中藥材是中醫(yī)藥的核心組成部分。近年來，中藥材在生產(chǎn)與流通環(huán)節(jié)出現(xiàn)了摻雜、摻假和混淆等情況。中藥材當(dāng)歸與獨(dú)活在外觀上較為相似，經(jīng)驗(yàn)不豐富的檢測(cè)人員較難區(qū)分。當(dāng)歸具有補(bǔ)血活血、調(diào)經(jīng)止痛、潤(rùn)腸通便等功效；獨(dú)活具有止痛、解表等功效。若誤將當(dāng)歸與獨(dú)活混淆，不僅減弱治療效果，還可能引發(fā)副作用或藥物反應(yīng)。

隨著高光譜圖像的光譜分辨率不斷提高，數(shù)據(jù)處理能力不斷增強(qiáng)，高光譜成像技術(shù)廣泛應(yīng)用于中藥材分選、食品安全、藥物檢測(cè)和飼料營(yíng)養(yǎng)成分鑒別等領(lǐng)域。

1、高光譜圖像采集與處理

利用高光譜實(shí)驗(yàn)平臺(tái)采集當(dāng)歸與獨(dú)活樣本的高光譜圖像。

圖1 當(dāng)歸與獨(dú)活樣本

2、高光譜圖像預(yù)處理

為降低光源強(qiáng)度分布不均勻和相機(jī)暗電流對(duì)高光譜圖像的干擾，對(duì)采集的當(dāng)歸與獨(dú)活樣本高光譜圖像進(jìn)行黑白校正，校正公式為

式中：為Rλ校正后的高光譜圖像，Iλ為采集的高光譜圖像，Bλ為反射率為99%標(biāo)準(zhǔn)白板圖像，Hλ為鏡頭遮擋采集的暗場(chǎng)圖像。

為了獲取當(dāng)歸與獨(dú)活樣本的平均光譜數(shù)據(jù)，利用圖像掩模逐個(gè)提取當(dāng)歸與獨(dú)活樣本的感興趣區(qū)域（regionofinterest,ROI），并將每個(gè)樣本所有像素點(diǎn)的平均光譜反射值作為一條光譜曲線，共有963條平均光譜曲線。

圖2 平均光譜數(shù)據(jù)提取過程

利用高光譜相機(jī)采集當(dāng)歸與獨(dú)活樣本的三通道彩圖；然后，通過閾值處理將高光譜相機(jī)采集的1364nm波段的灰度圖作為掩模圖像；最后，根據(jù)掩模圖像中單個(gè)樣本的掩模坐標(biāo)，從高光譜圖像中提取去除背景的部分高光譜圖像作為感興趣區(qū)域，并計(jì)算其平均光譜。

當(dāng)歸與獨(dú)活樣本的平均光譜曲線如圖：

圖3 當(dāng)歸與獨(dú)活樣本的平均光譜曲線

由圖4可知，當(dāng)歸與獨(dú)活樣本的平均光譜曲線在兩端邊緣處光譜反射值波動(dòng)較劇烈，受干擾較大，數(shù)據(jù)失真嚴(yán)重，影響后期的分類效果，需進(jìn)行噪聲裁剪，即剔除噪聲較大的936~1012nm和1652~1720nm邊緣波段，保留1016~1648nm中間波段（對(duì)應(yīng)224波段中的23~204，共計(jì)181個(gè)波段）進(jìn)行建模分析。

3、分類流程

3.1一維卷積

卷積神經(jīng)網(wǎng)絡(luò)是一種端到端的深度神經(jīng)網(wǎng)絡(luò)，主要包括輸入層、卷積層、池化層、全連接層和輸出層。本文基于LeNet-5卷積神經(jīng)網(wǎng)絡(luò)建立當(dāng)歸與獨(dú)活一維卷積神經(jīng)網(wǎng)絡(luò)（1D-CNN）分類模型，主要包括3個(gè)卷積層、3個(gè)平均池化層和1個(gè)全連接層，模型框架如圖5所示。

圖4 當(dāng)歸與獨(dú)活1D-CNN分類模型框架

表1 當(dāng)歸與獨(dú)活1D-CNN分類模型參數(shù)

3.2分類流程

當(dāng)歸與獨(dú)活分類流程圖如圖所示。

圖5 當(dāng)歸與獨(dú)活分類流程圖

首先，采用高光譜相機(jī)獲取當(dāng)歸與獨(dú)活樣本的高光譜圖像，確定高光譜圖像預(yù)處理的最佳方法并計(jì)算其平均光譜；然后，分別利用當(dāng)歸與獨(dú)活1D-CNN分類模型和SVM分類模型對(duì)當(dāng)歸與獨(dú)活進(jìn)行分類；接著，通過顯著圖選擇當(dāng)歸與獨(dú)活的特征波段，減少數(shù)據(jù)計(jì)算量；最后，在當(dāng)歸與獨(dú)活數(shù)據(jù)集上基于所選的特征波段，分別采用1D-CNN分類模型和SVM分類模型實(shí)現(xiàn)當(dāng)歸與獨(dú)活的分類。

4、高光譜數(shù)據(jù)

全部當(dāng)歸與獨(dú)活樣本的平均光譜如圖：

圖6 全部當(dāng)歸與獨(dú)活樣本的平均光譜

由圖 7 可知，當(dāng)歸與獨(dú)活光譜曲線相似性高，不 易區(qū)分，但在某些波段存在細(xì)微的差異。

圖7 輸入光譜數(shù)據(jù)的顯著波段

由上圖可知，波段貢獻(xiàn)度較大的區(qū)域分別集中在 1 120 nm、1 262 nm 和 1 548 nm 波長(zhǎng)附近，因此選擇 1 108 ~1 136 nm、1 260 ~1 284 nm 和 1 542 ~1 560 nm 共 20 個(gè)波段作為特征波段。

推薦：

便攜式高光譜成像系統(tǒng) iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精準(zhǔn)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品，主要優(yōu)勢(shì)具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價(jià)比特點(diǎn)采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計(jì)，物鏡接口為標(biāo)準(zhǔn)C-Mount，可根據(jù)用戶需求更換物鏡。

審核編輯 黃宇