中药材微性状真伪自动识别系统设计与实现
2017-04-17胡继礼阚红星丁桦朱川川
胡继礼 阚红星 丁桦 朱川川
摘要：农村基层假冒伪劣中药材出现的概率远远高于城区，已成为药监工作的重点和盲点，因此迫切需要研究一种廉价、快速、准确的鉴定方法，为基层组织和老百姓提供服务。本文提出一种基于互联网技术的微性状真伪自动识别系统，首先，采集中药材微性状图片并进行图像处理提取图像特征保存到服务器数据库中建立中药材微性状图谱特征库；其次，通过设计android手机客户端和后台服务器图像识别程序，利用手机显微镜配合手机客户端拍照并上传中药材微性状图像到后台服务器图像识别程序中，对比中药材微性状图谱特征库进行自动识别；最后将识别的结果发送反馈给手机客户端。本系统促进了微性状鉴定法向信息化、自动化、智能化方向发展，对完善微性状鉴定方法理论与体系，为基层老百姓服务具有重要意义。
关键词：中药材鉴定；微性状特征；安卓；互联网技术
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）36-0178-03
1 概述
目前我国中药材市场假冒伪劣药材屡禁不止，严重危害人民群众身体健康和中医药的发展。因此对中药材进行准确、快速鉴定已成为一个急待解决的难题，其重要性和意义越来越显得突出。目前国内外各种学者专家对假冒伪劣中药材的鉴定方法主要有理化法[1-3]、显微法[4，5]、近红外光谱法[6，7]、电子鼻和电子舌法[8-10]，微性状鉴别法[11-13]等。微性状鉴别法利用光学显微镜对药材表面细微的性状特征进行微观观察，虽然相对来说成本最低[11]，但微性状鉴定核心步骤都需要有丰富经验的鉴定人员参与，如微性状照片的景深合成、真伪性状的识别和对比等，其鉴定结果严重依赖于某个鉴定人员素质。且以上各种鉴定方法受成本、方法、技术以及人员素质的等影响，不能为社会基层组织和老百姓提供廉价、快速、准确的鉴定服务。因此，本课题提出一种基于中药材微性状方法的自动识别系统。
2 中药材微性状真伪自动识别系统
首先筛选易混的70种中药材，并采集他们的微性状图片，经过图像预处理，微性状特征提取，在服务器数据库中建立中药材微性状图谱特征库；然后通过设计android手机客户端和后台服务器图像识别程序，利用手机显微镜配合手机客户端拍照并上传中药材微性状图像到后台服务器图像识别程序中对比中药材微性状图谱特征库，通过数据交换进行自动识别；最后将识别的结果发送反馈给手机客户端，显示识别结果。
系统包括中药材微性状图谱特征库，android手机客户端以及后台服务器图像识别程序三方面内容。主要设计思路如图1 所示。
通过互联网技术，我们实现了不同设备间的数据交换与传递，对于不同的人来说，只要他有一台可以连入互联网的设备，并拥有一台简单的显微镜，便能够对易混中药材的真伪鉴定。
2.1 中药材微性状图谱特征库的建立
首先对《中华人民共和国药典》（2010 版一部及附录）中的药材进行分析比较，选择伪品较多的、难以鉴别的 70 种药材为研究对象，在显微镜下进行拍摄，利用Photoshop软件进行景深合成，采集他们的微性状图片；然后利用Matlab软件进行图像预处理，即使用线性滤波去除景深合成所带来的噪声，再将去噪后的图像转变到HSV空间中去[14]；接着对于中药材微性状的三种特征即颜色特征，纹理特征和几何形状特征分别利用颜色矩[15]，灰度共生矩阵[16]以及Hu不变矩[17]来提取；最后利用SVM[18]分类器进行训练。
需要注意的是，并不意味着一种中药材的特征提取就只用一种方法，对复杂的伪品往往会采用三种类型联合的方式进行特征提取，以提高识别的准确性。经过图像采集、图像的预处理、图像的特征提取后，即可把70种常见易混伪中药材的特征参数及其图像信息存入数据库中，构建易混伪中药材微性状图谱特征库。
2.2中药材真伪自动识别系统安卓手机客户端的编写
中药材真伪自动识别手机客户端，采用谷歌开发的android SDK6.0版本，利用谷歌推出的android studio集成环境编写。手机客户端主要包含三个功能部分，中药材微性状图片的选取，中药材微性状图片的上传以及识别结果的显示。
1）中药材微性状图片的选取
手机客户端支持利用手机自带后置摄像头结合手机显微镜来拍攝采集中药材的微性状图片上传到后台服务器图像识别程序中，也可以将保存在手机相册中的数码相机结合显微镜拍摄的中药材的微性状图片进行上传，参见图2。为了使手机拍摄和相册中选取的照片保持像素尺寸的一致，便于后台服务器图像识别程序的处理，我们在手机客户端中设计了图像裁剪功能，并设定了默认裁剪比例。经过这部处理，我们将要上传的中药材微性状图片的像素尺寸都被统一的设定为8*8共64个像素点，这为了是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。实现方法如下：
int width = 8；
int height = 8；
BufferedImage source = ImageHelper.readPNGImage（filename）；
BufferedImage thumb = ImageHelper.thumb（source， width， height， false）；
2）中药材微性状图片的上传
经过上一步的图像选取及裁剪，我们得到手机客户端采集并初步处理过的中药材微性状图片。我们利用HTTP协议中的POST方法，结合异步处理过程，将图片发送到后台服务器图像识别程序中，图像主要方法如下：
RequestParams params = new RequestParams（）；
try {
