数字图像处理技术在中药材及饮片鉴定领域的应用

聂壹琦　阚红星

摘要：数字图像处理技术在中药材及饮片的鉴定领域主要分为性状鉴定、显微鉴定、理化鉴定、纯度品质鉴定。作者就近10年数字图像处理技术在中药材及饮片鉴定领域的新技术、新方法进行了分析与综述，然后对图像处理技术在该领域内所面临的困难、发展前景及新技术运用进行探讨与展望。

关键词：中药材；中药饮片；真伪鉴定；数字图像处理技术；机器学习；三维建模

中图分类号：TP391      文献标识码：A

文章编号：1009-3044（2022）34-0019-04

中药材及饮片的鉴定正朝着科技化、快捷化、交互化的方向不断发展进步。数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术[1]。目前数字图像处理技术在中药材及饮片的鉴定领域主要有四部分：性状鉴定、显微鉴定、理化鉴定、纯度品质鉴定。

传统的鉴定方法需要丰富的经验和实验操作能力，而数字图像处理技术在中药材及饮片鉴定中使用可以减少肉眼及操作带来的不准确性和主观性[2]。本文就数字图像处理技术在中药材及饮片鉴定领域的应用展开以下分析和讨论，旨在为提高鉴定的准确性和效率提供思路方法的借鉴。图1为易混淆中药材图片。

1 数字图像处理技术在中药材及饮片性状鉴定中的应用

性状鉴定，主要靠人用眼、手、鼻、口、舌等来进行，即通过看、摸、闻、尝等感官方法来鉴别[4]。

石佳等人[5]以覆盆子为研究对象，利用ZEN数码成像系统对其表面特征及横剖面特征进行分析，采用景深扩展进行图像合成实现性状特征智能化识别。张南平等人[6]以茺蔚子为研究对象，同样利用ZEN数码成像对茺蔚子进行图像合成，研究茺蔚子剖面特征时同样使用ZEN（AMD微处理器架构）数码成像系统（采用景深扩展进行拍摄合成）。马四补等人[7]用Photoshop软件对6种青风藤类中药材茎横切面图像进行分析，通过计算像素点的方法以确定断面腐烂情况，为后期数学统计提供有益快捷数据支持。周法律等人[8]利用数字图像处理技术对中药叶片进行在线识别，依次进行图像采集、图像处理、特征提取、图像识别。该实验通过动态规划算法与人工神经网络算法相结合的方法实现叶片图像的识别，准确率可达到80%以上。Tony J. Collins等人[9]研究软件ImageJ，ImageJ在中药材的识别也有使用。ImageJ支持多种标准图像文件格式，包括其实现的48位彩色合成图像支持。ImageJ集成了许多用于图像处理的有用工具，其中包括直方图操作和标准图像过滤器--这是一个优秀的背景减除例程，特别适合处理不均匀的背景和其他用户编写的插件，以实现更复杂的过滤（例如，卡尔曼滤波、各向异性扩散）。另一个优势是大量的自动图像分割算法，再次允许用户选择最合适的。这些方法包括最大类间方差阈值、混合建模、最大熵、基于颜色的阈值和K-均值聚类。Fiji[10]使用现代软件工程做法，将强大的软件库与广泛的脚本语言相结合，以实现图像处理算法的快速原型设计。Fiji促进将新算法转化为ImageJ插件，可通过综合更新系统与最终用户共享。Johannes Schindelin建议Fiji作为计算机科学和生物研究界之间进行富有成效的合作的平台。国内外均有所研究，国内注重图像处理部分，国外侧重图像处理软件算法的开发，由此可见数字图像处理技术在中药材及饮片领域的应用广泛并且具有长远的发展潜力。

中药微性状鉴定法[11]是借助仪器观察中药材表面 （包括断面）肉眼不易察觉的细微性状特征。该方法是将性状鉴定和显微鉴定结合的新方法，于2011年首次提出，本研究将微性状鉴定法放在性状鉴定下进行分析。幕元熹[12]在他的硕士毕业论文中使用PHOTOSHOP CS4进行同组别图片合成，进行“合并图层”和“自动混合图层”得到清晰图片。该课题对广藿香、大青叶、旋覆花等12种易混类群中药材进行鉴别，可以准确鉴定。高飞燕等人[13]以石竹科的16种植物种子为研究对象，利用电脑景深合成技术针对性地反应易混中药材的表面特征，为种子类中药材的鉴定奠定坚实基础，使得全草类中药可以快速找到种子。徐飞等人[14]以人参和西洋参饮片为研究对象，对采集到的图像建立图像数据集，再扩大数据集，然后进行颜色处理和预训练模型构建，最后构建卷积神经模型，该模型可以在药材无损的情况下准确鉴别人参及西洋参。袁仕君等人[15]利用Adobe Photoshop CS6将图像导入使用自動混合图层和合并图层操作后对处理过后的图片进行数据分析。微性状鉴定方法是对性状鉴定的一种改善，性状鉴定是根据鉴定人员本身对于中药材知识的掌握，通过感官的方式来对中药材及饮片进行鉴定。此鉴定方法对于鉴定人员本身的专业知识素养有很高的要求，另一方面鉴定的准确率也会因为掌握知识的程度而有所浮动变化。

