銀杏葉中黃酮含量的葉面分布檢測研究

李 芳,石吉勇,張德濤,陳正偉

(1.江蘇大學 醫(yī)學院衛(wèi)生檢驗系,江蘇鎮(zhèn)江 212013;2.江蘇大學 食品與生物工程學院食品科學系,江蘇鎮(zhèn)江 212013)

?

銀杏葉中黃酮含量的葉面分布檢測研究

李 芳1,石吉勇2,張德濤2,陳正偉2

(1.江蘇大學 醫(yī)學院衛(wèi)生檢驗系,江蘇鎮(zhèn)江 212013;2.江蘇大學 食品與生物工程學院食品科學系,江蘇鎮(zhèn)江 212013)

利用近紅外高光譜圖像技術研究了銀杏葉中黃酮含量的葉面分布檢測方法。首先采集120片新鮮銀杏葉在900～1700nm波段下的高光譜圖像信息,并采用化學分析方法測量銀杏葉的黃酮含量值;其次,提取銀杏葉高光譜圖像中的光譜信息,結合主成分分析和線性回歸方法建立黃酮含量檢測模型(r=0.9219),由此確立銀杏葉高光譜圖像信號與黃酮含量的對應關系;最后,依次提取待測銀杏葉高光譜圖像中單個像素點對應的光譜信息,將其代入黃酮含量檢測模型以計算各像素點處對應的黃酮含量值,從而得到黃酮含量在整個銀杏葉面上的分布圖。研究表明:近紅外高光譜圖像技術可快速檢測銀杏葉中黃酮的葉面分布,研究為揭示有機組分在食品中的分布規(guī)律提供了技術手段。

黃酮,銀杏葉,分布,高光譜圖像技術

銀杏黃酮具有擴展血管、抗氧化、調血脂等作用,廣泛用于食品、藥品、飲料和化妝品等[1]。黃酮是銀杏葉的主要活性成分,占銀杏葉提出物(EGB761)總重量的24%以上[2]。由于樹種、生長周期、光照條件、土壤肥力等因素的影響,不同銀杏葉中的黃酮含量往往存在較大差異,需要對銀杏葉中的黃酮進行檢測,為銀杏葉的采摘、加工提供依據(jù)[3-4]。

銀杏葉黃酮的檢測方法有化學檢測法[5-6]和近紅外光譜檢測法[7-8]。化學檢測方法首先利用化學試劑提取銀杏葉中的黃酮;然后利用紫外分光光度計、高效液相色譜等分析儀器定量檢測提取物中的黃酮含量,并計算出銀杏葉中的黃酮含量。化學分析方法的檢測結果準確,但檢測過程耗時、破壞檢測樣本。近紅外光譜檢測法采集銀杏葉的近紅外光譜信息,建立近紅外光譜信息與黃酮含量的對應關系,實現(xiàn)銀杏葉黃酮含量的快速檢測。近紅外光譜法具有檢測速度快、不破壞檢測樣本等優(yōu)點[9-10]。由于化學檢測方法得到的黃酮含量僅能反映采樣區(qū)域的平均黃酮含量[11-12],而近紅外光譜法得到的黃酮含量僅能反映光譜采集區(qū)域對應的黃酮含量,兩者均無法反映黃酮含量在整個銀杏葉面的分布情況。

本研究擬利用高光譜圖像不僅包含樣本在各個波段下的圖像信息,還包含每個像素點在各個波段下的光譜信息這一優(yōu)勢[13-14],通過建立高光譜圖像信號與黃酮含量的對應關系,依次利用各像素點的光譜信息計算各像素點區(qū)域對應的黃酮含量,期望得到一種銀杏葉黃酮含量的葉面分布檢測方法。

1 材料與方法

1.1 材料與儀器

銀杏葉 采集于江蘇大學校園;VI7E光譜掃描儀 芬蘭Spectra Imaging Ltd.;XEVA-FPA-1.7-320相機 比利時XenIcs Ltd.;2900光源系統(tǒng) 美國Illumination Technologies Inc.;TS200AB電控平移臺 中國卓立漢光。

1.2 高光譜圖像采集

為了防止基線漂移,數(shù)據(jù)采集前將高光譜圖像采集系統(tǒng)預熱30min。數(shù)據(jù)采集時,逐一用鋼直尺壓住葉柄使得銀杏葉平鋪在白色底板的電控位移臺上,設定高光譜攝相機曝光時間為45ms,電控平移臺的移動速度為1.25mm/s,圖像掃描行數(shù)為500行/幅,每行掃描的像素點個數(shù)為320,光譜范圍為870～1766nm,光譜分辨率為2.8nm,光譜采樣間隔為3.5nm,采集得到256個波長下的圖像,最終得到一個大小為500×320×256的高光譜圖像數(shù)據(jù)塊,如圖1所示。從圖1中可以看出,高光譜圖像數(shù)據(jù)的特點為既有各個波長下的圖像信息,也有各個像素點對應的光譜信息。高光譜圖像數(shù)據(jù)的這一特性,為研究銀杏葉黃酮含量的葉面分布奠定了基礎[15]。

