李 芳,石吉勇,張德濤,陳正偉

(1.江蘇大學(xué) 醫(yī)學(xué)院衛(wèi)生檢驗(yàn)系,江蘇鎮(zhèn)江 212013;2.江蘇大學(xué) 食品與生物工程學(xué)院食品科學(xué)系,江蘇鎮(zhèn)江 212013)

?

銀杏葉中黃酮含量的葉面分布檢測(cè)研究

李 芳1,石吉勇2,張德濤2,陳正偉2

(1.江蘇大學(xué) 醫(yī)學(xué)院衛(wèi)生檢驗(yàn)系,江蘇鎮(zhèn)江 212013;2.江蘇大學(xué) 食品與生物工程學(xué)院食品科學(xué)系,江蘇鎮(zhèn)江 212013)

利用近紅外高光譜圖像技術(shù)研究了銀杏葉中黃酮含量的葉面分布檢測(cè)方法。首先采集120片新鮮銀杏葉在900～1700nm波段下的高光譜圖像信息,并采用化學(xué)分析方法測(cè)量銀杏葉的黃酮含量值;其次,提取銀杏葉高光譜圖像中的光譜信息,結(jié)合主成分分析和線性回歸方法建立黃酮含量檢測(cè)模型(r=0.9219),由此確立銀杏葉高光譜圖像信號(hào)與黃酮含量的對(duì)應(yīng)關(guān)系;最后,依次提取待測(cè)銀杏葉高光譜圖像中單個(gè)像素點(diǎn)對(duì)應(yīng)的光譜信息,將其代入黃酮含量檢測(cè)模型以計(jì)算各像素點(diǎn)處對(duì)應(yīng)的黃酮含量值,從而得到黃酮含量在整個(gè)銀杏葉面上的分布圖。研究表明:近紅外高光譜圖像技術(shù)可快速檢測(cè)銀杏葉中黃酮的葉面分布,研究為揭示有機(jī)組分在食品中的分布規(guī)律提供了技術(shù)手段。

黃酮,銀杏葉,分布,高光譜圖像技術(shù)

銀杏黃酮具有擴(kuò)展血管、抗氧化、調(diào)血脂等作用,廣泛用于食品、藥品、飲料和化妝品等[1]。黃酮是銀杏葉的主要活性成分,占銀杏葉提出物(EGB761)總重量的24%以上[2]。由于樹(shù)種、生長(zhǎng)周期、光照條件、土壤肥力等因素的影響,不同銀杏葉中的黃酮含量往往存在較大差異,需要對(duì)銀杏葉中的黃酮進(jìn)行檢測(cè),為銀杏葉的采摘、加工提供依據(jù)[3-4]。

銀杏葉黃酮的檢測(cè)方法有化學(xué)檢測(cè)法[5-6]和近紅外光譜檢測(cè)法[7-8]。化學(xué)檢測(cè)方法首先利用化學(xué)試劑提取銀杏葉中的黃酮;然后利用紫外分光光度計(jì)、高效液相色譜等分析儀器定量檢測(cè)提取物中的黃酮含量,并計(jì)算出銀杏葉中的黃酮含量?；瘜W(xué)分析方法的檢測(cè)結(jié)果準(zhǔn)確,但檢測(cè)過(guò)程耗時(shí)、破壞檢測(cè)樣本。近紅外光譜檢測(cè)法采集銀杏葉的近紅外光譜信息,建立近紅外光譜信息與黃酮含量的對(duì)應(yīng)關(guān)系,實(shí)現(xiàn)銀杏葉黃酮含量的快速檢測(cè)。近紅外光譜法具有檢測(cè)速度快、不破壞檢測(cè)樣本等優(yōu)點(diǎn)[9-10]。由于化學(xué)檢測(cè)方法得到的黃酮含量?jī)H能反映采樣區(qū)域的平均黃酮含量[11-12],而近紅外光譜法得到的黃酮含量?jī)H能反映光譜采集區(qū)域?qū)?yīng)的黃酮含量,兩者均無(wú)法反映黃酮含量在整個(gè)銀杏葉面的分布情況。

本研究擬利用高光譜圖像不僅包含樣本在各個(gè)波段下的圖像信息,還包含每個(gè)像素點(diǎn)在各個(gè)波段下的光譜信息這一優(yōu)勢(shì)[13-14],通過(guò)建立高光譜圖像信號(hào)與黃酮含量的對(duì)應(yīng)關(guān)系,依次利用各像素點(diǎn)的光譜信息計(jì)算各像素點(diǎn)區(qū)域?qū)?yīng)的黃酮含量,期望得到一種銀杏葉黃酮含量的葉面分布檢測(cè)方法。