2 数字图像处理技术在中药材及饮片显微鉴定中的应用

显微鉴定是指用显微镜来观察中药的组织、细胞或内含物等的结构形态特征，以确定其真伪与纯度的鉴定方法。显微鉴定是现在最为常见的、科学的、高效的鉴定方法[4]。

罗岚等人[16]以水灵芝为研究对象，使用显微鉴定方法对其进行鉴定研究。该研究主要就水灵芝全草的薄层样本进行详细地研究鉴别，对不同批次的水灵芝的薄层色谱进行对比。石佳等人[17]利用数码成像技术对覆盆子的性状进行研究和数字化表征，为中医药的数字化标本库建立奠定了基础。卢文彪以牛膝和川牛膝为研究对象，在对研究中药材的组织提取分析中，利用MATLAB，采用分层搜索策略进行图像配准匹配，再使用小波融合进行图像灰度调整，数字图像处理技术在该研究中实现中药材图像的识别分割，为中药材及饮片提供新的研究方向。利用数字图像处理技术来鉴定的还有采用CCD摄像机在低倍显微镜下直接对标本采样，然后将摄像头采集中药材图像输入ApolloDN3500系统，进行图像灰度处理，再用特定处理代码完成采集图像的特性分析测定，最后得到参数的像素。孙鑫等人[18-19]利用深度学习对中药图像进行数字化处理，建立中药材图像数据库，该库中包括2554张图像，运用SoftMax训练数据准确性可达到70%。徐晓琴等人[20]在研究管花肉苁蓉时，使用数码成像系统拍照，将横截面的分散图片合成一张完整的图片后进行显微观察，为较大中药材鉴定提供思路方法。王一丁等人[21-22]对中药材粉末显微图像进行研究，图像预处理时建立多通道颜色空间，保证小样本图像信息的处理效率和准确率。

3 数字图像处理技术在中药材及饮片理化鉴定中的应用

理化鉴定是利用物理、化学仪器分析方法，来对中药所含化学成分、有效成分、相关成分以及其他物质进行定性定量分析，以确定中药的真伪及品质优劣程度[4]。

张丹纯等人[23]以鴨跖草和淡叶草为研究对象，利用MEGA6.0软件分析内遗传距离，为市售混有淡叶草的鸭跖草提供鉴定依据。石岩等人[24]应用层次聚类分析方法等数据处理方法对牛胆和羊胆药材的薄层色谱进行鉴定分析，相较于其他的鉴定方法，该方法灵敏度更高。徐敏莉[25]在她的硕士毕业论文中提到一种新技术，一种基于高效液相色谱-质谱联用仪进行三维数字图像处理的研究，该方法的优点在于融合仪器分析化学技术和数字图像技术进行多维数据的分析提取。姚令文等人[26]以人工牛黄薄层指纹图谱为研究对象，对特征图谱进行灰度转换，将数据导入ChemDataSolution进行平滑滤波处理。该研究的创新点在于图像数字化的设计，结合三原色和256阶亮度，将彩色图像转换为可用色阶表示的灰度图像进行数字化分析。曾秋梅[27]在其硕士毕业论文中提到山茶属植物油脂图像分析标记，将山茶属植物油脂转换为颜色的形式来存储，开发出新型图像标记身份证和鉴定标记身份证，为中药材的鉴定提供了一种新的鉴定思路。

4 数字图像处理技术在中药材及饮片纯度品质鉴定中的应用

纯度品质鉴定是通过对中药的杂质、灰分、灰屑及所含水分、浸出物等物质的检查来确定中药的重量优劣[4]。

杂质鉴定属于纯度品质鉴定。孙春蕾等人[28]建立一种快速检测细小中药材及饮片的方法，使用PHOTOSHOP-CS4作为图像处理软件，利用底板调色的方法计算杂质率，该方法将现代计算机技术与中药材鉴定融合，为传统中医的创新发展提供新思路。灰分鉴定属于纯度品质鉴定。王海波等人[29]以精选煤为研究对象，对精选煤的灰分进行测定，使用CCD传感器对收到的视频信号进行解码，得到图像灰度曲线后对精选煤的灰分进行比较。中药材中也含有矿物质所以引用王海波的文章进行论述。含水量检查也属于纯度品质鉴定。周鸿达等人[30]计算机视觉技术准确研判玉米含水量，使用MATLAB作为图像处理软件，对500幅玉米籽图像进行图像滤波、图像分割后做水分质量分数测定并建立模型，为玉米的量产优产提供先进科学的方式。张玉荣等人[31]研究小麦不完善粒的识别方法中同样用到MATLAB来对图片进行处理，对RGB、HIS颜色信息分别进行识别，该方法可以很好地进行图片降噪和不完善小麦粒筛选。