圖1 銀杏葉高光譜圖像數(shù)據(jù)塊Fig.1 Ginkgo leaf hyperspectral image data cube

1.3 高光譜圖像信號標定

由于傳感器中暗電流的存在以及光源強度在各波段下分布不均勻,需要對所獲得的樣本圖像進行黑白標定。在與樣本采集相同的系統(tǒng)條件下,首先掃描標準白色校正板(99%光照反射率)得到全白的標定圖像W;然后關閉攝像機的快門進行圖像采集得到全黑的標定圖像B;最后完成圖像的標定,使采集得到的絕對圖像I轉換成相對圖像R。標定過程如公式(1)所示:

式(1)

式中,R為標定后的高光譜圖像;I為原始的高光譜圖像;B為全黑的標定圖像;W為全白的標定圖像。

1.4 黃酮含量測定

銀杏葉中黃酮含量的測定與高光譜圖像采集同步,利用紫外分光光度計法測定高光譜圖像采集區(qū)域銀杏葉片的黃酮含量[16],用蘆丁作標準曲線,如公式(2)所示。黃酮含量用標準曲線得出的方程計算:

A=10.781C-0.023,R2=0.998

式(2)

式中；A-吸光度;C-黃酮含量(mg/g)。

2 結果與討論

2.1 銀杏葉黃酮含量檢測結果

將120個樣本分為校正集和預測集,為了避免子集選擇的偏移,根據(jù)每個樣本的黃酮含量值來進行分類。按照校正集和預測集3∶1的比例、每4個樣本中的3個隨機分入校正集,因此校正集包含90個樣本,預測集包含30個樣本,如表1所示。

表1 銀杏葉黃酮含量理化檢測結果統(tǒng)計表Table1 Statistics of total flavonoids content measurement by the standard destructive method of fresh ginkgo leaves

2.2 銀杏葉光譜信息提取及預處理

在葉片的中心部位選取50×50像素作為感興趣區(qū)域(Region of interest,ROI),如圖2所示;針對120片銀杏葉高光譜圖像,逐一計算ROI內所有像素點在各個波段下的平均光譜響應值,得到每片銀杏葉對應的光譜數(shù)據(jù);采用SNV方法對提取到的光譜數(shù)據(jù)進行預處理,減低基線漂移、隨機噪聲等干擾信號對建模的影響,如圖3所示。

圖2 銀杏葉片中定義的感興趣區(qū)域Fig.2 Definition of ROI in Ginkgo leaf

圖3 經(jīng)SNV預處理后的光譜曲線Fig.3 Spectra of fresh gingko leaves processed by SNV method

2.3 黃酮含量校正模型的建立

首先采用主成分分析方法(PCA)對提取到的光譜信息進行特征提取,得到光譜信息對應的前10個主成分信息(PC1,PC2,……,PC10,總體方差貢獻率為99.54%);然后以校正集光譜數(shù)據(jù)的主成分信息作為自變量,以校正集銀杏葉黃酮含量值作為因變量,采用逐步線性回歸法篩選與黃酮含量密切相關的主成分變量,得到回歸模型如公式(3)所示;

Y=14.149+0.002PC1-0.007PC2+0.022PC4

式(3)

最后將校正集光譜數(shù)據(jù)的主成分信息作為自變量,代入公式(3)計算校正集銀杏葉的黃酮含量值,并將計算結果與理化分析得到的黃酮含量值進行對比,得校正集對應的相關系數(shù)r為0.9219、均方根誤差RMSE為3.1532;將預測集光譜數(shù)據(jù)的主成分信息作為自變量,代入公式(3)計算預測集銀杏葉的黃酮含量值,并將計算結果與理化分析得到的黃酮含量值進行對比,得相關系數(shù)r為0.9051、均方根誤差RMSE為3.5110,表明建立的逐步線性回歸模型對黃酮含量具有較準確的預測能力。

2.4 黃酮含量葉面分布檢測

對待測銀杏葉片,檢測其中黃酮含量分布的過程為:根據(jù)2.1所用的高光譜圖像采集方法,獲取銀杏葉片的高光譜圖像數(shù)據(jù);提取銀杏葉高光譜圖像數(shù)據(jù)塊中每一個像素點對應的光譜信息,并按照2.2對光譜信息進行預處理;對預處理后的光譜信息進行PCA分析,得到光譜信息對應的第1主成分PC1、第二主成分PC2和第四主成分PC4;將每條光譜對應的PC1、PC2和PC4代入2.3中建立的黃酮含量校正模型即公式(3),計算得到每個像素點對應的黃酮含量,從而得到黃酮含量的在整個銀杏葉面上的分布圖,如圖4所示。