1 材料與方法

1.1 材料與儀器

銀杏葉 采集于江蘇大學(xué)校園;VI7E光譜掃描儀 芬蘭Spectra Imaging Ltd.;XEVA-FPA-1.7-320相機(jī) 比利時(shí)XenIcs Ltd.;2900光源系統(tǒng) 美國(guó)Illumination Technologies Inc.;TS200AB電控平移臺(tái) 中國(guó)卓立漢光。

1.2 高光譜圖像采集

為了防止基線漂移,數(shù)據(jù)采集前將高光譜圖像采集系統(tǒng)預(yù)熱30min。數(shù)據(jù)采集時(shí),逐一用鋼直尺壓住葉柄使得銀杏葉平鋪在白色底板的電控位移臺(tái)上,設(shè)定高光譜攝相機(jī)曝光時(shí)間為45ms,電控平移臺(tái)的移動(dòng)速度為1.25mm/s,圖像掃描行數(shù)為500行/幅,每行掃描的像素點(diǎn)個(gè)數(shù)為320,光譜范圍為870～1766nm,光譜分辨率為2.8nm,光譜采樣間隔為3.5nm,采集得到256個(gè)波長(zhǎng)下的圖像,最終得到一個(gè)大小為500×320×256的高光譜圖像數(shù)據(jù)塊,如圖1所示。從圖1中可以看出,高光譜圖像數(shù)據(jù)的特點(diǎn)為既有各個(gè)波長(zhǎng)下的圖像信息,也有各個(gè)像素點(diǎn)對(duì)應(yīng)的光譜信息。高光譜圖像數(shù)據(jù)的這一特性,為研究銀杏葉黃酮含量的葉面分布奠定了基礎(chǔ)[15]。

圖1 銀杏葉高光譜圖像數(shù)據(jù)塊Fig.1 Ginkgo leaf hyperspectral image data cube

1.3 高光譜圖像信號(hào)標(biāo)定

由于傳感器中暗電流的存在以及光源強(qiáng)度在各波段下分布不均勻,需要對(duì)所獲得的樣本圖像進(jìn)行黑白標(biāo)定。在與樣本采集相同的系統(tǒng)條件下,首先掃描標(biāo)準(zhǔn)白色校正板(99%光照反射率)得到全白的標(biāo)定圖像W;然后關(guān)閉攝像機(jī)的快門進(jìn)行圖像采集得到全黑的標(biāo)定圖像B;最后完成圖像的標(biāo)定,使采集得到的絕對(duì)圖像I轉(zhuǎn)換成相對(duì)圖像R。標(biāo)定過(guò)程如公式(1)所示:

式(1)

式中,R為標(biāo)定后的高光譜圖像;I為原始的高光譜圖像;B為全黑的標(biāo)定圖像;W為全白的標(biāo)定圖像。

1.4 黃酮含量測(cè)定

銀杏葉中黃酮含量的測(cè)定與高光譜圖像采集同步,利用紫外分光光度計(jì)法測(cè)定高光譜圖像采集區(qū)域銀杏葉片的黃酮含量[16],用蘆丁作標(biāo)準(zhǔn)曲線,如公式(2)所示。黃酮含量用標(biāo)準(zhǔn)曲線得出的方程計(jì)算:

A=10.781C-0.023,R2=0.998

式(2)

式中；A-吸光度;C-黃酮含量(mg/g)。

2 結(jié)果與討論

2.1 銀杏葉黃酮含量檢測(cè)結(jié)果

將120個(gè)樣本分為校正集和預(yù)測(cè)集,為了避免子集選擇的偏移,根據(jù)每個(gè)樣本的黃酮含量值來(lái)進(jìn)行分類。按照校正集和預(yù)測(cè)集3∶1的比例、每4個(gè)樣本中的3個(gè)隨機(jī)分入校正集,因此校正集包含90個(gè)樣本,預(yù)測(cè)集包含30個(gè)樣本,如表1所示。

表1 銀杏葉黃酮含量理化檢測(cè)結(jié)果統(tǒng)計(jì)表Table1 Statistics of total flavonoids content measurement by the standard destructive method of fresh ginkgo leaves

2.2 銀杏葉光譜信息提取及預(yù)處理

在葉片的中心部位選取50×50像素作為感興趣區(qū)域(Region of interest,ROI),如圖2所示;針對(duì)120片銀杏葉高光譜圖像,逐一計(jì)算ROI內(nèi)所有像素點(diǎn)在各個(gè)波段下的平均光譜響應(yīng)值,得到每片銀杏葉對(duì)應(yīng)的光譜數(shù)據(jù);采用SNV方法對(duì)提取到的光譜數(shù)據(jù)進(jìn)行預(yù)處理,減低基線漂移、隨機(jī)噪聲等干擾信號(hào)對(duì)建模的影響,如圖3所示。

