годов роста PTR. Методы глубокого обучения, такие как традиционные нейронные сети (CNN), широко используются во многих областях, таких как классификация изображений16, прогнозирование контента17 и т. д., демонстрируя высокую производительность и хорошее обобщение. В этом исследовании мы предложили систему классификации на основе CNN для определения лет роста PTR на основе гиперспектральных изображений. Здесь в качестве базовых методов использовались традиционные методы лечения (т. е. мультипликативная коррекция разброса (MSC), стандартная нормальная вариация (SNV) и сглаживание Савицкого-Голея (SG)) в сочетании с несколькими современными моделями машинного обучения. продемонстрировать эффективность и превосходство предлагаемого метода.