胡繼禮　闞紅星　丁樺　朱川川

摘要：農(nóng)村基層假冒偽劣中藥材出現(xiàn)的概率遠(yuǎn)遠(yuǎn)高于城區(qū)，已成為藥監(jiān)工作的重點和盲點，因此迫切需要研究一種廉價、快速、準(zhǔn)確的鑒定方法，為基層組織和老百姓提供服務(wù)。本文提出一種基于互聯(lián)網(wǎng)技術(shù)的微性狀真?zhèn)巫詣幼R別系統(tǒng)，首先，采集中藥材微性狀圖片并進(jìn)行圖像處理提取圖像特征保存到服務(wù)器數(shù)據(jù)庫中建立中藥材微性狀圖譜特征庫；其次，通過設(shè)計android手機客戶端和后臺服務(wù)器圖像識別程序，利用手機顯微鏡配合手機客戶端拍照并上傳中藥材微性狀圖像到后臺服務(wù)器圖像識別程序中，對比中藥材微性狀圖譜特征庫進(jìn)行自動識別；最后將識別的結(jié)果發(fā)送反饋給手機客戶端。本系統(tǒng)促進(jìn)了微性狀鑒定法向信息化、自動化、智能化方向發(fā)展，對完善微性狀鑒定方法理論與體系，為基層老百姓服務(wù)具有重要意義。

關(guān)鍵詞：中藥材鑒定；微性狀特征；安卓；互聯(lián)網(wǎng)技術(shù)

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）36-0178-03

1 概述

目前我國中藥材市場假冒偽劣藥材屢禁不止，嚴(yán)重危害人民群眾身體健康和中醫(yī)藥的發(fā)展。因此對中藥材進(jìn)行準(zhǔn)確、快速鑒定已成為一個急待解決的難題，其重要性和意義越來越顯得突出。目前國內(nèi)外各種學(xué)者專家對假冒偽劣中藥材的鑒定方法主要有理化法[1-3]、顯微法[4，5]、近紅外光譜法[6，7]、電子鼻和電子舌法[8-10]，微性狀鑒別法[11-13]等。微性狀鑒別法利用光學(xué)顯微鏡對藥材表面細(xì)微的性狀特征進(jìn)行微觀觀察，雖然相對來說成本最低[11]，但微性狀鑒定核心步驟都需要有豐富經(jīng)驗的鑒定人員參與，如微性狀照片的景深合成、真?zhèn)涡誀畹淖R別和對比等，其鑒定結(jié)果嚴(yán)重依賴于某個鑒定人員素質(zhì)。且以上各種鑒定方法受成本、方法、技術(shù)以及人員素質(zhì)的等影響，不能為社會基層組織和老百姓提供廉價、快速、準(zhǔn)確的鑒定服務(wù)。因此，本課題提出一種基于中藥材微性狀方法的自動識別系統(tǒng)。

2 中藥材微性狀真?zhèn)巫詣幼R別系統(tǒng)

首先篩選易混的70種中藥材，并采集他們的微性狀圖片，經(jīng)過圖像預(yù)處理，微性狀特征提取，在服務(wù)器數(shù)據(jù)庫中建立中藥材微性狀圖譜特征庫；然后通過設(shè)計android手機客戶端和后臺服務(wù)器圖像識別程序，利用手機顯微鏡配合手機客戶端拍照并上傳中藥材微性狀圖像到后臺服務(wù)器圖像識別程序中對比中藥材微性狀圖譜特征庫，通過數(shù)據(jù)交換進(jìn)行自動識別；最后將識別的結(jié)果發(fā)送反饋給手機客戶端，顯示識別結(jié)果。

系統(tǒng)包括中藥材微性狀圖譜特征庫，android手機客戶端以及后臺服務(wù)器圖像識別程序三方面內(nèi)容。主要設(shè)計思路如圖1 所示。

通過互聯(lián)網(wǎng)技術(shù)，我們實現(xiàn)了不同設(shè)備間的數(shù)據(jù)交換與傳遞，對于不同的人來說，只要他有一臺可以連入互聯(lián)網(wǎng)的設(shè)備，并擁有一臺簡單的顯微鏡，便能夠?qū)σ谆熘兴幉牡恼鎮(zhèn)舞b定。