圖2 銀杏葉片中定義的感興趣區(qū)域Fig.2 Definition of ROI in Ginkgo leaf

圖3 經(jīng)SNV預(yù)處理后的光譜曲線Fig.3 Spectra of fresh gingko leaves processed by SNV method

2.3 黃酮含量校正模型的建立

首先采用主成分分析方法(PCA)對(duì)提取到的光譜信息進(jìn)行特征提取,得到光譜信息對(duì)應(yīng)的前10個(gè)主成分信息(PC1,PC2,……,PC10,總體方差貢獻(xiàn)率為99.54%);然后以校正集光譜數(shù)據(jù)的主成分信息作為自變量,以校正集銀杏葉黃酮含量值作為因變量,采用逐步線性回歸法篩選與黃酮含量密切相關(guān)的主成分變量,得到回歸模型如公式(3)所示;

Y=14.149+0.002PC1-0.007PC2+0.022PC4

式(3)

最后將校正集光譜數(shù)據(jù)的主成分信息作為自變量,代入公式(3)計(jì)算校正集銀杏葉的黃酮含量值,并將計(jì)算結(jié)果與理化分析得到的黃酮含量值進(jìn)行對(duì)比,得校正集對(duì)應(yīng)的相關(guān)系數(shù)r為0.9219、均方根誤差RMSE為3.1532;將預(yù)測(cè)集光譜數(shù)據(jù)的主成分信息作為自變量,代入公式(3)計(jì)算預(yù)測(cè)集銀杏葉的黃酮含量值,并將計(jì)算結(jié)果與理化分析得到的黃酮含量值進(jìn)行對(duì)比,得相關(guān)系數(shù)r為0.9051、均方根誤差RMSE為3.5110,表明建立的逐步線性回歸模型對(duì)黃酮含量具有較準(zhǔn)確的預(yù)測(cè)能力。

2.4 黃酮含量葉面分布檢測(cè)

對(duì)待測(cè)銀杏葉片,檢測(cè)其中黃酮含量分布的過(guò)程為:根據(jù)2.1所用的高光譜圖像采集方法,獲取銀杏葉片的高光譜圖像數(shù)據(jù);提取銀杏葉高光譜圖像數(shù)據(jù)塊中每一個(gè)像素點(diǎn)對(duì)應(yīng)的光譜信息,并按照2.2對(duì)光譜信息進(jìn)行預(yù)處理;對(duì)預(yù)處理后的光譜信息進(jìn)行PCA分析,得到光譜信息對(duì)應(yīng)的第1主成分PC1、第二主成分PC2和第四主成分PC4;將每條光譜對(duì)應(yīng)的PC1、PC2和PC4代入2.3中建立的黃酮含量校正模型即公式(3),計(jì)算得到每個(gè)像素點(diǎn)對(duì)應(yīng)的黃酮含量,從而得到黃酮含量的在整個(gè)銀杏葉面上的分布圖,如圖4所示。

圖4給出了銀杏葉片不同區(qū)域的黃酮含量,克服了常規(guī)理化分析和近紅外光譜法僅能檢測(cè)采樣區(qū)域內(nèi)黃酮含量的不足,表明高光譜圖像在檢測(cè)葉片組分葉面分布方面的獨(dú)特優(yōu)勢(shì)。此外,圖4還給出了黃酮含量在銀杏葉不同區(qū)域的分布情況,即黃酮含量高的區(qū)域主要集中在葉片的邊緣區(qū)域,而黃酮含量低的區(qū)域主要集中在葉柄附近。

圖4 銀杏葉黃酮含量的葉面分布圖Fig.4 Total flavonoids content distribution map

3 結(jié)論

研究首先采集銀杏葉在900～1700nm波段下的高光譜圖像信息,提取高光譜圖像中的光譜信息后,通過(guò)逐步線性回歸方法建立了銀杏葉高光譜圖像信號(hào)與黃酮含量的對(duì)應(yīng)關(guān)系,得到銀杏葉黃酮校正模型對(duì)應(yīng)的相關(guān)系數(shù)為0.9219。隨后逐個(gè)像素點(diǎn)提取待測(cè)銀杏葉高光譜圖像的光譜信息,并代入到已建立的黃酮含量校正模型中,計(jì)算得到每個(gè)像素點(diǎn)處的黃酮含量,從而得到黃酮含量在整個(gè)銀杏葉面上的分布圖。研究表明近紅外光譜圖像技術(shù)可快速檢測(cè)銀杏葉中黃酮的葉面分布,研究為揭示有機(jī)組分在食品中的分布規(guī)律提供了技術(shù)手段。

[1]王飛娟. 銀杏葉中黃酮類化合物的研究進(jìn)展[J]. 西北藥學(xué)雜志,2010,25(2):155-156.

