一种采用人工智能高光谱成像检测银杏叶片空间分布均匀度的可视化方法技术

本发明专利技术提供一种采用人工智能高光谱成像检测银杏叶片空间分布均匀度的可视化方法，该方法包括如下步骤：步骤一：银杏叶片中目标成分含量预测模型构建；步骤二：银杏叶片中目标成分的浓度空间分布图重构；步骤三：银杏叶片空间分布均匀度评价方法建立；步骤四：银杏叶片空间分布均匀度评价结果，首次将人工智能可视化方法应用于中药大品种银杏叶片的空间分布均匀度研究，并创造性地构建目标成分含量预测模型，进一步评价空间分布均匀度，为银杏叶片质量控制提供新的技术支撑。片质量控制提供新的技术支撑。片质量控制提供新的技术支撑。

【技术实现步骤摘要】
一种采用人工智能高光谱成像检测银杏叶片空间分布均匀度的可视化方法


[0001]本专利技术属于人工智能领域，具体涉及一种采用人工智能高光谱成像检测银杏叶片空间分布均匀度的可视化方法。
技术背景
[0002]银杏叶片为中药大品种，成分的空间分布均匀度可能会影响药效，密切影响临床用药的安全有效。空间分布均匀度作为银杏叶片的关键质量属性，对其进行可视化研究符合现实需求。
[0003]高光谱成像法可获取三维数据，同时包括样本的光谱信息和空间信息，是实现物质空间分布均匀度可视化的关键技术。高光谱成像作为过程分析技术(PAT)，在制药领域的应用获得FDA认可，并被积极推荐。该技术可预测目标成分的浓度，并形成可视化的浓度空间分布图。建立的评价方法采用具体指标实现对银杏叶片空间分布均匀度评价，进一步实现单个样品间、批次内和批次间样品空间分布均匀度的一致性评价。
[0004]本专利技术首次将人工智能可视化方法应用于中药大品种银杏叶片的空间分布均匀度研究，并创造性地构建目标成分含量预测模型，进一步评价空间分布均匀度。基于高光谱成像技术，实现银杏叶片中成分的空间分布均匀度对提高银杏叶片质量控制水平具有重要意义。

