聶壹琦　闞紅星

摘要：數(shù)字圖像處理技術在中藥材及飲片的鑒定領域主要分為性狀鑒定、顯微鑒定、理化鑒定、純度品質鑒定。作者就近10年數(shù)字圖像處理技術在中藥材及飲片鑒定領域的新技術、新方法進行了分析與綜述，然后對圖像處理技術在該領域內所面臨的困難、發(fā)展前景及新技術運用進行探討與展望。

關鍵詞：中藥材；中藥飲片；真?zhèn)舞b定；數(shù)字圖像處理技術；機器學習；三維建模

中圖分類號：TP391? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）34-0019-04

中藥材及飲片的鑒定正朝著科技化、快捷化、交互化的方向不斷發(fā)展進步。數(shù)字圖像處理是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的方法和技術[1]。目前數(shù)字圖像處理技術在中藥材及飲片的鑒定領域主要有四部分：性狀鑒定、顯微鑒定、理化鑒定、純度品質鑒定。

傳統(tǒng)的鑒定方法需要豐富的經(jīng)驗和實驗操作能力，而數(shù)字圖像處理技術在中藥材及飲片鑒定中使用可以減少肉眼及操作帶來的不準確性和主觀性[2]。本文就數(shù)字圖像處理技術在中藥材及飲片鑒定領域的應用展開以下分析和討論，旨在為提高鑒定的準確性和效率提供思路方法的借鑒。圖1為易混淆中藥材圖片。

1 數(shù)字圖像處理技術在中藥材及飲片性狀鑒定中的應用

性狀鑒定，主要靠人用眼、手、鼻、口、舌等來進行，即通過看、摸、聞、嘗等感官方法來鑒別[4]。

石佳等人[5]以覆盆子為研究對象，利用ZEN數(shù)碼成像系統(tǒng)對其表面特征及橫剖面特征進行分析，采用景深擴展進行圖像合成實現(xiàn)性狀特征智能化識別。張南平等人[6]以茺蔚子為研究對象，同樣利用ZEN數(shù)碼成像對茺蔚子進行圖像合成，研究茺蔚子剖面特征時同樣使用ZEN（AMD微處理器架構）數(shù)碼成像系統(tǒng)（采用景深擴展進行拍攝合成）。馬四補等人[7]用Photoshop軟件對6種青風藤類中藥材莖橫切面圖像進行分析，通過計算像素點的方法以確定斷面腐爛情況，為后期數(shù)學統(tǒng)計提供有益快捷數(shù)據(jù)支持。周法律等人[8]利用數(shù)字圖像處理技術對中藥葉片進行在線識別，依次進行圖像采集、圖像處理、特征提取、圖像識別。該實驗通過動態(tài)規(guī)劃算法與人工神經(jīng)網(wǎng)絡算法相結合的方法實現(xiàn)葉片圖像的識別，準確率可達到80%以上。Tony J. Collins等人[9]研究軟件ImageJ，ImageJ在中藥材的識別也有使用。ImageJ支持多種標準圖像文件格式，包括其實現(xiàn)的48位彩色合成圖像支持。ImageJ集成了許多用于圖像處理的有用工具，其中包括直方圖操作和標準圖像過濾器--這是一個優(yōu)秀的背景減除例程，特別適合處理不均勻的背景和其他用戶編寫的插件，以實現(xiàn)更復雜的過濾（例如，卡爾曼濾波、各向異性擴散）。另一個優(yōu)勢是大量的自動圖像分割算法，再次允許用戶選擇最合適的。這些方法包括最大類間方差閾值、混合建模、最大熵、基于顏色的閾值和K-均值聚類。Fiji[10]使用現(xiàn)代軟件工程做法，將強大的軟件庫與廣泛的腳本語言相結合，以實現(xiàn)圖像處理算法的快速原型設計。Fiji促進將新算法轉化為ImageJ插件，可通過綜合更新系統(tǒng)與最終用戶共享。Johannes Schindelin建議Fiji作為計算機科學和生物研究界之間進行富有成效的合作的平臺。國內外均有所研究，國內注重圖像處理部分，國外側重圖像處理軟件算法的開發(fā)，由此可見數(shù)字圖像處理技術在中藥材及飲片領域的應用廣泛并且具有長遠的發(fā)展?jié)摿Α?/p>