params.put（"img"， imageFile）；
} catch（FileNotFoundException e）
{e.printStackTrace（）；}
getHttpClient（）.post（mRequestSearchImageUrl，params，handler）；
通过异步上传图片的方法，可以在上传过程中，释放占用的线程等资源，等到结果产生再重新获取线程处理，提高响应效率，避免了大量数据上传造成的线程阻塞。
3）中药材微性状图片识别结果的显示
被上传到后台服务器图像识别程序中的图片，将被预处理，特征提取以及对比中药材微性状图谱特征库中类似的图片进行核心算法自动识别。识别完后，将结果返回给手机客户端。详细内容将在1.3中描述。
2.3中药材真伪自动识别系统后台服务器图像识别程序的编写
后台服务器处理程序，是整个系统的核心部件。它采用java语言，利用IBM的Eclipse集成编程环境编写。它不仅跟手机客户端进行请求应答，还通过与Matlab的LibSVM API接口程序，将上传的图像交给Matlab软件处理。Matlab处理过程包括图像的，去噪声，HSV空间转换，三种特征提取以及利用SVM分类器实现图像的自动识别，前三个过程前文已提到，此处不在描写，此处对于LibSVM API最核心核心的方法进行描述：
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）；
后台服务器处理程序在收到Matlab LibSVM API接口程序返回的结果后，根据返回结果查询中药材微性状图谱特征库中保存的中药材图片信息并将查询结果封装在json字符转中，利用RequestContext这一对象中的print方法，将最终的识别结果回传给手机客户端。核心代码如下所示：
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
int size = ids.size（）；
int beginIndex = （pageno - 1） * 10；
int toIndex = pageno * 10；
List
List
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（）；
}}
最終手机客户收到后台服务器图像识别程序回传的json字符串，利用JSON-lib包，将json解析成String类型字符串，并最终通过ListViewMedicinePhotoAdapter这一android手机列表图像适配器，显示到手机客户端中。
我们以伪品菟丝子为例，利用手机显微镜及手机客户端在光照强度为1200 lux的实验室中，拍摄了100张伪品菟丝子的微性状图片，并上传到后台服务器自动识别程序中，在等待11秒后，手机客户端收到识别鉴定的结果如图3所示。
鉴定结果显示
3 结束语
本文创新之处在于，利用互联网结束使微性状的鉴定更加智能化、自动化，从而使中药材鉴别操作更加简化、测量更准确，还降低了中药材鉴定的成本，能够实现中药材快速、无损鉴别，是一种不要求使用者有某些专业技能，真正面向基层的“傻瓜式”自动识别系统。
本文所设计的自动识别系统，还有改进之处。例如，中药材微性状特征库的种类不够丰富，目前只能对少数中药材进行自动识别，识别速度及准确率有待进一步提升等等。下一步我们需要扩大特征库的数量，涵盖更多种类的中药材，优化算法，选更合适的分类器，提升识别的速度与准确率，更简单、廉价、快速地为广大基层中医药工作者提供鉴定服务。
参考文献：
[1] 李德强，段立广，郑旭光，等.对照提取物定性和单标定量相结合的白芷药材质量控制研究[J].中国临床药理学杂志，2016，32（4）：333-336.
[2]邓德洪，胡菊.狼毒药材HPLC指纹图谱研究[J].国际检验医学杂志，2016，37（4）：447-451.
[3] 陳昱桦.猴耳环化学成分的分离与鉴定[J].天津药学，2015，27（6）：5-8.
[4] 刘文啟，严华，董亚娟，等.广防风基原与鉴别[J]药物分析杂志，2015，35（2）：370-374.
[5]房楠，吴玟萱，明全忠，等.苗药金铁锁质量标准完善研究，药物分析杂志，2015，35（2）：344-349.
[6]耿姝，陈勇，金叶，等.基于近红外技术的金银花药材多指标成分快速检测 [J].2016，33（2）：144-149.
[7]李化，苏建春，柯华香，等.基于近红外漫反射光谱和多元数据分析的黄芩质量标准的快速评价方法研究[J].2015，35（3）：518-523.
[8] 黎量，杨诗龙，胥敏，等.基于电子鼻电子舌技术的山楂气、味鉴别[J].中国实验方剂学杂志，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，杨诗龙，胥敏，等.电子舌技术鉴别黄连及其炮制品[J].中成药，2015，37（9）：1993-1997.
[11]曹海燕，周建理，杨青山.葶苈子及其混伪品的微性状鉴别[J].上海中医药大学学报，2012，（4）：98-99.
[12]王雪丽，周建理，杨青山.紫苏子及其混伪品的微性状对比鉴别[J].上海中医药大学学报，2013，（1）：78-80.
[13]张帆，赵鑫磊，张伟，等.微性状鉴别法鉴别中药红花及其掺伪品[J].安徽中医药大学学报，2015，34（3）：90-92.
[14] 郭英华. 基于 HSV 色彩空间的图像分割[J]. 黑龙江冶金， 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.
