利用微型近红外光谱技术和变压器进行当归（Angelica sinensis）无损检测的可行性研究

《Microbiology Resource Announcements》：Feasibility study of miniature near-infrared spectroscopy with transformer for non-destructive detection of Angelica sinensis

本研究采用Antaris II、MicroNIR 1700和OTO-SW2540三种微型近红外光谱仪，结合改进的Transformer深度学习模型，实现了对Angelica sinensis关键成分前胡素和芦丁的高效同步定量分析，验证了该技术框架在中药多组分检测中的初步可行性。

　　本研究聚焦于一种具有重要药用和经济价值的草本植物——当归（*Angelica sinensis*）。作为一种传统中药和食品的双重资源，当归在中医体系中已有超过三千年的应用历史，同时在现代食品工业中也被广泛用作安全的调味剂和功能性成分。随着全球对天然产品的兴趣日益增长，当归的市场需求不断扩大，这进一步推动了其作为中药出口的重要性，也凸显了其在医疗和经济领域的巨大潜力。

当归中的关键活性成分包括茴香脑（ligustilide）和阿魏酸（ferulic acid），这些成分在《中国药典》中被列为质量标准。它们的浓度不仅影响当归的临床疗效，也直接关系到其市场价值。然而，由于产地、采收时间和储存条件的不同，当归的质量可能会发生变化。此外，在运输过程中，这些成分也可能发生降解。因此，快速、准确地评估当归的质量对于确保其安全使用至关重要，这也是全球范围内对高效中药材检测技术需求的一部分。

近年来，近红外光谱技术（Near-Infrared Spectroscopy, NIR）因其无损、快速和无需复杂预处理的特性，在中药材分析中得到了广泛应用。NIR技术通过采集样品的光谱信息，能够间接评估其质量。相较于传统的化学分析方法，NIR技术具有更高的操作便捷性和更低的实验成本，这使其成为一种理想的分析工具。随着技术的发展，NIR设备已经从实验室中的大型设备演变为便携式设备，能够在现场进行快速检测。微型NIR光谱仪作为其中的一种，不仅具备便携性，还能在不破坏样品的前提下进行成分分析，为中药材的检测提供了新的可能性。

在实际应用中，传统的NIR数据分析方法主要依赖于偏最小二乘回归（Partial Least Squares Regression, PLSR）。PLSR能够有效识别光谱与样品质量之间的相关性，并实现对中药材中关键成分的精确定量。然而，PLSR在处理复杂光谱数据时，需要进行繁琐的预处理步骤，并且变量选择过程也较为复杂。此外，对于多组分检测，PLSR通常需要分别建立多个模型，这在一定程度上限制了其效率和适用性。

为了克服上述问题，本研究引入了一种改进的Transformer深度学习模型，用于微型NIR光谱仪的多组分预测。Transformer最初用于自然语言处理领域，近年来因其在处理序列数据方面的卓越表现而被广泛应用于图像识别和信号处理等任务。相较于传统的PLSR方法，Transformer能够利用自注意力机制捕捉全局的输入-输出依赖关系，同时在并行处理序列位置时提升训练效率。此外，Transformer模型能够通过多任务网络同时预测多个成分，从而提高分析的效率和模型的泛化能力。

研究中使用了三种不同的NIR光谱仪：Antaris II（台式设备）和MicroNIR 1700、OTO-SW2540（微型设备），分别对当归中的关键成分进行定量分析。结果表明，对于茴香脑，微型NIR光谱仪的验证集决定系数（R2val）分别提高了13%和40%；对于阿魏酸，验证集决定系数分别提高了36%和25%。这些结果表明，结合微型NIR光谱仪和改进的Transformer模型的分析框架，在实验室控制条件下，具有较高的技术可行性。然而，研究中所使用的样品来源、采收时间和储存条件较为单一，这在一定程度上限制了模型的推广能力。

为了进一步验证这一技术的可行性，研究团队还对样品的制备和光谱采集过程进行了详细描述。当归样品由山东宏基堂药业有限公司提供，来源于甘肃省岷县，共计120个样本。这些样本在采收时间和储存条件上保持一致，以确保实验数据的稳定性。此外，研究中使用了高纯度的磷酸、乙腈和甲醇作为溶剂，并从成都纯化学标准有限公司购买了茴香脑和阿魏酸作为标准物质，以确保实验的准确性。

研究还对当归的光谱特性进行了分析。通过三种NIR光谱仪采集的原始光谱和平均光谱显示，MicroNIR 1700和OTO-SW2540在特定波长范围内表现出更明显的吸收峰，而Antaris II则因其更高的分辨率，能够覆盖多个吸收区域。这些结果表明，不同类型的NIR设备在光谱采集和分析过程中存在一定的差异，而改进的Transformer模型能够有效提取这些光谱信息中的关键特征，从而提高分析的准确性和效率。

