智慧城市网

当下，中药材市场质量安全标准缺失，假mao伪劣产品泛滥，严重威胁了中药的疗 效与安全性，影响国民健康。因此，中药材的品质检测显得尤为重要。传统的检测方法，存在主观性强、效率低、缺乏定量评价、依赖专业人员等缺点，具有很大的不确定性。因此，开发能够精 准快速检测中药材品质的方法，对于确保中药材市场的规范与繁荣具有重要的意义。

易科泰生态技术公司依托多年在反射光及生物荧光高光谱成像技术领域的创新应用研究，推出了FluorTron®多功能高光谱成像分析技术，该技术可全面获取样品的反射光高光谱及生物自发光（荧光）高光谱数据，具有非接触、非损伤、高通量、数字化、可视化的特点。不仅可以在药 用植物的生长过程、采摘时机与保存方式上实现精 准管理，保证中药材有效成分蕞大化，同时可以为中药成品的质量与品种鉴定提供决策支持。

左图为FluorTron®多功能高光谱成像分析系统；右图为黄芪和甘草分类鉴定结果，红色甘草，绿色黄芪（案例由Ecolab光谱成像实验室提供）

应用案例1：FluorTron®荧光高光谱成像技术快速区分不同类别黄芪

黄芪作为传统中药材，具有补气固表、利尿排毒、排脓敛疮等多种功效，在市场上广受欢迎。北京易科泰公司EcoTech®实验室的研究人员利用FluorTron®多功能高光谱成像分析系统的UV-MCF功能采集了三种不同来源黄芪的生物荧光，对不同类别样品的荧光图像及光谱进行对比分析。

三种不同来源的黄芪，左图：黄芪样品及RGB图；右图：黄芪UV-MCF荧光成像图

左图：不同类别黄芪的荧光光谱曲线；右图：最 大似然分类结果

根据实验数据可知，C类黄芪荧光值明显高于其他两类，这可能与其生长年限有关；A、B类黄芪从肉眼看几乎一样，但两类黄芪在400-500nm之间的荧光光谱有细微差异，因此易科泰实验室人员基于该波段的荧光光谱数据，利用最 大似然法对三类黄芪进行分类，结果显示良好，说明荧光高光谱成像技术可以简单快速的实现中药材分类。

应用案例2：FluorTron®多功能高光谱成像技术高通量活体检测银杏叶黄酮醇含量

黄酮醇是天然抗氧化剂和抗 炎剂，具有活 血化瘀、通络止痛、敛肺平喘、化浊降脂等功效，银杏叶的主要功能成分即为黄酮醇。研究检测不同生长条件、不同生长状态或采集季节银杏叶中的黄酮醇含量，对于提高黄酮醇含量具有特别重要的意义。为此，北京易科泰公司EcoTech®实验室的研究人员利用FluorTron®多功能高光谱成像分析系统，基于反射光谱指数法（FRI指数）和多激发光叶绿素荧光技术（FLAV黄酮指数）（Riitta Julkunen等，2014；Viola Muller等，2013），对不同状态条件下银杏叶的黄酮醇含量进行了非损伤活体成像检测。

结果表明，阳光照射条件下银杏叶的黄酮醇含量高于遮阴条件下的银杏叶，而黄色银杏叶黄酮醇含量低于绿色银杏叶和半黄半绿银杏叶，阳光照射条件下半黄半绿银杏叶的黄酮醇含量最 高。这意味着，人们普遍以为的黄色银杏叶黄酮醇含量高是一种错觉，采集阳光直射条件下半黄半绿银杏叶，药效应该最 好。

从左至右依次为：银杏叶RGB图、黄酮反射指数FRI、黄酮指数FLAV

表1 不同类别银杏叶的FRI与FLAV值

银杏叶的UV-MCF荧光光谱数据和反射光光谱数据

应用案例3：FluorTron®多功能高光谱成像技术检测不同来源冬虫夏草

冬虫夏草含有多种抗氧化、抗病毒和抗肿瘤的物质，能够有效提高机体的免疫力，在市场上备受青睐，但由于资源有限，市场上存在大量假mao伪劣产品。因此快速准确鉴定虫草品质对于保障消费者用药安全，规范市场发展具有重要意义。

北京易科泰公司EcoTech®实验室与山东农业大学开展合作实验，利用FluorTron®多功能高光谱成像分析系统，对不同来源虫草样品进行了非损伤检测研究。其中11、18、21号虫草样品来源于青海果洛州野生资源，41、54、56、58、64来源于青海玉树州野生资源，67号为市场野生高品质虫草，80、82为市场野生低品质虫草，107、108为人工培植虫草。

从左至右依次为：冬虫夏草RGB图；利用PLS-DA模型对反射高光谱分类的结果；不同虫草在500nm处荧光成像图

不同来源虫草草部荧光光谱。可以看出，野生资源荧光有460nm和503nm两个峰值，荧光强度高于人工培植虫草；高品质虫草（67）荧光强度高于低品质（80、82）和人工培植（107、108）虫草

应用案例4：高光谱成像技术鉴定葛根生长年限

葛根（PTR）富含多种化学成分，能够改善心血管疾病、抗 炎镇痛、保护肝脏，具有很高的经济价值和市场需求。葛根su的含量影响PTR的质量和药 用价值，葛根su含量越高，其质量越好，不同生长年限的PTR葛根su含量存在明显差异，因此确定PTR的生长年限至关重要。

中医科学院的研究人员使用可见光近红外（VNIR）和短波红外（SWIR）传感器采集葛根的外表面和横截面信息，并结合卷积神经网络（CNN）模型来识别PTR生长年限，基于葛根外表面的识别准确率达到了90.15%，说明高光谱成像技术结合机器学习方法可以无损、快速、有效的检测葛根生长年限，该方法也可以应用于其他中药材的生长年份识别和质量控制中。

左图：葛根样品；右图：基于VNIR和SWIR的葛根外表面(a,b)和横截面(c,d)的反射率平均值

利用VNIR与SWIR传感器数据采集葛根外表皮和横截面数据训练的不同模型的最 高预测性能

      北京易科泰生态技术有限公司长期致力于生态-农业-健康领域仪器的研发、应用与推广，为中药材的品质检测、品种鉴定提供quan方位的技术方案与服务。如果您有重要的中药材样品需要检测研究，可直接联系我们，说明检测目的、样品具体情况等，我们将及时给出检测方案及流程。