基于机器视觉技术实现中药性状“形色”客观化表达的展望

黎江华，吴纯洁，孙灵根，王双双，张继良，黄勤挽

(成都中医药大学，四川成都611137)

性状是中药(中药材、饮片及中成药)质量评价主要指标之一，涉及形(形状)、色(颜色)、气(气味)、味(味道)。其中，形状与颜色常合称为“形色”，是外观性状质量检查中的主要指标之一。而传统的中药性状依靠人的感观评测，主要通过眼观、手握、鼻嗅、口尝等方式进行，指标缺乏客观量化性，可操作性差。近年来，随着机器视觉技术快速发展，成熟的商业化产品相继问世，并在农业、食品等研究领域逐渐开始应用。机器视觉技术客观评价形色，可将外观形色信息数字化，以图像处理技术提取外观特征参数，建立品质与视觉信息之间耦合关系。这使得其在客观表达和控制中药外观信息形色方面表现出巨大的应用潜力。故设想在中药行业中开展相关的研究，实现中药性状有关形色的客观化表达。本文简要介绍机器视觉技术，提出利用机器视觉技术对中药性状形色进行客观化表达的构想，并对其应用前景进行展望。

1 机器视觉技术简介

1.1 机器视觉的原理与结构

机器视觉也称为计算机视觉，是用计算机模拟人眼的视觉功能，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理及模式识别等多个领域的交叉学科［1-2］;利用代替人眼的图像传感器获取物体图像信息，转换成数字图像，并利用计算机模拟人的判别准则去理解和识别图像，达到分析图像并做出结论的目的，最终用于实际检测和控制。一个典型的机器视觉应用系统包括图像捕捉模块、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块［3］。工作原理:首先采用CCD摄像机获得被测目标的图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统;根据像素分布、亮度和色彩等信息，进行各种运算来抽取目标的特征，并由此实现模式识别、坐标计算、灰度分布图等多种功能;最后再根据其结果显示图像，输出数据，发出指令，配合执行机构完成位置调整、好坏筛选、数据统计等自动化流程。其中图像处理系统是机器视觉系统的核心，主要图像处理包括图像变换、数据编码压缩、图像增强复原、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。模式识别的方法大致可分为统计决策法、句法结构法、模糊判决法和人工智能法四种。常见的人工智能法有BP网络分类、概率神经网络分类、三层神经网络、遗传法与神经网络相结合分类等［4］。

1.2 机器视觉技术的研究应用进展

机器视觉技术的最大优点是与被观测对象无接触，因此，对观测与被观测者都不会产生任何损伤，安全可靠。这是其它感觉方式无法比拟的。另外，人无法长时间地观察对象，机器视觉则无时间限制，而且具有分辨精度高和速度快、操作简单、成本低等优点。目前，机器视觉技术已广泛应用于农产品品质鉴定、工况监视、成品检验和质量控制等研究领域。

通过对食品和农产品进行不同测色方法对比研究，结果表明机器视觉系统完全可以反映样品颜色，且效果更好［5-6］。另外，通过对农产品的彩色图像颜色特征、几何形状特征及纹理特征进行提取、分析及计算，机器视觉技术可检测肉类、禽蛋、柑橘等新鲜度或成熟度，且对肉类、禽蛋、水产品、板栗、坚果、红枣、葡萄干、马铃薯等可实现自动缺陷识别、大小分档及品质分级［7-22］;机器视觉技术也可以结合近红外光谱、电子鼻等技术准确量化茶叶的种类及品质［23-26］。在大宗粮食检测方面，机器视觉技术可以对稻米划分等级，并对水稻种子、棉花种子、玉米种子、花生种子等进行品质检测与鉴定，甚至实现在线识别或异物剔除［27-34］;在农业种植和仓储监控方面，该技术能够实时识别行间杂草，并有效区分大田害虫及储粮害虫［35-37］;同时，有报道表明利用显微图像技术的机器视觉系统，在快速准确检出菌液、牛奶、果汁和牛肉的细菌总数方面具有较好的应用潜力［38-39］;在现代制造业领域，为了满足自动化生产装配中在线监测要求，机器视觉技术常用于对螺纹、齿轮等精密产品进行外观缺陷的在线检测［40-42］;医药领域，机器视觉技术通过检测患者面部色泽变化为医务人员提供有效的色诊诊断信息［43］，也可用于对大输液、口服液、保健酒等液体药物制剂装量、可见异物的检测及药品外观质量和包装的检测［44-49］;在环境卫生方面，机器视觉技术可以针对工业烟尘与水质进行在线环境检测，为污染的预防和控制策略的制定提供依据［50-52］;在森林防火监测等安全保障方面，也有良好的应用前景［53］。