5 结束语

综上所述，数字图像处理技术在中药材及饮片鉴定领域应用广泛，从以主观经验为主的基础鉴定到使用计算机图像技术辅助鉴定，充分证明了数字图像处理技术在中药材及饮片鉴定领域的应用前景。另外计算机图像分析处理和显微技术、核磁共振等技术的不断融合将不断地完善中药材鉴定、成分分析的方法和技术。然而传统的中药材及饮片的鉴定都存在着各种各样的弊端：鉴定者专业能力要求严格、结果无法量化、通过量低、药材本身组织相似性高等[2]。相信在不久的将来，数字图像处理技术与中药材及饮片鉴定会互相促进，运用该技术会使鉴定效率和准确性大大提升。所以我团队正在研究一种利用数字图像处理技术快速鉴定中药材及饮片的方法。

1） 利用计算机视觉技术测量中药材不规则体积：张晴等人[33]应用基于双目结构光原理的桌面三维扫描仪，对多种形状和类别的宝石进行多次体积测定，并根据电子分析天平称取的样品质量获得每件样品多次测量的密度值。每件样品多次测量的密度值均落在国家标准中的该样品所属宝石类别的密度区间内，表明该方法的准确性且该方法不稳定因素较少。宝石是矿物晶体材质的，矿物类中药有自然矿物元素、硫化物及其类似化合物矿物、卤化物、氧化物和氢氧化物、含氧盐矿物等，例如朱砂、雄黄、滑石、白矾等属于矿物类中药。因此我们推测密度测量对于中药材的鉴定具有研究意义。A. C. Meyer等人[34]利用计算机视觉技术对形状不规则的农产品进行了体积检测。分别收集了30张切片的番茄、沙拉番茄、白蘑菇和草莓。使用光学成像系统测定这些产品的体积，并将其与使用水驱替/浮力法收集的体积测量结果进行了比较。此外，对每个产品集的重量和体积测量进行回归分析，以建立从物体重量预测物体体积的方程。M. Brunel等人[35]研究了基于干涉图像的粒子三维形状重建对冰粒子体积估计。在这项研究中，冰粒子的体积是估计从一对干涉图像（两个垂直的视角）。根据初始三维粒子形状的选择，粒子体积估计的相对误差约为∆V≈30%。以上三个研究方向都为本研究提供了一定的参考借鉴。A. C. Meyer等人[34]的研究对象为农产品，部分中药材未经处理加工前也是农产品，因此本研究从研究对象到研究方向都是可行的。

2） 使用三维建模技术准确重现中药材外观；基于三维建模，利用机器学习对参数多的中药材模型进行训练拟合。三维建模技术已经在工业制造业领域得到了广泛使用，中药材及饮片鉴定与机器学习方法相结合为临床用药安全性提供了新思路，两者的协同发展对于数字图像处理技术在中药材及饮片鉴定将具有广阔的前景。

参考文献：

[1] 胡志萍.数字图像处理技术研究进展[J].中国新通信，2020，22（24）：72-73.

[2] 陈士林，郭宝林，张贵君，等.中药鉴定学新技术新方法研究进展[J].中国中药杂志，2012，37（8）：1043-1055.

[3] 韦颖.105种常用药用植物果实、种子性状与显微鉴别特征研究[D].北京：中国中医科学院，2012.

[4] 陈科力，黄林芳，刘义梅.中药鉴定方法学发展历程[J].中国中药杂志，2014，39（7）：1203-1208.

[5] 石佳，巫明慧，康帅，等.覆盆子的性状和显微鉴定研究与数字化表征[J].中国药学杂志，2022，57（6）：420-427.

[6] 石佳，康帅，张南平，等.茺蔚子的性状和显微鉴定研究与数字化表征[J].药物分析杂志，2021，41（8）：1306-1315.

[7] 马四补，温迪，黄园，等.Photoshop软件在清风藤类药材鉴定中的应用研究[J].中国现代应用药学，2021，38（12）：1426-1430.

[8] 周法律，張璐瑶，汤岚凤，等.中草药原植物叶片图像在线识别系统设计与实现[J].电脑知识与技术（学术版），2014（5）：3114-3116.

[9] Collins T J.ImageJ for microscopy[J].BioTechniques，2007，43（1 Suppl）：25-30.

