品质至上，客户至上，您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
Plant Phenomics | 太赫兹光谱技术可以精确区分艾绒纯度和生长年限
发表时间：2022-07-27 13:25:42点击：960
艾草具有祛湿、祛瘀、祛胀的作用，已广泛应用于中药。其中，艾绒是一种重要的艾草制品，通过反复加工艾草去除粉末残留，其纯度（艾草与艾绒比）和生长年限决定了其品质。一般地，艾绒中挥发性物质随着艾绒纯度的增加而增加，生长年限增加而减少。其中松油醇属于挥发性物质，在艾绒中占比较高，且具有祛痰、抗哮喘和抑菌作用。针对目前市场上没有统一的评价指标来评价艾绒的纯度和生长年限。本文尝试通过对松油醇含量进行检测以区分艾绒的纯度和生长年限。目前检测松油醇的方法包括气相色谱质谱仪联用法（GC-MS）、高效液相色谱法（HPLC）等。其中GC-MS法检测结果相对可靠，但预处理方法以及分析步骤较复杂。HPLC则需要较长的检测时间以及样品制备成本较高等。随着光学技术的发展，太赫兹光谱技术被越来越多的应用在生物样品的检测中，其在检测大分子的振动和旋转上具有优势。因此，本文提出了基于太赫兹光谱技术，通过检测松油醇含量的变化，对艾绒的纯度和生长年限进行鉴别。
近日，Plant Phenomics在线发表了上海理工大学太赫兹创新研究院的题为Moxa Wool in Different Purities and Different Growing Years Measured by Terahertz Spectroscopy 的研究论文。
在本研究中，我们对基于太赫兹光谱学的艾绒的纯度和生长年限的快速无损检测的实用性进行了估算、测试和验证。首先，利用上述三个不同纯度的特征峰的峰高（面积）进行线性拟合，模型中的r²＞0.95。此外，我们通过PLS模型得到了更准确的不同纯度艾绒预测模型，决定系数r²＞0.99。其次，PLS将艾绒的生长年限与建立的松油醇特征峰的强度结合起来，证明了一个具有（r²＞0.98）的精确模型。在得出艾绒的预测精度超过0.95的结论之前，我们尝试了很多样品制备方法，其中包括样品的研磨程度和样品的厚度，我们发现经过两次研磨的艾绒样品（两次研磨后，样品可以更充分地研磨），更有利于制片和光谱信息的检测。将艾绒磨碎后，通过对艾绒质量的控制，收集到艾绒的最佳光谱。通过改进样品制备方法，获得了艾绒的高预测精度。在使用太赫兹光谱分析艾绒纯度和生长年限后，我们利用拉曼技术光谱重复上述实验，试图比较这两种技术之间艾绒纯度和生长年限的定量准确性。拉曼技术光谱模型的r²＞0.80，与太赫兹技术相差甚远 ( r²>0.95)。最后，我们对市场上的真实样本进行了预测，并比较了太赫兹技术和拉曼技术的预测精度。得出的结论是，在本实验中，不同纯度的太赫兹光谱预测准确率为93.9%，不同生长年限的预测准确率为95.3%。因此，太赫兹光谱为检测艾绒纯度和生长年限提供了一种新方法，也为松油醇无损监测提供了技术支持。为市场上劣质艾绒的鉴别提供了新思路，为中药艾绒质量鉴别提供了新方法。
图1 根据艾绒不同纯度得出的 (a) THz吸收光谱。垂直箭头表示艾绒的吸收峰。在每个数据上都标注了误差棒。基于太赫兹吸收光谱的不同纯度艾绒的 (b) PLS预测模型。艾绒在 (c) 4.22THz、(d) 4.57THz、(e) 5.09THz和 (f) 6.28THz时，不同纯度艾绒的特征吸收峰强度
文章首次提出了采用太赫兹技术，通过检测艾绒中松油醇含量的变化，对艾绒的生长年限和质量比进行检测。与传统的检测方法相比，太赫兹光谱检测技术具有预处理时间短，样本量少，检测精度高等优势。本文提出的太赫兹光谱技术为松油醇的无损检测提供了技术支持，同时也为艾绒的质量鉴别提供了新方法，该方法也有望对其他中药的检测提供新思路。
上海理工大学太赫兹创新院彭滟教授、朱亦鸣教授和唐文超教授为论文通讯作者，邵咏妮副教授为第一作者，朱迪参与了全部试验设计以及论文的撰写，王雨田、朱志、田桢干也参与了该工作。该工作获得国家自然科学基金项目（61988102、61922059、81961138014）、上海自然基金项目（21ZR1444700）、111项目（D18014）、国境口岸药品太赫兹快速检测技术（2019HK006）和上海国内重点科技合作项目（21015800200）的支持。
研究团队介绍
上海理工大学太赫兹创新研究院近年来在科技部重点研发计划、国家973计划、国家863计划、国家自然科学基金等项目的支持下，以实用化的太赫兹成像系统和成谱系统为主线，以满足生物医学和国家公共安全领域的重大需求为目标，先后研制了宽频太赫兹辐射源、多种太赫兹功能器件、一体型时域太赫兹波谱系统和主动式太赫兹扫描成像系统等关键器件、系统，以及基于这些系统的应用研究。在新原理，新结构，新系统、新应用方面取得了多项成果，已经申请发明专利70余项，授权40余项。
研究院现有中国工程院院士、国家千人计划教授、长江奖励计划教授等一批国家级人才，以及教育部新世纪人才、上海市领军人才、上海市优秀学术带头人等一批中青年领军人才。
论文链接：
http://doi.org/10.34133/2022/9815143
——推荐阅读——
Estimating Photosynthetic Attributes from High-Throughput Canopy Hyperspectral Sensing in Sorghum
http://doi.org/10.34133/2022/9768502
Plant Phenomics | 利用高通量冠层高光谱遥感预测高粱的光合参数
Classification of Rice Yield Using UAV-Based Hyperspectral Imagery and Lodging Feature
http://doi.org/10.34133/2021/9765952
Plant Phenomics | 结合无人机高光谱图像和倒伏特征构建水稻产量类别检测模型
加入作者交流群
扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。
添加小编微信，备注姓名+单位+PP，加入作者交流群
About Plant Phenomics
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2021影响因子为6.961，位于农艺学、植物科学，遥感一区。中科院农艺学、植物科学一区，遥感二区，生物大类一区（TOP期刊）。2020年入选中国科技期刊卓越行动计划高起点新刊项目。
说明：本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考，一切内容以英文原版为准。
特邀作者：彭滟、朱迪
编辑：张威（实习）
审核：孔敏、王平