2.1 中藥材微性狀圖譜特征庫的建立

首先對《中華人民共和國藥典》（2010 版一部及附錄）中的藥材進(jìn)行分析比較，選擇偽品較多的、難以鑒別的 70 種藥材為研究對象，在顯微鏡下進(jìn)行拍攝，利用Photoshop軟件進(jìn)行景深合成，采集他們的微性狀圖片；然后利用Matlab軟件進(jìn)行圖像預(yù)處理，即使用線性濾波去除景深合成所帶來的噪聲，再將去噪后的圖像轉(zhuǎn)變到HSV空間中去[14]；接著對于中藥材微性狀的三種特征即顏色特征，紋理特征和幾何形狀特征分別利用顏色矩[15]，灰度共生矩陣[16]以及Hu不變矩[17]來提?。蛔詈罄肧VM[18]分類器進(jìn)行訓(xùn)練。

需要注意的是，并不意味著一種中藥材的特征提取就只用一種方法，對復(fù)雜的偽品往往會采用三種類型聯(lián)合的方式進(jìn)行特征提取，以提高識別的準(zhǔn)確性。經(jīng)過圖像采集、圖像的預(yù)處理、圖像的特征提取后，即可把70種常見易混偽中藥材的特征參數(shù)及其圖像信息存入數(shù)據(jù)庫中，構(gòu)建易混偽中藥材微性狀圖譜特征庫。

2.2中藥材真?zhèn)巫詣幼R別系統(tǒng)安卓手機客戶端的編寫

中藥材真?zhèn)巫詣幼R別手機客戶端，采用谷歌開發(fā)的android SDK6.0版本，利用谷歌推出的android studio集成環(huán)境編寫。手機客戶端主要包含三個功能部分，中藥材微性狀圖片的選取，中藥材微性狀圖片的上傳以及識別結(jié)果的顯示。

1）中藥材微性狀圖片的選取

手機客戶端支持利用手機自帶后置攝像頭結(jié)合手機顯微鏡來拍攝采集中藥材的微性狀圖片上傳到后臺服務(wù)器圖像識別程序中，也可以將保存在手機相冊中的數(shù)碼相機結(jié)合顯微鏡拍攝的中藥材的微性狀圖片進(jìn)行上傳，參見圖2。為了使手機拍攝和相冊中選取的照片保持像素尺寸的一致，便于后臺服務(wù)器圖像識別程序的處理，我們在手機客戶端中設(shè)計了圖像裁剪功能，并設(shè)定了默認(rèn)裁剪比例。經(jīng)過這部處理，我們將要上傳的中藥材微性狀圖片的像素尺寸都被統(tǒng)一的設(shè)定為8*8共64個像素點，這為了是去除圖片的細(xì)節(jié)，只保留結(jié)構(gòu)、明暗等基本信息，摒棄不同尺寸、比例帶來的圖片差異。實現(xiàn)方法如下：

int width = 8；

int height = 8；

BufferedImage source = ImageHelper.readPNGImage（filename）；

BufferedImage thumb = ImageHelper.thumb（source， width， height， false）；

2）中藥材微性狀圖片的上傳

經(jīng)過上一步的圖像選取及裁剪，我們得到手機客戶端采集并初步處理過的中藥材微性狀圖片。我們利用HTTP協(xié)議中的POST方法，結(jié)合異步處理過程，將圖片發(fā)送到后臺服務(wù)器圖像識別程序中，圖像主要方法如下：

RequestParams params = new RequestParams（）；

try {

params.put（"img"， imageFile）；

} catch（FileNotFoundException e）

{e.printStackTrace（）；}

getHttpClient（）.post（mRequestSearchImageUrl，params，handler）；

通過異步上傳圖片的方法，可以在上傳過程中，釋放占用的線程等資源，等到結(jié)果產(chǎn)生再重新獲取線程處理，提高響應(yīng)效率，避免了大量數(shù)據(jù)上傳造成的線程阻塞。

