APP下载

基于电脑分析的药材微杂质快速鉴定法

2016-08-12孙春蕾汪楠楠杨青山周建理

安徽医药 2016年7期
关键词:计算机辅助图像处理

孙春蕾,汪楠楠,杨青山,周建理

(1.国家中药材产品质量监督检验中心,安徽 亳州 236800,2.阜阳市人民医院药剂科,安徽 阜阳 236000,3.安徽中医药大学,安徽 合肥 230012)



基于电脑分析的药材微杂质快速鉴定法

孙春蕾1,汪楠楠2,杨青山3,周建理1

(1.国家中药材产品质量监督检验中心,安徽 亳州236800,2.阜阳市人民医院药剂科,安徽 阜阳236000,3.安徽中医药大学,安徽 合肥230012)

摘要:目的建立一种可用于快速鉴别细小药材中掺杂质的方法。方法以微性状观察拍摄结合计算机图像分析对药材中细微杂质进行初步的定性和定量分析。结果实验表明,该方法简单快速,可以大大地减轻检验工作量。结论此方法可成为药材微杂质快检的重要手段。

关键词:药物污染;中药显微鉴定;图像处理,计算机辅助

中药材中细小药材,包括细小的果实种子如葶苈子、车前子等;花粉孢粉如蒲黄[1]、海金沙[2-4]、松花粉[5]等。由于细小药材中若掺入粉尘状杂质就很难鉴别。以往对于这些细小药材混入杂物最简单的方法是用分样筛分出,但近年发展起来的超微粉碎可以将无机物和植物性有机物粉碎到比蒲黄还细的程度。其它方法,如药典的灰份检查法对掺入有机杂质无法检出;掺入水或水合氯醛溶解的物质常用显微鉴定法也无法观察到。而中药微性状鉴定[6]则可以不用制片直接在显微镜下观察,可利用景深合成软件合成清楚的图像由计算机分析,给出细小药材中杂质定性和定量分析结果。

1 微性状操作前准备

1.1显微镜选择与光路改造选择有×4和×10接物镜的普通的光学生物显微镜,用两盏台灯或在载物台上加装两个发光二极管小台灯构成主侧光。光线的强弱变化可调节灯的距离。

1.2显微观察(初检)取样品少量放在载玻片上,用玻棒展成极薄层,置于镜下观察。用肉眼初步估算,如果掺杂的颗粒明显少于1%时(一个视野下,杂质与药材颗粒可视面积之比),可初步认定杂质含量合格。如果掺杂的颗粒明显多于6%时,可认定杂质含量不合格。并按中药微性状拍摄法拍摄,以留下证据。如果在1%~6%左右难以判别,则可进行拍摄并计算机计数。

1.3摄影器材和计算机选择可用带有摄影功能的光学显微镜,普通显微镜加装500万像素电子目镜也可。景深合成可选择比较常用的PHOTOSHOP—CS4软件[7]。计算机应选择内存达4 G以上,显卡性能较好。

1.4拍摄样片操作取样品少量放在载玻片上,用玻棒展成稍厚层,上面盖上一盖玻片,轻轻按压,使之表面平坦,置于镜下观察,选择拍摄点。为了保证选择有随机性,应先调焦到模糊,定点拍摄。

2 微性状图片拍摄

2.1图片拍摄各种不同品牌的电子目镜有各自的软件,按要求连接计算机并打开软件进行拍摄。按载物台由高向低或者由低向高的顺序依次将各个层面拍摄,在拍摄途中药材的位置和光源必须固定不动,只要对微调手轮上的标尺观察,每次移动一定的焦距即可。根据我们对数种不同型号的普通生物显微镜的测试通常是:×10倍物镜下每隔8~10格、×4倍物镜下每隔15~20格拍摄一张最佳。最终可拍得一个图片组。

2.2图片合成把拍得的图片组输入景深合成软件,可以合成大景深的显微图片。以PHOTOSHOP-CS4软件为例。打开PHOTOSHOP-CS4软件,在工具栏上方点击“启动bridge”,在bridge中选中所需合成的图片组,单击“工具”“PHOTOSHOP”“将文件载入PHOTOSHOP图层”在PHOTOSHOP的界面,全选全部图片的图层,单击“编辑”中的“自动混合”,计算机会自动识别并组合得到一张全清晰的药材表面图片,之后单击“图层”中的“合并图层”将所有图层合并,之后用JPG格式保存图片。