2 机器视觉技术实现中药形色的客观化表达的应用前景

2.1 用于中药材外观质量及商品等级的评价

中药材是供中医临床用药、中成药生产的原料，其质量优劣将直接影响药品的疗效。古人的经验鉴别是从整体上控制中药材质量的方法之一，通过中药材的外观性状，从形、色、气、味等衡量其质量。其中形主要指中药材外形、长短及粗细，色主要指中药材在日光下观察的颜色及光泽度。对于有特殊形状和颜色的中药材，其外观形状和颜色历来就是鉴别中药材的主要依据之一:如天麻表面黄白色至淡黄棕色，有纵皱纹及由潜伏芽排列而成的横环纹多轮，有时可见棕褐色菌索，顶端有红棕色至深棕色鹦嘴状的芽或残留茎基，另段有圆脐形疤痕［54］，形象地称之为“鹦哥嘴”、“凹肚脐”，并以此为其特殊形状特征;川贝母中的松贝呈类圆锥形或近球形，表面类白色，有“怀中抱月”特征，炉贝呈长圆锥形，表面类白色或浅棕黄色，有“虎皮斑”特征，青贝则呈类扁球形;人参主根呈纺锤形、圆柱形或人字形，表面灰黄色，具纵皱纹，上部或中下部有环纹，有“珍珠须”、“珍珠疙瘩”、“雁脖芦”、“马牙芦”及“圆芦”等特征;牛黄表面黄红色至棕黄色，挂有一层黑色光亮的薄膜，习称“乌金衣”，有的具疣状突起，有的具龟裂纹;熊胆有金胆(铜胆)、墨胆(铁胆)、菜花胆之分［55］。而传统的中药材性状检测大多依靠人工感观评测，缺乏客观性和准确性，难以实现量化和标准化，不能满足中药材外观质量控制的需要。

因此，建议引入机器视觉技术针对中药材性状形色差异性，明确其特征特性的分类界线，分类及定级，建立统一标准，实现中药材性状形色的客观化表达。并在此基础上，结合电子鼻、电子舌实现中药材性状气味客观化表达，加上内在成分含量，通过内在品质和外观品质相结合的评价模式评价中药材质量，划分其商品等级。

2.2 用于饮片外观质量及炮制工艺的评价

中药饮片的质量与性状紧密相关，性状检查是饮片质量标准极为重要的内容之一。《中国药典》2010版一部首次对饮片有了明确的定义，收载的饮片品种大幅增加(439种)，并且参照中药材标准列出质量控制指标［54］。但药典附录炮制通则项有关性状的内容属于经验表述，难于操作:如炒黄用文火或中火炒至待炮炙品表面呈黄色或较原色稍深，或发泡鼓起，或爆裂，并透出药物固有的气味;炒焦者，一般用中火炒至表面焦褐色，断面焦黄色为度，并具有焦香气;炒炭是用武火炒至待炮炙品表面焦黑色、内部焦黄色或至规定程度;麸炒需炒至待炮炙品表面呈黄色或深黄色［54］。实例如清炒焦山楂，要求武火炒至外表焦褐色，内部焦黄色;砂炒马钱子，要求伴炒至鼓起并显棕褐色或深棕色，内部红褐色，并起小泡;蛤粉炒阿胶，要求炒至鼓起呈圆球形，内无溏心;砂烫穿山甲，要求炒至鼓起，呈金黄色;滑石粉炒刺猬皮，要求拌炒至黄色、鼓起、皮卷曲、刺尖秃［56］;又如制何首乌，要求蒸至内外均呈棕褐色;熟地黄，要求“黑如漆，甜如饴”。对于饮片的片型，根据需要切成薄片、厚片，或为了美观而切成瓜子片、柳叶片和马蹄片，切制后的饮片要求均匀、整齐、色泽鲜明、表面光洁。

可以看出，饮片性状形色是饮片质量评价的重要指标，然而经验鉴别主要依据鉴别者的感观感觉，鉴别结果极易受到主观因素的影响和偏差，在实际运用当中难免造成偏颇。另外，富有经验的老药工人数逐渐减少，中药炮制不仅面临着饮片质量控制问题，还面临着濒临传承断代的问题。因此，建议引入机器视觉技术，将饮片性状形色转化为客观数据，并与炮制机械设计技术相结合，设计制造出饮片加工炮制“火候”快速检测设备，准确把握炮制“火候”。进而借助其视觉传感器具有快速、准确和高效的优势，以饮片形色为指标，实现炮制“火候”的在线监控，达到从宏观上控制炮制工艺稳定性的目的。该技术的引入，有助于饮片外观品质得到控制，并且可以实现中药炮制经验的现代化传承和炮制工艺的规范化，同时，还可为炮制自动加工专用机械设备研究奠定基础。