技术实现思路

[0005]本专利技术提供一种采用人工智能高光谱成像检测银杏叶片空间分布均匀度的可视化方法。其目的是将人工智能高光谱成像技术首次应用于银杏叶片的空间分布均匀度可视化，并创造性地创建定量模型，由建立的均匀度评价方法，得银杏叶片中目标成分的空间分布均匀度结果。有利于提高银杏叶片生产过程质量控制水平，从而促进临床用药安全有效。
[0006]为了实现本专利技术的上述目的，采用以下技术方案：
[0007]步骤一：构建银杏叶片中目标成分含量预测模型；
[0008]步骤二：重构银杏叶片中目标成分的浓度空间分布图；
[0009]步骤三：建立银杏叶片空间分布均匀度评价方法；
[0010]步骤四：银杏叶片空间分布均匀度的评价。
[0011]进一步的，步骤一包括以下步骤：
[0012]1)高光谱图像采集：调节高光谱成像仪参数，采集银杏叶片表面的三维高光谱图像；
[0013]2)高光谱数据预处理：对高光谱图像进行黑白板校正，并对三维数据进行降维和预处理；
[0014]3)预测模型建立：采用因子分析方法建立回归模型，对银杏叶片中目标成分进行含量预测。
[0015]进一步的，步骤二采用矩阵变换方法，将二维图像中各像素点目标成分的预测含量进行三维重构，得银杏叶片浓度空间分布图。
[0016]进一步的，步骤三通过建立分布直方图法，评价银杏叶片空间分布均匀度。
[0017]作为优选的，步骤1)中，银杏叶片表面高光谱图像的采集参数为：镜头高度为15cm，帧频为42.02Hz，积分时间为4.20ms，光谱范围为970～2575nm，光谱分辨率为8nm。
[0018]作为优选的，步骤2)中，将银杏叶片高光谱图像三维数据进行降维后，采用坏点检测与修复、标准正态变量变换算法、多元散射矫正和Savitzky
‑
Golay求导的预处理方法，消除光源不稳定、背景噪声和银杏叶片表面粗糙产生的干扰。
[0019]作为优选的，步骤3)中，基于不同因子分析方法，分别建立PLS、CLS和MCR
‑
ALS三种回归模型，对银杏叶片中目标成分进行含量预测。
[0020]作为优选的，步骤4)中，通过建立分布直方图法评价银杏叶片空间分布均匀度，以均值、标准偏差、峰度和偏度为指标，得银杏叶片中目标成分的空间分布度结果。
[0021]进一步优选的，步骤4)中，分布直方图法评价银杏叶片空间分布均匀度的依据为：标准偏差值越小，峰度越接近3，偏度越接近0，说明分布越均匀。
[0022]本专利技术具有如下有益效果：
[0023]采用人工智能高光谱成像技术，实现对银杏叶片中目标成分的空间分布均匀度的可视化，对提高银杏叶片质量控制水平，保证临床用药安全性和有效性具有重要意义。
附图说明
[0024]图1为银杏叶片样品高光谱图像采集示意图
[0025]图2为银杏叶片中8种成分经预处理后的纯光谱
[0026]图3为银杏叶片API浓度空间分布图，a.PLS模型预测结果；b.CLS模型预测结果。
[0027]图4为MCR
‑
ALS模型预测得到的银杏叶片浓度空间分布图。
[0028]图5为MCR
‑
ALS模型分解出的纯物质光谱。
[0029]图6为银杏叶片浓度空间分布直方图分析结果，a.PLS模型预测结果；b.CLS模型预测结果。
具体实施方案
[0030]下面结合实施例对本专利技术进行进一步详细说明，再次重申：以下实施例仅以银杏叶片为研究对象，详细体现本专利技术步骤。对实施例的描述均不是对本专利技术方案的限制，任何依据本专利技术构思所形成的仅仅为形式上而非实质性的等效变换，均视为本专利技术的技术方案范畴。
[0031]实施例1：基于PLS模型的银杏叶片含量预测
[0032]样品制备：以18批，每批4片，共72片银杏叶片素片(未包衣片)为样品，其中银杏叶提取物含量约25.57％。
[0033]高光谱图像采集：将银杏叶片样品水平放置于工作台，采用SisuCHEMA高光谱化学成像工作站(SPECIM，芬兰)，在推扫模式下采集图像。在保证镜头能正常聚焦的情况下，调整镜头与样品间距离，最终确定图像采集的参数：镜头高度为15cm，帧频为42.02Hz，积分时间为4.20ms，光谱范围为970～2575nm，光谱分辨率为8nm，获取的高光谱数据立方体大小为
50像素
×
50像素
×
288，即长和宽均为50像素，光谱通道数为288。样品高光谱图像采集示意图如图1所示。
[0034]样本集划分：将72个银杏叶片样品的预处理后的高光谱图像以Kennard
‑
Stone(K
‑
S)方法，按(2：1)比例划分校正集和预测集。
[0035]高光谱数据预处理：分别采集完全关闭镜头盖时的黑板参考图像和标准漫反射白板的白板参考图像，对高光谱图像进行黑白板校正；进一步将银杏叶片反射率图像转换为吸收图像，并进行图像降维。采用像元间信号标准差阈值法检测高光谱图像，定位并修正潜在坏点。针对光源不稳定、背景噪声和样品表面粗糙等带来的干扰，采用标准正态变量变换(standard normal variate，SNV)算法、多元散射矫正(multiplicative scatter correction，MSC)算法、基于Savitzky
‑
Golay平滑的一阶导数(SG+1D)和二阶导数(SG+2D)等进行光谱预处理。通过计算不同像元间光谱信号值标准差，当设定阈值为3时，检测到第46个波长通道处存在三个坏点，采用邻近像元数据插值加权平均的方法对坏点进行修正。并最终确定，提取1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用人工智能高光谱成像检测银杏叶片空间分布均匀度的可视化方法，其特征在于，该方法的步骤为：步骤一：构建银杏叶片中目标成分含量预测模型；步骤二：重构银杏叶片中目标成分的浓度空间分布图；步骤三：建立银杏叶片空间分布均匀度评价方法；步骤四：银杏叶片空间分布均匀度的评价。2.根据权利要求1所述的方法，其特征在于，步骤一包括以下部分：1)高光谱图像采集：调节高光谱成像仪参数，采集银杏叶片表面的三维高光谱图像；2)高光谱数据预处理：对高光谱图像进行黑白板校正，并对三维数据进行降维和预处理；3)预测模型建立：采用因子分析方法建立回归模型，对银杏叶片中目标成分进行含量预测。3.根据权利要求1所述的方法，其特征在于，步骤二采用矩阵变换方法，将二维图像中各像素点目标成分的预测含量进行三维重构，得到银杏叶片浓度空间分布图。4.根据权利要求1所述的方法，其特征在于，步骤三通过建立分布直方图法，评价银杏叶片空间分布均匀度。5.根据权利要求2所述的方法，其特征在于，对于所述的高光谱图像采集，银杏叶片表面高光谱图像的采集参数为：镜头高度为15cm，帧频为42.02Hz，积分时间为4.20...

【专利技术属性】
技术研发人员：吴志生，林玲，
申请(专利权)人：北京中医药大学，
类型：发明
国别省市：