图1 海金沙杂志含量计算的电脑操作过程示意图

3 图像杂质含量分析方法

以PHOTOSHOP7.0为例,按图1中标示数字操作如下:(1)转入PHOTOSHOP的海金沙药材大景深图。(2)在“工具”栏中将底板调成蓝色。(3)在“工具”栏中用“多边形套索”圈定杂质,按“删除”backspace键将其变成蓝色。(4)圈定杂质后的药材图。(5)在“图像”栏下点“直方图”。(6)在弹出的框中可见,全图的总像素为1228800。(7)在“工具”栏中反转,将面板调成蓝色。(8)在“选择”栏下点 “色彩范围”,并在弹出的框中将“颜色容差”定在20,点 “好”。(9)可见特杂质后的药材图。(10)按“5” 在“图像”栏下点“直方图” 在弹出的框中可见,杂质的像素为21098。(11)计算:21098/1228800=1.7%,本检品符合杂质容许量要求。

4 部分药材微性状图像分析结果

图2蒲黄中明显可见大量的透明晶体,为人为掺入,即可判定为掺伪品。图3松花粉看来比较纯净,可以进行下一步计算机图像分析。图4的蒲黄检品可见有部分植物性的杂质。但量不是太多可进行图像分析。图5是蒲黄检品的平行拍摄的5组照片,分别合成后用于计算机分析的图像。通过综合计算,该检品中植物性杂质的含量已达4.3%,不符合蒲黄药材的要求,只是可能符合药典上“草蒲黄”项下的要求[8]。

5 讨论

从以上三种细小中药材微性状鉴定看来,本方法可以直接观察到比药材颗粒更细小的掺入物。由于不用制片,一些水溶性或水合氯醛溶性的物质也可以看到。所以它可以鉴别出分样筛分不出的超细粉样掺杂物,可以鉴别灰分实验做不出来的有机杂质,还可以检出普通显微鉴定看不到的水溶性或水合氯醛溶性的物质。所用仪器也简单轻便,对于绝大多数掺杂药材可以在一分钟之内作出初步判定,对于部分杂质不多的药材也可以在二十分钟的时间内测出其杂质含量,是一种快速有效的鉴别方法。

图2蒲黄检品初检图(为合成)

图3松花粉检品初检图(为合成)

图4蒲黄药材微性状合成图

图5蒲黄检品的杂志检测图

参考文献

[1]张朝民.蒲黄常见掺伪的鉴别检验[J].光明中医,2016,31(4):590-591.

[2]贾荷丽,查道成.海金沙掺伪的鉴别检验[J].亚太传统医药,2012,7:36.

[3]侯晓苹,王沪荣.海金沙掺伪品鉴别2例[J].陕西中医,2013,34(11):1545-1546.

[4]黄小婕,姬生国.曲轴海金沙的显微鉴别[J].中药材,2015,38(4):742-744.

[5]蒋世银.蒲黄、松花粉相互掺伪的鉴别[J].湖北中医药大学学报,2014,16(4):49-50.

[6]汪楠楠,周建理,杨青山.市售金银花及其混伪品的微性状鉴别[J].安徽医药,2014,18(3):450-452.

[7]杨宗宇.Photoshop CS4教学中的问题与方法研究[J].现代教育科学(普教研究),2014(6):73.

[8]国家药典委员会.中国药典(一部)[S].北京:中国医药科技出版社,2015:353.

基金项目:国家自然科学资助项目(81303177)

通信作者:周建理,男,教授,硕士生导师,研究方向:中药资源与鉴定,E-mail:jlzhou55@sina.com

doi:10.3969/j.issn.1009-6469.2016.07.013

(收稿日期:20156-01-23,修回日期:2016-04-27)

Rapid identification of tiny impurities in traditional Chinese medicine based on computer analysis

SUN Chunlei1,WANG Nannan2,YANG Qingshan3,et al

(1.QualitySupervisionandInspectionCenterforChineseMedicinalProducts,Bozhou,Anhui236800,China;2.DepartmentofPharmacy,FuyangPeople’sHospital,Fuyang,Anhui236000,China;3.AnhuiUniversityofChineseMedicine,Hefei,Anhui230012,China)

Abstract:ObjectiveA method is developed for the rapid identification of tiny impurities intraditional Chinese medicine in this paper.MethodsThe qualitative and quantitative analyses of the tiny impurities in the traditional Chinese medicinal materials were carried out with the computer image analysis and the observation of micro-properties.ResultsThe experiment shows that this method is simple and fast.ConclusionThis method can greatly reduce the workload of inspection and become an important means of rapid detection.

Key words:Drug Contamination;TCD Microscopic Identific;Image Processing,Computer-Assisted

猜你喜欢

计算机辅助图像处理
海战场侦察图像处理技术图谱及应用展望
人工智能辅助冠状动脉CTA图像处理和诊断的研究进展
基于ARM嵌入式的关于图像处理的交通信号灯识别
基于图像处理的机器人精确抓取的设计与实现
机器学习在图像处理中的应用
计算机辅助的抽样调查应用框架探讨
机械制造自动化方式解析
基于图像处理的定位器坡度计算
例谈作图法在高中化学解题中的应用