3）中藥材微性狀圖片識別結(jié)果的顯示

被上傳到后臺服務(wù)器圖像識別程序中的圖片，將被預(yù)處理，特征提取以及對比中藥材微性狀圖譜特征庫中類似的圖片進(jìn)行核心算法自動識別。識別完后，將結(jié)果返回給手機客戶端。詳細(xì)內(nèi)容將在1.3中描述。

2.3中藥材真?zhèn)巫詣幼R別系統(tǒng)后臺服務(wù)器圖像識別程序的編寫

后臺服務(wù)器處理程序，是整個系統(tǒng)的核心部件。它采用java語言，利用IBM的Eclipse集成編程環(huán)境編寫。它不僅跟手機客戶端進(jìn)行請求應(yīng)答，還通過與Matlab的LibSVM API接口程序，將上傳的圖像交給Matlab軟件處理。Matlab處理過程包括圖像的，去噪聲，HSV空間轉(zhuǎn)換，三種特征提取以及利用SVM分類器實現(xiàn)圖像的自動識別，前三個過程前文已提到，此處不在描寫，此處對于LibSVM API最核心核心的方法進(jìn)行描述：

svm.svm_train（svm_problem，svm_parameter）；

svm.svm_load_model（文件名）；

svm.svm_save_model（文件名，svm_model）；

svm.svm_predict_values（svm_model，svm_node，double）；

后臺服務(wù)器處理程序在收到Matlab LibSVM API接口程序返回的結(jié)果后，根據(jù)返回結(jié)果查詢中藥材微性狀圖譜特征庫中保存的中藥材圖片信息并將查詢結(jié)果封裝在json字符轉(zhuǎn)中，利用RequestContext這一對象中的print方法，將最終的識別結(jié)果回傳給手機客戶端。核心代碼如下所示：

public void identificationList（RequestContext ctx） throws IOException{

int pageno = ctx.param（"page"， 1）；

System.out.println（"page->>"+pageno）；

pageno = pageno <= 0 ？ 1 ： pageno；

try{

List ids = Identification.INSTANCE.IDs（homeIds）；

int size = ids.size（）；

int beginIndex = （pageno - 1） * 10；

int toIndex = pageno * 10；

List returnIds = ids.subList（（beginIndex > size ？ size ： beginIndex）， （toIndex > size ？ size ： toIndex））；

List list = Identification.INSTANCE.LoadList（returnIds）；

System.out.println（"list->>"+list）；

Gson gson = new Gson（）；

String jsonList = gson.toJson（list.toArray（））；

System.out.println（jsonList）；

ctx.print（jsonList）；

}finally{

DBManager.closeConnection（）；

}}

最終手機客戶收到后臺服務(wù)器圖像識別程序回傳的json字符串，利用JSON-lib包，將json解析成String類型字符串，并最終通過ListViewMedicinePhotoAdapter這一android手機列表圖像適配器，顯示到手機客戶端中。

我們以偽品菟絲子為例，利用手機顯微鏡及手機客戶端在光照強度為1200 lux的實驗室中，拍攝了100張偽品菟絲子的微性狀圖片，并上傳到后臺服務(wù)器自動識別程序中，在等待11秒后，手機客戶端收到識別鑒定的結(jié)果如圖3所示。

鑒定結(jié)果顯示

3 結(jié)束語

本文創(chuàng)新之處在于，利用互聯(lián)網(wǎng)結(jié)束使微性狀的鑒定更加智能化、自動化，從而使中藥材鑒別操作更加簡化、測量更準(zhǔn)確，還降低了中藥材鑒定的成本，能夠?qū)崿F(xiàn)中藥材快速、無損鑒別，是一種不要求使用者有某些專業(yè)技能，真正面向基層的“傻瓜式”自動識別系統(tǒng)。