研究团队还探讨了当归在绿色功能材料合成中的应用潜力。当归中的活性成分不仅可以作为天然提取物用于生物医学领域，还可以用于合成具有特定功能的纳米材料。例如，某些研究显示，当归中的阿魏酸和多糖可以用于低成本、可再生的金属纳米颗粒合成，支持循环经济的发展目标。此外，当归中的挥发油成分可以与纳米技术结合，用于开发多靶点的抗类风湿性关节炎（RA）制剂。当归的食品-药物双重属性确保了其使用的安全性，而多糖成分则有助于提高其生物利用度。

尽管如此，目前对于当归提取物的标准化仍然存在一定的挑战。研究团队指出，虽然微型NIR光谱仪结合深度学习模型为非破坏性检测提供了新的技术路径，但该方法在实际应用中的可行性仍需进一步验证。此外，由于研究中所使用的样品来源和储存条件较为有限，模型的推广能力也受到一定影响。因此，本研究的主要目标是探索微型NIR光谱仪与改进的Transformer模型在同步定量分析当归关键成分方面的应用潜力，并为后续的优化和推广奠定基础。

在实验方法方面，研究团队采用了多种技术手段。首先，通过光谱采集和预处理，确保了数据的准确性和一致性。然后，利用改进的Transformer模型对数据进行分析，提取关键特征并实现对多组分的预测。此外，研究团队还对模型的性能进行了评估，比较了不同类型的NIR设备在预测精度和效率方面的差异。结果表明，微型NIR设备在结合深度学习模型后，能够显著提高预测的准确性，为中药材的非破坏性检测提供了新的思路。

本研究的意义不仅在于技术层面的创新，还在于其对中药材产业的实际应用价值。随着全球对天然药物和食品的需求不断增长，中药材的市场价值也在不断提升。然而，当前的中药材市场仍然存在诸多问题，如假冒伪劣产品、质量不稳定以及低效的手工检测方法。微型NIR设备的引入为这些问题提供了潜在的技术解决方案，而结合深度学习模型的分析方法则进一步提升了检测的准确性和效率。

此外，本研究还强调了微型NIR设备在中药材检测中的应用前景。随着技术的进步，微型NIR设备不仅具备便携性，还能在不破坏样品的前提下进行成分分析，这为中药材的现场检测提供了便利。同时，微型NIR设备的结合使用也提高了检测的自动化程度，为中药材的质量控制和市场管理提供了新的技术支持。

在研究过程中，团队还关注了不同类型的NIR设备在数据采集和分析中的表现差异。Antaris II作为台式设备，具有较高的分辨率和稳定性，而MicroNIR 1700和OTO-SW2540作为微型设备，虽然在分辨率上稍逊一筹，但在便携性和操作便捷性方面具有明显优势。这些设备的结合使用为中药材的检测提供了更多样化的选择，同时也为后续的研究和应用提供了更广泛的数据支持。

研究团队还对模型的性能进行了深入分析。通过比较不同类型的NIR设备在预测精度和效率方面的表现，团队发现，微型NIR设备在结合深度学习模型后，能够显著提高预测的准确性。这表明，深度学习模型在处理NIR光谱数据时具有更高的灵活性和适应性，能够有效应对不同样品的复杂性和多样性。此外，团队还指出，虽然研究中未追求模型性能的绝对优势，但其为后续的优化和推广提供了坚实的基础。

本研究的结论表明，微型NIR设备结合改进的Transformer模型，为当归关键成分的同步定量分析提供了可行的技术路径。这一方法不仅能够提高检测的准确性和效率，还能为中药材的非破坏性检测提供新的技术支持。然而，由于研究中所使用的样品来源和储存条件较为有限，模型的推广能力仍需进一步验证。未来的研究可以扩大样品的多样性，以提高模型的适用性和泛化能力，从而更好地满足实际应用的需求。

总的来说，本研究通过引入改进的Transformer模型，探索了微型NIR设备在中药材检测中的应用潜力。这一方法不仅能够提高检测的准确性和效率，还能为中药材的非破坏性检测提供新的技术支持。尽管目前的研究仍存在一定的局限性，但其为后续的优化和推广奠定了坚实的基础。随着技术的不断发展和应用的深入，微型NIR设备结合深度学习模型的分析方法有望在中药材检测领域发挥更大的作用，为中药材产业的可持续发展提供有力支持。