中藥微性狀鑒定法[11]是借助儀器觀察中藥材表面 （包括斷面）肉眼不易察覺的細微性狀特征。該方法是將性狀鑒定和顯微鑒定結合的新方法，于2011年首次提出，本研究將微性狀鑒定法放在性狀鑒定下進行分析。幕元熹[12]在他的碩士畢業(yè)論文中使用PHOTOSHOP CS4進行同組別圖片合成，進行“合并圖層”和“自動混合圖層”得到清晰圖片。該課題對廣藿香、大青葉、旋覆花等12種易混類群中藥材進行鑒別，可以準確鑒定。高飛燕等人[13]以石竹科的16種植物種子為研究對象，利用電腦景深合成技術針對性地反應易混中藥材的表面特征，為種子類中藥材的鑒定奠定堅實基礎，使得全草類中藥可以快速找到種子。徐飛等人[14]以人參和西洋參飲片為研究對象，對采集到的圖像建立圖像數(shù)據(jù)集，再擴大數(shù)據(jù)集，然后進行顏色處理和預訓練模型構建，最后構建卷積神經(jīng)模型，該模型可以在藥材無損的情況下準確鑒別人參及西洋參。袁仕君等人[15]利用Adobe Photoshop CS6將圖像導入使用自動混合圖層和合并圖層操作后對處理過后的圖片進行數(shù)據(jù)分析。微性狀鑒定方法是對性狀鑒定的一種改善，性狀鑒定是根據(jù)鑒定人員本身對于中藥材知識的掌握，通過感官的方式來對中藥材及飲片進行鑒定。此鑒定方法對于鑒定人員本身的專業(yè)知識素養(yǎng)有很高的要求，另一方面鑒定的準確率也會因為掌握知識的程度而有所浮動變化。

2 數(shù)字圖像處理技術在中藥材及飲片顯微鑒定中的應用

顯微鑒定是指用顯微鏡來觀察中藥的組織、細胞或內含物等的結構形態(tài)特征，以確定其真?zhèn)闻c純度的鑒定方法。顯微鑒定是現(xiàn)在最為常見的、科學的、高效的鑒定方法[4]。

羅嵐等人[16]以水靈芝為研究對象，使用顯微鑒定方法對其進行鑒定研究。該研究主要就水靈芝全草的薄層樣本進行詳細地研究鑒別，對不同批次的水靈芝的薄層色譜進行對比。石佳等人[17]利用數(shù)碼成像技術對覆盆子的性狀進行研究和數(shù)字化表征，為中醫(yī)藥的數(shù)字化標本庫建立奠定了基礎。盧文彪以牛膝和川牛膝為研究對象，在對研究中藥材的組織提取分析中，利用MATLAB，采用分層搜索策略進行圖像配準匹配，再使用小波融合進行圖像灰度調整，數(shù)字圖像處理技術在該研究中實現(xiàn)中藥材圖像的識別分割，為中藥材及飲片提供新的研究方向。利用數(shù)字圖像處理技術來鑒定的還有采用CCD攝像機在低倍顯微鏡下直接對標本采樣，然后將攝像頭采集中藥材圖像輸入ApolloDN3500系統(tǒng)，進行圖像灰度處理，再用特定處理代碼完成采集圖像的特性分析測定，最后得到參數(shù)的像素。孫鑫等人[18-19]利用深度學習對中藥圖像進行數(shù)字化處理，建立中藥材圖像數(shù)據(jù)庫，該庫中包括2554張圖像，運用SoftMax訓練數(shù)據(jù)準確性可達到70%。徐曉琴等人[20]在研究管花肉蓯蓉時，使用數(shù)碼成像系統(tǒng)拍照，將橫截面的分散圖片合成一張完整的圖片后進行顯微觀察，為較大中藥材鑒定提供思路方法。王一丁等人[21-22]對中藥材粉末顯微圖像進行研究，圖像預處理時建立多通道顏色空間，保證小樣本圖像信息的處理效率和準確率。