本文所設(shè)計的自動識別系統(tǒng)，還有改進(jìn)之處。例如，中藥材微性狀特征庫的種類不夠豐富，目前只能對少數(shù)中藥材進(jìn)行自動識別，識別速度及準(zhǔn)確率有待進(jìn)一步提升等等。下一步我們需要擴大特征庫的數(shù)量，涵蓋更多種類的中藥材，優(yōu)化算法，選更合適的分類器，提升識別的速度與準(zhǔn)確率，更簡單、廉價、快速地為廣大基層中醫(yī)藥工作者提供鑒定服務(wù)。

參考文獻(xiàn)：

[1] 李德強，段立廣，鄭旭光，等.對照提取物定性和單標(biāo)定量相結(jié)合的白芷藥材質(zhì)量控制研究[J].中國臨床藥理學(xué)雜志，2016，32（4）：333-336.

[2]鄧德洪，胡菊.狼毒藥材HPLC指紋圖譜研究[J].國際檢驗醫(yī)學(xué)雜志，2016，37（4）：447-451.

[3] 陳昱樺.猴耳環(huán)化學(xué)成分的分離與鑒定[J].天津藥學(xué)，2015，27（6）：5-8.

[4] 劉文啟，嚴(yán)華，董亞娟，等.廣防風(fēng)基原與鑒別[J]藥物分析雜志，2015，35（2）：370-374.

[5]房楠，吳玟萱，明全忠，等.苗藥金鐵鎖質(zhì)量標(biāo)準(zhǔn)完善研究，藥物分析雜志，2015，35（2）：344-349.

[6]耿姝，陳勇，金葉，等.基于近紅外技術(shù)的金銀花藥材多指標(biāo)成分快速檢測 [J].2016，33（2）：144-149.

[7]李化，蘇建春，柯華香，等.基于近紅外漫反射光譜和多元數(shù)據(jù)分析的黃芩質(zhì)量標(biāo)準(zhǔn)的快速評價方法研究[J].2015，35（3）：518-523.

[8] 黎量，楊詩龍，胥敏，等.基于電子鼻電子舌技術(shù)的山楂氣、味鑒別[J].中國實驗方劑學(xué)雜志，2015，21（5）：99-102.[9]LiS，LiX R，Wang G L.Rapid discrimination of Chinese red ginseng and Korean ginseng using an electronic nose coupled with chemometrics[J]. Journal of Pharmaceutical and Biomedical Analysis，2012，（70）：605-608.

[10]周霞，楊詩龍，胥敏，等.電子舌技術(shù)鑒別黃連及其炮制品[J].中成藥，2015，37（9）：1993-1997.

[11]曹海燕，周建理，楊青山.葶藶子及其混偽品的微性狀鑒別[J].上海中醫(yī)藥大學(xué)學(xué)報，2012，（4）：98-99.

[12]王雪麗，周建理，楊青山.紫蘇子及其混偽品的微性狀對比鑒別[J].上海中醫(yī)藥大學(xué)學(xué)報，2013，（1）：78-80.

[13]張帆，趙鑫磊，張偉，等.微性狀鑒別法鑒別中藥紅花及其摻偽品[J].安徽中醫(yī)藥大學(xué)學(xué)報，2015，34（3）：90-92.

[14] 郭英華. 基于 HSV 色彩空間的圖像分割[J]. 黑龍江冶金， 2011 （2）： 35-37.

[15] Stricker M A， Orengo M. Similarity of color images[C]//IS&T/SPIE's Symposium on Electronic Imaging： Science & Technology. International Society for Optics and Photonics， 1995： 381-392.

[16] R. M. Harlick， K. Shanmugam， I. H. Dinstein.Texture features for image classification[J]. IEEE Transactions on Systems， Man and Cybernetics，1973，3（6）：610-621.

[17] Hu M K. Visual pattern recognition by moment invariants[J]. IRE transactions on information theory， 1962， 8（2）： 179-187.

[18] Cortes C， Vapnik V. Support-vector networks[J]. Machine learning， 1995， 20（3）： 273-297.