2.3 用于中成药外观质量及工艺评价

中成药的外观性状与其质量密切相关，利用机器视觉技术实现外观的标准化控制，使中成药外观统一、稳定，可以提高其商业价值，为产品国际化奠定坚实的基础。《中国药典》2010版一部关于各中成药性状的检查内容，亦为经验表述，难以掌控。如丸剂外观应圆整均匀、色泽一致;散剂应混合均匀、色泽一致;颗粒剂应颗粒均匀，色泽一致，且要求可溶颗粒应全部溶化，允许有轻微浑浊，混悬颗粒应能混悬均匀;片剂外观应完整光洁、色泽均匀;合剂除另有规定外应澄清;注射剂、眼用制剂可见异物应符合规定。实例如六味地黄丸性状表述为棕黑色的水蜜丸、棕黑色至黑褐色的小蜜丸或大蜜丸;生脉胶囊内容物为棕黄色至棕褐色的颗粒和粉末;板蓝根颗粒为浅棕黄色至棕褐色的颗粒;藿香正气口服液为棕色的澄明液体［54］。另外中成药生产过程中的渗漉提取过程或大孔树脂吸附过程，对于渗漉终点和洗脱终点的判断，主要依靠液体颜色，结果常受到主观因素的影响和偏差，在实际运用当中难免造成偏颇，影响工艺稳定。

据报道，叶青松等［57］已开展利用机器视觉技术对丸药进行外观质量(要求圆整均匀、色泽一致)评价的研究，探讨丸药外观质量标准化及实时检测方法和途径，开发了完整的工作循环模式。并以此模式，提出了实时检测系统的完整方案。这为其他中成药(如颗粒剂、片剂、散剂、胶囊及口服液等)的外观质量评价提供了借鉴，有望实现中成药性状形色标准化，亦可根据批次间的外观性状差异评价工艺是否稳定，进而规范生产工艺。

3 讨论

机器视觉技术是根据图像像素分布、亮度和色彩等信息，通过相关运算来抽取目标的特征，并由此实现模式识别、坐标计算、图像灰度分布等多种功能。其中，光源对拍摄时图像的颜色影响较大，不易准确获取。并且大多数中药是以细微的形状特征和纹理特征来区分，能否准确获得其图像中的形状特征和纹理特征，这将是中药性状形色客观化表达的一大难题。亟需光谱、图像、计算机、信息及控制等方面的专家学者合作，共同探讨，攻克技术难关，为实现中药性状形色客观化表达提供技术支撑。目前，中药质量的评价，主要是定量测定，选择已知成分为指标，而较少关注未知成分，导致一些非法加工中药的情况出现，如硫磺熏中药，以致硫残超标。另外，在中成药生产过程中，对于贵重药材投料，常使用伪药或劣药替代，为了使定量检测达标而直接添加指标成分;更有甚者，在补肾、降糖、镇痛类中成药中，非法添加西药成分。这引起了行业的思考:中药质量应该怎样控制?指标成分定量检测能否代表中药质量检查?性状检查常为经验表述，如何具有操作性?有学者通过对假药进行外观性状鉴别，参照药品说明书对中成药的颜色、气味、状态等进行对照，初步识别药品真伪，再结合定量检测，辨别其真伪。笔者认为，对于中药质量评价、中药性状检查与内在成分定量检测应具有同等的地位，并且性状中形色和气味密不可分，共同诠释中药外观品质。因此，结合前期发表的有关中药性状气味客观化表达的设想［58］，建议应用机器视觉技术实现中药性状形色的客观化表达，使形色气味成为可量化的指标，再结合内在成分含有量等指标，建立外观品质(形色气味)和内在品质相结合的中药质量整体评价体系。同时，进一步完善中药质量标准内容，使其更具有可操作性，进而有助于建立中药商品等级、规格等级的标准及检验评价体系。

中药质量评价以感官评价、理化评价、生物学评价为方向不断发展。一直以来，行业内非常重视理化和生物学评价，而感官评价研究不够。笔者认为，中药质量更应该强调外观品质和内在品质相结合的评价方式，加强形色气味相关的技术研究。此研究非常重要，刻不容缓，希望引起行业重视。

［1］戴君，赵海洋.机器视觉［J］.机械设计与制造工程，1998，27(4):52-53.