3 數(shù)字圖像處理技術在中藥材及飲片理化鑒定中的應用

理化鑒定是利用物理、化學儀器分析方法，來對中藥所含化學成分、有效成分、相關成分以及其他物質進行定性定量分析，以確定中藥的真?zhèn)渭捌焚|優(yōu)劣程度[4]。

張丹純等人[23]以鴨跖草和淡葉草為研究對象，利用MEGA6.0軟件分析內遺傳距離，為市售混有淡葉草的鴨跖草提供鑒定依據(jù)。石巖等人[24]應用層次聚類分析方法等數(shù)據(jù)處理方法對牛膽和羊膽藥材的薄層色譜進行鑒定分析，相較于其他的鑒定方法，該方法靈敏度更高。徐敏莉[25]在她的碩士畢業(yè)論文中提到一種新技術，一種基于高效液相色譜-質譜聯(lián)用儀進行三維數(shù)字圖像處理的研究，該方法的優(yōu)點在于融合儀器分析化學技術和數(shù)字圖像技術進行多維數(shù)據(jù)的分析提取。姚令文等人[26]以人工牛黃薄層指紋圖譜為研究對象，對特征圖譜進行灰度轉換，將數(shù)據(jù)導入ChemDataSolution進行平滑濾波處理。該研究的創(chuàng)新點在于圖像數(shù)字化的設計，結合三原色和256階亮度，將彩色圖像轉換為可用色階表示的灰度圖像進行數(shù)字化分析。曾秋梅[27]在其碩士畢業(yè)論文中提到山茶屬植物油脂圖像分析標記，將山茶屬植物油脂轉換為顏色的形式來存儲，開發(fā)出新型圖像標記身份證和鑒定標記身份證，為中藥材的鑒定提供了一種新的鑒定思路。

4 數(shù)字圖像處理技術在中藥材及飲片純度品質鑒定中的應用

純度品質鑒定是通過對中藥的雜質、灰分、灰屑及所含水分、浸出物等物質的檢查來確定中藥的重量優(yōu)劣[4]。

雜質鑒定屬于純度品質鑒定。孫春蕾等人[28]建立一種快速檢測細小中藥材及飲片的方法，使用PHOTOSHOP-CS4作為圖像處理軟件，利用底板調色的方法計算雜質率，該方法將現(xiàn)代計算機技術與中藥材鑒定融合，為傳統(tǒng)中醫(yī)的創(chuàng)新發(fā)展提供新思路。灰分鑒定屬于純度品質鑒定。王海波等人[29]以精選煤為研究對象，對精選煤的灰分進行測定，使用CCD傳感器對收到的視頻信號進行解碼，得到圖像灰度曲線后對精選煤的灰分進行比較。中藥材中也含有礦物質所以引用王海波的文章進行論述。含水量檢查也屬于純度品質鑒定。周鴻達等人[30]計算機視覺技術準確研判玉米含水量，使用MATLAB作為圖像處理軟件，對500幅玉米籽圖像進行圖像濾波、圖像分割后做水分質量分數(shù)測定并建立模型，為玉米的量產(chǎn)優(yōu)產(chǎn)提供先進科學的方式。張玉榮等人[31]研究小麥不完善粒的識別方法中同樣用到MATLAB來對圖片進行處理，對RGB、HIS顏色信息分別進行識別，該方法可以很好地進行圖片降噪和不完善小麥粒篩選。

5 結束語

綜上所述，數(shù)字圖像處理技術在中藥材及飲片鑒定領域應用廣泛，從以主觀經(jīng)驗為主的基礎鑒定到使用計算機圖像技術輔助鑒定，充分證明了數(shù)字圖像處理技術在中藥材及飲片鑒定領域的應用前景。另外計算機圖像分析處理和顯微技術、核磁共振等技術的不斷融合將不斷地完善中藥材鑒定、成分分析的方法和技術。然而傳統(tǒng)的中藥材及飲片的鑒定都存在著各種各樣的弊端：鑒定者專業(yè)能力要求嚴格、結果無法量化、通過量低、藥材本身組織相似性高等[2]。相信在不久的將來，數(shù)字圖像處理技術與中藥材及飲片鑒定會互相促進，運用該技術會使鑒定效率和準確性大大提升。所以我團隊正在研究一種利用數(shù)字圖像處理技術快速鑒定中藥材及飲片的方法。