[10] Schindelin J，Arganda-Carreras I，Frise E，et al.Fiji：an open-source platform for biological-image analysis[J].Nature Methods，2012，9（7）：676-682.

[11] 周建理，杨青山.中药微性状鉴定法[J].安徽中医学院学报，2011，30（1）：66-68.

[12] 幕元熹.31种中药材的微性状鉴定研究[D].合肥：安徽中医药大学，2015.

[13] 高飞燕.种子类中药微性状鉴定法研究[D].合肥：安徽中医药大学，2013.

[14] 徐飞，孟沙，吴启南，等.基于卷积神经网络的人参与西洋参饮片鉴别方法研究[J].南京中医药大学学报，2018，34（6）：621-624.

[15] 袁仕君，马青，陈科力，等.常见矿物类中药粉末的微性状鉴别[J].中草药，2021，52（5）：1454-1461.

[16] 罗岚，覃彬华，余惠凡.水灵芝中药材的显微鉴定[J].绿色科技，2019（16）：248-249，252.

[17] 石佳，巫明慧，康帅，等.覆盆子的性状和显微鉴定研究与数字化表征[J].中国药学杂志，2022，57（6）：420-427.

[18] 朱映黎，杨弘宾，吴嘉瑞，等.机器学习算法构建附子线粒体功能高通量筛选模型及机制研究[J].中国中药杂志，2022，47（9）：2509-2515.

[19] 王一丁，郝晨宇，李耀利，等.基于深度学习的小样本中药材粉末显微图像识别[J].计算机应用，2020，40（5）：1301-1308.

[20] 徐晓琴，贾晓光，魏鸿雁，等.较大中药材显微鉴别方法研究[J].新疆中医药，2012，30（6）：35-37.

[21] 王亚杰，张广军，李一波.基于分形参数的中药材显微图象纹理分析[J].计算机工程与应用，2003，39（29）：231-232.

[22] 王一丁，郝晨宇，李耀利，等.基于深度学习的小样本中药材粉末显微图像识别[J].计算机应用，2020，40（5）：1301-1308.

[23] 张丹纯， 关婉，涂嘉俊，等. 中药淡竹叶与鸭跖草的DNA条形码鉴定[J/OL].[2022-04-06].分子植物育种. https：//kns.cnki.net/kcms2/article/abstract？v=FY1L1_jN0KDQqvLrTu13vIxary 0o7snEyh6n0Ot_otOeLvV9Xuxp0xmhfbYi-h2UDRQB8yVWL_ Sjez4jr1lHJU1zAwxQ7BI6U5n2v1R9MMm-04guhu98aw==&uniplatform=NZKPT.

[24] 石岩，魏锋，马双成.基于RGB多通道图像数据的牛胆与羊胆薄层色谱特征分析[J].中国药物警戒，2022，19（10）：1060-1066.

[25] 徐敏莉.Tchebichef图像矩在分析中的新应用[D].兰州：兰州大学，2017.

[26] 姚令文，石岩，孙冬梅，等.人工牛黄薄层指纹图谱多元图像分析及化学计量学研究[J].中国中药杂志，2017，42（11）：2117-2122.

[27] 曾秋梅.山茶属三组植物油脂组成分析及其图像标记开发[D].泉州：华侨大学，2016.

[28] 孙春蕾，汪楠楠，杨青山，等.基于电脑分析的药材微杂质快速鉴定法[J].安徽医药，2016，20（7）：1271-1273.

[29] 王海波，范肖南.基于TMS320C6711线阵CCD测量系统及其在浮选精煤灰分监测中的应用[J].选煤技术，2005（6）：44-46.

[30] 王伟宇.玉米质量指标机器视觉技术研究[D].郑州：河南工业大学，2015.

[31] 张玉荣，陈赛赛，周显青，等.基于图像处理和神经网络的小麦不完善粒识别方法研究[J].粮油食品科技，2014，22（3）：59-63.

[32] 胡继礼，王永康，阚红星.基于深度迁移学习的中药饮片识别研究[J].新乡学院学报，2019，36（3）：62-67.

[33] 张晴，吴奕阳，汤红云.基于三维扫描体积测算的宝石密度测定方法[J].上海计量测试，2021，48（5）：43-46.

[34] Concha-Meyer A，Eifert J，Wang H J，et al.Volume estimation of strawberries，mushrooms，and tomatoes with a machine vision system[J].International Journal of Food Properties，2018，21（1）：1867-1874.

[35] Brunel M，Delestre B，Talbi M.3D-reconstructions for the estimation of ice particle's volume using a two-views interferometric out-of-focus imaging set-up[J].Review of Scientific Instruments，2019，90（5）：053109.

【通联编辑：李雅琪】