拉曼光谱技术结合深度学习算法在中药材质检过程中的应用

拉曼光谱技术结合深度学习算法在中药
材质检过程中的应用
摘要：
随着我国进入信息技术高速发展时代，制造业的智能化转型正在不断升级，
信息技术为中药生产的智慧化发展指明了方向。

利用云平台超强的计算能力和存
储能力，将拉曼光谱分析技术和深度学习等人工智能算法进行融合，能够实现对
中药材外源性有害残留物的检测。

首先，介绍了拉曼光谱分析技术的原理及优势、预处理方法、峰归属、特征波段提取和深度学习算法。

在此基础上，对近年来拉
曼光谱分析技术在中药材鉴别、外源性有害残留含量测定进行归纳。

最后，对未
来拉曼光谱分析技术在中药智能制造中的应用进行展望。

关键词：拉曼光谱；人工智能；深度学习算法；中药材；外源性有害残留物
0引言
近年来，中药材农药残留、重金属超标等问题备受关注，人们对中药材品质
与安全标准要求也越来越高，已成为社会关注的热点。

中药材质量安全问题已经
成为影响中医药治疗效果制约中医药发展的重要因素。

传统中药材质检方法如高效液相色谱法、质谱法、化学法等必须在实验室使用，使用场景受限，且对待测物具有破坏性，检测效率低，深度学习和拉曼光谱
分析技术具有快速、无损、可靠等优点。

我国拉曼光谱技术在中药材质检领域仍处于摸索阶段，本文从拉曼光谱的图
谱预处理、峰归属、特征波段提取及深度学习算法等角度，总结了拉曼光谱分析
技术在中药材从收购到加工等领域对外源性有害残留物检测的应用，并对人工智
能视域下拉曼光谱分析技术在中药材外源性有害残留物检测中的应用进行展望。

1拉曼光谱原理与优势
当一束频率为v0的单色光照射到样品上后，分子可以使入射光发生散射，
并非所有的光都发生瑞散射，有一小部分的光会因为被照射物体中分子振动和转
到而改变发射波长，这部分改变波长的光形成的光谱图就是拉曼光谱。

利用拉曼
谱图的特征峰进行快速定性分析，通过人工智能算法进行准确定量分析。

与液质联用、近红外光谱相比拉曼光谱检测技术具有无损、快捷和便捷等优点，在保证待测样品完整性的同时，又节省检测时间。

且液质联用前期处理复杂，仪器昂贵不易挪动。

2拉曼光谱数据处理及建模方法
2.1预处理方法
原始拉曼光谱图在去噪声、杂散光及样品背景噪声后，需要进行基线矫正和
预处理，通过平滑处理、一二阶导数法、多元散射矫正、标准正态变量矫正等方
法来减少误差，以上预处理方法常常组合使用。

2.2拉曼光谱峰归属
建立中药拉曼数据库有 2 个挑战：1）中药外源性有害残留物种类基数庞大，有效成分复杂，对照品不足。

2）中药材成分中同分异构体较多，同一分子在构
象上的差异也会使得拉曼光谱有所不同，使部分特征峰的位置发生偏移。

采用手持式或便携式拉曼光谱仪器采集中药材收购和加工过程中拉曼光谱数据，之后，将拉曼光谱数据通过5G 网络上传到中药材标准数据库中，并分配给
深度学习模型以执行数据训练、自学习和参数优化，最后通过在实际检测中光谱
数据与标准数据库进行对比对中药材外源性有害残留种类和含量进行评估。

深度
学习算法和拉曼光谱的融合将为中药生产智慧化发展提供强有力的技术支撑和保障。

2.3特征波段提取方法
通过对拉曼光谱特征波段进行提取，来建立有效、可靠的检测模型，主要采
用选剔同步波段算法、自适应重加权法、连续投影算法、无信息变量消除法和间
隔偏最小二乘法。

2.4建模方法
采用机器学习算法进行建模，主要算法包括偏最小二乘回归、极限学习机、
卷积神经网络、人工神经网络、支持向量机等。

2006年，Hinton等采用预训练方法解决了神经网络只能得到局部最优化的问题，将隐含层推动到了 7 层，神经网络真正意义上有了“深度”，由此揭开了深
度学习的热潮，随后的深度信念网络（DBN）、递归神经网络（RNN）、长短期记忆人工神经网络（LSTM）等才逐渐出现。

CNN 是目前运用
较多的深度学习算法，包括卷积运算、池化运算、全连接运算和识别运算这 4
个基本运算单元。

拉曼光谱数据无需进行预处理，可以直接进行 CNN 建模输出
结果。

有文献报道 CNN比传统的 PLSR、SVM、ELM 等机器学习算法的建模效果更好，尤其是 CNN在其模型架构中采用了共享权重滤波器和池化层，使模型具有更
高的特异性和敏感性。

3中药材质量控制
3.1中药材鉴别
中药芍药以其根入药，有赤芍和白芍之分，两者功效差异很大。

白芍养血柔肝，赤芍清热凉血。

黄浩等采用共聚焦显微拉曼对赤芍、白芍的饮片和药材水煎
汤剂进行比较，对图谱进行简单的 5 点平滑处理后扣除荧光背景，发现有 5 组
拉曼信号在白芍药材汤剂和饮片汤剂中同时存在，另有 2 个拉曼光谱发生了频移，剩余在于饮片中的拉曼峰则未曾在白芍药材中见到重叠，赤芍与白芍拉曼光
谱差异较大，这表明共聚焦微拉曼可以用于赤芍和白芍饮片鉴别和区分。

3.2外源性有害残留物含量测定
拉曼光谱不但可以用于定性分析，而且可以进行定量分析，通过对siPLS 算
法的区间数进行改进，将区间数减少到10，加快了最佳谱段选取过程；采用内部
交叉和外部验证交叉验证方法，其中预测系数更接近1，交叉验证均方差和外部
验证均方差更小，模型效果更好。

该模型外部验证均方差为0.259，预测系数
为0.977 9，为 5种 CaCO3类矿物药（鱼脑石、鹅管石、花蕊石、南寒水石、
钟乳石）的拉曼定量分析提供了可靠的方法。

4结语
拉曼光谱分析技术在中药鉴定、产地分类方面的应用较多，而在中药制药过
程控制领域的应用仍然较少，这可能有以下原因：1）拉曼光谱检测灵敏度较低，受荧光干扰严重。

近年发展出的表面增强拉曼光谱（SERS）、针尖增强拉曼等，不但能削弱荧光物质的干扰，而且使检测限降低至mol·，能够完成定量检测，这将拓展拉曼光谱在中药制药过程中的应用。

例如，杨方等采用 SERS技术，以Au 膜-Ag 纳米颗粒为基底，采用 785 nm 激光器为激发光源，避免了荧光的
干扰，测定不同年份的陈皮煎剂。

通过峰的归类发现，7年及以上陈皮在 808、884、1132、1212多出 4处拉曼峰，可以用来鉴别陈皮年份。

2）中药制造企
业内部网络无法支撑工业互联网场景下的海量数据实时传输和网络同步，亟须进
行基础网络升级改造，提升网络传输带宽。

5G 具备大带宽、低时延、海量连接
的网络特性，能够提供端到端毫秒级时延和接近 100%的高可靠性通信保障，满
足工业大数据传输需求和即时处理需求。

因此，随着 5G 技术的日益成熟，拉曼
光谱技术在中药制药领域中的应用障碍将被扫清。

拉曼光谱分析技术将为中药材
智能检测提供强有力的手段，让中医药焕发处全新的生命力。