1） 利用計算機視覺技術測量中藥材不規(guī)則體積：張晴等人[33]應用基于雙目結構光原理的桌面三維掃描儀，對多種形狀和類別的寶石進行多次體積測定，并根據(jù)電子分析天平稱取的樣品質量獲得每件樣品多次測量的密度值。每件樣品多次測量的密度值均落在國家標準中的該樣品所屬寶石類別的密度區(qū)間內，表明該方法的準確性且該方法不穩(wěn)定因素較少。寶石是礦物晶體材質的，礦物類中藥有自然礦物元素、硫化物及其類似化合物礦物、鹵化物、氧化物和氫氧化物、含氧鹽礦物等，例如朱砂、雄黃、滑石、白礬等屬于礦物類中藥。因此我們推測密度測量對于中藥材的鑒定具有研究意義。A. C. Meyer等人[34]利用計算機視覺技術對形狀不規(guī)則的農(nóng)產(chǎn)品進行了體積檢測。分別收集了30張切片的番茄、沙拉番茄、白蘑菇和草莓。使用光學成像系統(tǒng)測定這些產(chǎn)品的體積，并將其與使用水驅替/浮力法收集的體積測量結果進行了比較。此外，對每個產(chǎn)品集的重量和體積測量進行回歸分析，以建立從物體重量預測物體體積的方程。M. Brunel等人[35]研究了基于干涉圖像的粒子三維形狀重建對冰粒子體積估計。在這項研究中，冰粒子的體積是估計從一對干涉圖像（兩個垂直的視角）。根據(jù)初始三維粒子形狀的選擇，粒子體積估計的相對誤差約為?V≈30%。以上三個研究方向都為本研究提供了一定的參考借鑒。A. C. Meyer等人[34]的研究對象為農(nóng)產(chǎn)品，部分中藥材未經(jīng)處理加工前也是農(nóng)產(chǎn)品，因此本研究從研究對象到研究方向都是可行的。

2） 使用三維建模技術準確重現(xiàn)中藥材外觀；基于三維建模，利用機器學習對參數(shù)多的中藥材模型進行訓練擬合。三維建模技術已經(jīng)在工業(yè)制造業(yè)領域得到了廣泛使用，中藥材及飲片鑒定與機器學習方法相結合為臨床用藥安全性提供了新思路，兩者的協(xié)同發(fā)展對于數(shù)字圖像處理技術在中藥材及飲片鑒定將具有廣闊的前景。

參考文獻：

[1] 胡志萍.數(shù)字圖像處理技術研究進展[J].中國新通信，2020，22（24）：72-73.

[2] 陳士林，郭寶林，張貴君，等.中藥鑒定學新技術新方法研究進展[J].中國中藥雜志，2012，37（8）：1043-1055.

[3] 韋穎.105種常用藥用植物果實、種子性狀與顯微鑒別特征研究[D].北京：中國中醫(yī)科學院，2012.

[4] 陳科力，黃林芳，劉義梅.中藥鑒定方法學發(fā)展歷程[J].中國中藥雜志，2014，39（7）：1203-1208.

[5] 石佳，巫明慧，康帥，等.覆盆子的性狀和顯微鑒定研究與數(shù)字化表征[J].中國藥學雜志，2022，57（6）：420-427.

[6] 石佳，康帥，張南平，等.茺蔚子的性狀和顯微鑒定研究與數(shù)字化表征[J].藥物分析雜志，2021，41（8）：1306-1315.

[7] 馬四補，溫迪，黃園，等.Photoshop軟件在清風藤類藥材鑒定中的應用研究[J].中國現(xiàn)代應用藥學，2021，38（12）：1426-1430.

[8] 周法律，張璐瑤，湯嵐鳳，等.中草藥原植物葉片圖像在線識別系統(tǒng)設計與實現(xiàn)[J].電腦知識與技術（學術版），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，F(xiàn)rise E，et al.Fiji：an open-source platform for biological-image analysis[J].Nature Methods，2012，9（7）：676-682.

[11] 周建理，楊青山.中藥微性狀鑒定法[J].安徽中醫(yī)學院學報，2011，30（1）：66-68.

[12] 幕元熹.31種中藥材的微性狀鑒定研究[D].合肥：安徽中醫(yī)藥大學，2015.