[2]陳凡,李奕雅. 銀杏葉提取物的HPLC2DAD指紋圖譜研究[J]. 海峽藥學(xué),2010,22(5):38-40.

[3]苑可武,孟憲惠,徐文豪. 銀杏葉中黃酮含量的季節(jié)性變化[J]. 中草藥,1997,28(4):211-212.

[4]周統(tǒng)建,曹福亮,汪貴斌,等. 銀杏樹(shù)中黃酮類化合物分布規(guī)律研究[J]. 林產(chǎn)化學(xué)與工業(yè),2009,29(6):78-80.

[5]李艷麗,黃強(qiáng),班春蘭,等. 分光光度法測(cè)定銀杏葉提取液中總黃酮含量[J].河南化工,2006,23(1):35.

[6]何書美,劉靜蘭. 茶葉中總黃酮含量測(cè)定方法的研究[J]. 分析化學(xué)研究簡(jiǎn)報(bào),2007,35(9):1365-1368.

[7]Cook N C,Samman S. Flavonoids--Chemistry,metabolism,cardioprotective effects,and dietary sources[J]. Journal of Nutritional Biochemistry,1996,7(2):66-76.

[8]Peterson J,Dwyer J. Flavonoids:Dietary occurrence and biochemical activity[J]. Nutrition Research,1998,18(12):1995-2018.

[9]孫炳新,匡立學(xué),徐方旭,等. 蘋果有效酸度的近紅外無(wú)損檢測(cè)研究[J]. 食品工業(yè)科技,2013,34(15):298-301.

[10]李東華,紀(jì)淑娟. 南果梨果實(shí)硬度近紅外無(wú)損檢測(cè)模型的建立[J]. 食品工業(yè)科技,2012,33(15):312-314.

[11]陽(yáng)梅芳,曾新安,楊星. 沙田柚中不同部位黃酮類物質(zhì)的分布及含量探討[J]. 食品工業(yè)科技,2013,34(1):89-91,96.

[12]王靜霞,黃艷菲,趙小燕,等. 蕎麥和商品苦蕎茶中總黃酮的含量測(cè)定[J]. 食品工業(yè)科技,2013,34(2):58-60.

[13]Del Fiore A,Reverberi M,Ricelli A,et al. Early detection of toxigenic fungi on maize by hyperspectral imaging analysis[J]. International Journal of Food Microbiology,2010,144(1):64-71.

[14]Thumm A,Riddell M,Nanayakkara B,et al. Near infrared hyperspectral imaging applied to mapping chemical composition in wood samples[J].Journal of Near Infrared Spectroscopy,2010,18(5):507-515.

[15]石吉勇,鄒小波,趙杰文,等. 高光譜圖像技術(shù)檢測(cè)黃瓜葉片的葉綠素葉面分布[J]. 分析化學(xué),2011,39(2):243-247.

[16]鄒小波,黃曉瑋,石吉勇,等. 銀杏葉總黃酮含量近紅外光譜檢測(cè)的特征譜區(qū)篩選[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(9):155-159.

Determination of total flavonoid content distribution
on ginkgo biloba leaf

LI Fang1,SHI Ji-yong2,ZHANG De-tao2,CHEN Zheng-wei2

(1.Department of Hygienic Investigation,School of Medicine,Jiangsu University,Zhenjiang 212013,China;2.Department of Food Science,School of Food and Biological Engineering,Jiangsu University,Zhenjiang 212013,China)

The feasibility of using hyperspectral imaging at near infrared wavelength range(900～1700nm)for determination of total flavonoid content distribution on ginkgo biloba leaves was investigated. 120 fresh ginkgo leaves were collected as research samples. After hyperspectral image acquisition and pre-processing,standard destructive method was used to determine the content of total flavonoid content. The average spectra obtained from the region of interest(ROI)in ginkgo leaf images were used for model development. Principal component analysis(PCA)was performed on the average spectrum,multi-linear regression(MLR)was used to build calibration models relating the spectra and total flavonoid content(r=0.9219). The calibration model was used to predict the total flavonoid content of each pixel in the hyperspectral image. This enables construction of a distribution map of total flavonoid content on the ginkgo leave image. The results indicated that hyperspectral imaging could offer an effective method for flavonoid concentration analysis.

flavonoids;ginkgo leaf;distribution;hyperspectral imaging

2014-08-06

李芳(1985-),女,博士,講師，研究方向:衛(wèi)生理化檢驗(yàn)分析。

國(guó)家自然科學(xué)基金(81302459);江蘇省自然科學(xué)基金(BK20130505);中國(guó)博士后科學(xué)基金(2013M540424);江蘇大學(xué)高級(jí)專業(yè)人才科研啟動(dòng)基金項(xiàng)目(13JDG024)。

TS201.1

A

:1002-0306(2015)09-0270-03

10.13386/j.issn1002-0306.2015.09.050