［2］段峰，王耀南，雷晓峰，等.机器视觉技术及其应用综述［J］.自动化博览，2002(3):59-62.

［3］章炜.机器视觉技术发展及其工业应用［J］.红外，2005，27(2):11-17.

［4］唐向阳，张勇，李江有，等.机器视觉关键技术的现状及应用展望［J］.昆明理工大学学报:理工版，2004，29(4):36-39.

［5］Balaban M O.Quantifying nonhomogeneous colors in agricultural Materials Part I:method development［J］.J Food Sci，2008，73(9):431-447.

［6］Balaban M O，Aparicio J，Zotarelli M，et al.Quantifying nonhomogeneous colors in agricultural materials.Part II:comparison of machine vision and sensory panel evaluations［J］.J Food Sci，2008，73(9):438-442.

［7］Balaban M O，Unal Sengör G F，Gil Soriano M，et al.Using image analysis to predict the weight of alaskan salmon of different species［J］.J Food Sci，2010，75(3):157-162.

［8］Tan F J，Morgan M T，Ludas L I，et al.Assessment of fresh pork color with color machine vision［J］.J Anim Sci，2000，78:3078-3085.

［9］Yang C C，Chao K，Kim M S，et al.Machine vision system for on-line wholesomeness inspection of poultry carcasses［J］.Poult Sci，2010，89:1252-1264.

［10］陈坤杰，尹文庆.机器视觉技术在分析牛肉颜色变化特征中的应用［J］.食品科学，2008，29(9):92-96.

［11］应义斌，饶秀勤，马俊福.柑橘成熟度机器视觉无损检测方法究［J］.农业工程学报，2004，20(2):144-147.

［12］刘木华，段武貌，黎静，等.基于图像处理和支持向量机分类的牛肉大理石花纹等级评定［J］.沈阳农业大学学报，2005，36(6):650-654.

［13］王巧华，文友先，林雪冬，等.鸡蛋透射光图像形态特征与其新鲜度的相关关系［J］.农业工程学报，2008，24(3):179-183.

［14］丁幼春，熊利荣，陈红，等.鸭蛋蛋心颜色模型的试验研究［J］.农机化研究，2005(2):176-178.

［15］张晓芳，郁志宏，张涛，等.基于遗传神经网络的鸡蛋外观品质检测［J］.农机化研究，2008(5):122-124.

［16］Pan P M，Li J P，Lv G L，et al.Prediction of shelled shrimp weight by machine vision［J］.J Zhejiang Univ Sci B，2009，10(8):589-594.

［17］展慧，李小昱，王为，等.基于机器视觉的板栗分级检测方法［J］.农业工程学报，2010，26(4):327-331.

［18］薛忠，邓干然，崔振德，等.基于机器视觉的澳洲坚果分级研究［J］.农机化研究，2010，32(5):26-28.

［19］赵杰文，刘少鹏，邹小波，等.基于支持向量机的缺陷红枣机器视觉识别［J］.农业机械学报，2008，39(3):113-116.

［20］马学武，何建国.基于机器视觉红枣无损自动分级设备的研制［J］.宁夏工程技术，2008，7(3):213-215.

［21］唐晶磊，景旭，何东健.基于BP神经网络的葡萄干分级技术的研究［J］.农机化研究，2007，(11):51-53.

［22］郝敏，麻硕士.基于机器视觉的马铃薯单薯质量检测技术研究［J］.农机化研究，2009，31(9):61-63.

［23］陈全胜，赵杰文，蔡健荣，等.支持向量机在机器视觉识别茶叶中的应用研究［J］.仪器仪表学报，2006，27(12):1704-1706.

［24］袁林颖，周正科，皮利，等.茶叶品质等的量化识别研究进展［J］.南方农业，2010，4(1):80-83.

［25］陈全胜，赵杰文，蔡健荣.基于近红外光谱和机器视觉的多信息融合技术评判茶叶品质［J］.农业工程学报，2008，24(3):5-10.

［26］李晓丽，何勇.基于多光谱图像及组合特征分析的茶叶等级区分［J］.农业机械学报，2009，40(z1):113-118.

［27］常若葵，张伟玉，崔晶，等.基于机器视觉的大米外特性评价［J］.农机化研究，2009，31(12):149-151.

［28］吴继华，刘燕德，欧阳爱国.基于机器视觉的种子品种实时检测系统研究［J］.传感技术学报，2005，18(4):742-744.