[13] 高飛燕.種子類中藥微性狀鑒定法研究[D].合肥：安徽中醫(yī)藥大學，2013.

[14] 徐飛，孟沙，吳啟南，等.基于卷積神經(jīng)網(wǎng)絡的人參與西洋參飲片鑒別方法研究[J].南京中醫(yī)藥大學學報，2018，34（6）：621-624.

[15] 袁仕君，馬青，陳科力，等.常見礦物類中藥粉末的微性狀鑒別[J].中草藥，2021，52（5）：1454-1461.

[16] 羅嵐，覃彬華，余惠凡.水靈芝中藥材的顯微鑒定[J].綠色科技，2019（16）：248-249，252.

[17] 石佳，巫明慧，康帥，等.覆盆子的性狀和顯微鑒定研究與數(shù)字化表征[J].中國藥學雜志，2022，57（6）：420-427.

[18] 朱映黎，楊弘賓，吳嘉瑞，等.機器學習算法構建附子線粒體功能高通量篩選模型及機制研究[J].中國中藥雜志，2022，47（9）：2509-2515.

[19] 王一丁，郝晨宇，李耀利，等.基于深度學習的小樣本中藥材粉末顯微圖像識別[J].計算機應用，2020，40（5）：1301-1308.

[20] 徐曉琴，賈曉光，魏鴻雁，等.較大中藥材顯微鑒別方法研究[J].新疆中醫(yī)藥，2012，30（6）：35-37.

[21] 王亞杰，張廣軍，李一波.基于分形參數(shù)的中藥材顯微圖象紋理分析[J].計算機工程與應用，2003，39（29）：231-232.

[22] 王一丁，郝晨宇，李耀利，等.基于深度學習的小樣本中藥材粉末顯微圖像識別[J].計算機應用，2020，40（5）：1301-1308.

[23] 張丹純， 關婉，涂嘉俊，等. 中藥淡竹葉與鴨跖草的DNA條形碼鑒定[J/OL].[2022-04-06].分子植物育種. https：//kns.cnki.net/kcms2/article/abstract？v=FY1L1_jN0KDQqvLrTu13vIxary 0o7snEyh6n0Ot_otOeLvV9Xuxp0xmhfbYi-h2UDRQB8yVWL_ Sjez4jr1lHJU1zAwxQ7BI6U5n2v1R9MMm-04guhu98aw==&uniplatform=NZKPT.

[24] 石巖，魏鋒，馬雙成.基于RGB多通道圖像數(shù)據(jù)的牛膽與羊膽薄層色譜特征分析[J].中國藥物警戒，2022，19（10）：1060-1066.

[25] 徐敏莉.Tchebichef圖像矩在分析中的新應用[D].蘭州：蘭州大學，2017.

[26] 姚令文，石巖，孫冬梅，等.人工牛黃薄層指紋圖譜多元圖像分析及化學計量學研究[J].中國中藥雜志，2017，42（11）：2117-2122.

[27] 曾秋梅.山茶屬三組植物油脂組成分析及其圖像標記開發(fā)[D].泉州：華僑大學，2016.

[28] 孫春蕾，汪楠楠，楊青山，等.基于電腦分析的藥材微雜質快速鑒定法[J].安徽醫(yī)藥，2016，20（7）：1271-1273.

[29] 王海波，范肖南.基于TMS320C6711線陣CCD測量系統(tǒng)及其在浮選精煤灰分監(jiān)測中的應用[J].選煤技術，2005（6）：44-46.

[30] 王偉宇.玉米質量指標機器視覺技術研究[D].鄭州：河南工業(yè)大學，2015.

[31] 張玉榮，陳賽賽，周顯青，等.基于圖像處理和神經(jīng)網(wǎng)絡的小麥不完善粒識別方法研究[J].糧油食品科技，2014，22（3）：59-63.

[32] 胡繼禮，王永康，闞紅星.基于深度遷移學習的中藥飲片識別研究[J].新鄉(xiāng)學院學報，2019，36（3）：62-67.

[33] 張晴，吳奕陽，湯紅云.基于三維掃描體積測算的寶石密度測定方法[J].上海計量測試，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.

【通聯(lián)編輯：李雅琪】