［29］张俊雄，陈涛，于振东，等.基于计算机视觉的新疆棉种颜色分选系统设计［J］.农业机械学报，2009，40(10):161-164.

［30］杨锦忠，郝建平，杜天庆，等.基于种子图像处理的大数目玉米品种形态识别［J］.作物学报，2008，34(6):1069-1073.

［31］韩仲志，赵友刚.基于外观特征识别的花生品种与品质检测方法［J］.中国粮油学报，2009，24(5):123-126.

［32］饶洪辉，刘燕德，孙旭东，等.基于机器视觉的水稻种子质量在线检测机［J］.农机化研究，2009，31(10):79-82.

［33］唐向阳，张鹤松，张勇，等.基于机器视觉技术的智能烟草异物剔除系统［J］.机电工程技术，2006，35(12):84-85.

［34］张绍堂.基于视觉技术的烟草异物剔除系统的研究及实现［D］.昆明:云南大学，2007.

［35］毛文华，王一鸣，张小超，等.实时识别行间杂草的机器视觉系统［J］.农业工程学报，2003，19(5):114-117.

［36］邱道尹，张红涛，刘新宇，等.基于机器视觉的大田害虫检测系统［J］.农业机械学报，2007，38(1):120-122.

［37］廉飞宇，邢超，范伊红，等.基于机器视觉的储粮害虫检测与识别［J］.河南工业大学学报(自然科学版)，2007，28(3):43-46.

［38］金声琅，李玉娟，殷涌光.采用显微图像识别技术快速检测食品细菌总数［J］.农业工程学报，2008，24(4):177-180.

［39］金声琅.食品中细菌总数用机器视觉法与培养法检测的结果比较［J］.包装与食品机械，2009，27(4):33-37.

［40］左建中，刘峰，张定昭.机器视觉技术在螺纹检测中的应用［J］.机械设计与制造，2006，(4):113-114.

［41］周金山，娄训志，王凡，等.基于机器视觉的螺纹缺陷检测方法［J］.湖北工业大学学报，2010，25(2):4-6.

［42］杨淑莹，任翠池，张成，等.基于机器视觉的齿轮产品外观缺陷检测［J］.天津大学学报，2007，40(9):1111-1114.

［43］刑涛.基于机器视觉的中医色诊客观化研究［D］.北京:北京工业大学，2007.

［44］鲁娟，王耀南，余洪山，等.大输液中可见异物智能在线检测系统设计［J］.计算机测量与控制，2008，16(12):1802-1805.

［45］张业鹏，纪华，康智强，等.基于机器视觉的透明口服液装量检测系统的研究［J］.电子测量与仪器学报，2008，22(z2):337-341.

［46］张辉，王耀南，周博文，等.基于机器视觉的保健酒可见异物检测系统研究与开发［J］.仪器仪表学报，2009，30(5):973-979.

［47］孙怀远，周夫之，陆尚卿.机器视觉技术在药液灌装量检测中的应用［J］.计算机应用与软件，2009，26(6):247-248.

［48］蒋丽华.基于机器视觉技术的药品质量检测系统［J］.中国科技博览，2009(27):46.

［49］薛利军，张虎，李自田.采用机器视觉的药品包装实时在线检测系统的研究［J］.包装工程，2005，26(2):52-54.

［50］贾方庆，杨天怡，黄勤.基于机器视觉的在线环境监测系统设计［J］.计算机工程与设计，2007，28(17):4303-4306.

［51］汤一平，尤思思，叶永杰，等.基于机器视觉的生物式水质监测仪的开发［J］.工业控制计算机，2006，19(6):64-66.

［52］任艳君，胡方霞，陈兴龙.基于机器视觉的烟尘在线监测的研究［J］.西南大学学报:自然科学版，2008，30(9):163-168.

［53］贾志成，胡天翔，刘春景.基于机器视觉的森林防火监测技术初步研究［J］.林业机械与木工设备，2008，36(10):21-23.

［54］国家药典委员会.中华人民共和国药典:2010年版一部［S］.北京:中国医药科技出版社，2010:1.

［55］马艳梅.几种贵重中药材的鉴别术语释义［J］.时珍国医国药，2001，12(10):905-906.

［56］蔡宝昌.中药炮制学［M］.北京:中国中医药出版社，2008.9.

［57］叶青松.基于机器视觉的工业检测研究－实时药丸检测系统［D］.无锡:江南大学，2008.

［58］李文敏，吴纯洁，艾丽，等.基于电子鼻、电子舌技术实现中药性状气味客观化表达的展望［J］.中成药，2009，31(2):282-284.