圖4給出了銀杏葉片不同區(qū)域的黃酮含量,克服了常規(guī)理化分析和近紅外光譜法僅能檢測采樣區(qū)域內黃酮含量的不足,表明高光譜圖像在檢測葉片組分葉面分布方面的獨特優(yōu)勢。此外,圖4還給出了黃酮含量在銀杏葉不同區(qū)域的分布情況,即黃酮含量高的區(qū)域主要集中在葉片的邊緣區(qū)域,而黃酮含量低的區(qū)域主要集中在葉柄附近。

圖4 銀杏葉黃酮含量的葉面分布圖Fig.4 Total flavonoids content distribution map

3 結論

研究首先采集銀杏葉在900～1700nm波段下的高光譜圖像信息,提取高光譜圖像中的光譜信息后,通過逐步線性回歸方法建立了銀杏葉高光譜圖像信號與黃酮含量的對應關系,得到銀杏葉黃酮校正模型對應的相關系數(shù)為0.9219。隨后逐個像素點提取待測銀杏葉高光譜圖像的光譜信息,并代入到已建立的黃酮含量校正模型中,計算得到每個像素點處的黃酮含量,從而得到黃酮含量在整個銀杏葉面上的分布圖。研究表明近紅外光譜圖像技術可快速檢測銀杏葉中黃酮的葉面分布,研究為揭示有機組分在食品中的分布規(guī)律提供了技術手段。

[1]王飛娟. 銀杏葉中黃酮類化合物的研究進展[J]. 西北藥學雜志,2010,25(2):155-156.

[2]陳凡,李奕雅. 銀杏葉提取物的HPLC2DAD指紋圖譜研究[J]. 海峽藥學,2010,22(5):38-40.

[3]苑可武,孟憲惠,徐文豪. 銀杏葉中黃酮含量的季節(jié)性變化[J]. 中草藥,1997,28(4):211-212.

[4]周統(tǒng)建,曹福亮,汪貴斌,等. 銀杏樹中黃酮類化合物分布規(guī)律研究[J]. 林產(chǎn)化學與工業(yè),2009,29(6):78-80.

[5]李艷麗,黃強,班春蘭,等. 分光光度法測定銀杏葉提取液中總黃酮含量[J].河南化工,2006,23(1):35.

[6]何書美,劉靜蘭. 茶葉中總黃酮含量測定方法的研究[J]. 分析化學研究簡報,2007,35(9):1365-1368.

[7]Cook N C,Samman S. Flavonoids--Chemistry,metabolism,cardioprotective effects,and dietary sources[J]. Journal of Nutritional Biochemistry,1996,7(2):66-76.

[8]Peterson J,Dwyer J. Flavonoids:Dietary occurrence and biochemical activity[J]. Nutrition Research,1998,18(12):1995-2018.

[9]孫炳新,匡立學,徐方旭,等. 蘋果有效酸度的近紅外無損檢測研究[J]. 食品工業(yè)科技,2013,34(15):298-301.

[10]李東華,紀淑娟. 南果梨果實硬度近紅外無損檢測模型的建立[J]. 食品工業(yè)科技,2012,33(15):312-314.

[11]陽梅芳,曾新安,楊星. 沙田柚中不同部位黃酮類物質的分布及含量探討[J]. 食品工業(yè)科技,2013,34(1):89-91,96.

[12]王靜霞,黃艷菲,趙小燕,等. 蕎麥和商品苦蕎茶中總黃酮的含量測定[J]. 食品工業(yè)科技,2013,34(2):58-60.

[13]Del Fiore A,Reverberi M,Ricelli A,et al. Early detection of toxigenic fungi on maize by hyperspectral imaging analysis[J]. International Journal of Food Microbiology,2010,144(1):64-71.

[14]Thumm A,Riddell M,Nanayakkara B,et al. Near infrared hyperspectral imaging applied to mapping chemical composition in wood samples[J].Journal of Near Infrared Spectroscopy,2010,18(5):507-515.

[15]石吉勇,鄒小波,趙杰文,等. 高光譜圖像技術檢測黃瓜葉片的葉綠素葉面分布[J]. 分析化學,2011,39(2):243-247.

[16]鄒小波,黃曉瑋,石吉勇,等. 銀杏葉總黃酮含量近紅外光譜檢測的特征譜區(qū)篩選[J]. 農(nóng)業(yè)機械學報,2012,43(9):155-159.

Determination of total flavonoid content distribution
on ginkgo biloba leaf

LI Fang1,SHI Ji-yong2,ZHANG De-tao2,CHEN Zheng-wei2

(1.Department of Hygienic Investigation,School of Medicine,Jiangsu University,Zhenjiang 212013,China;2.Department of Food Science,School of Food and Biological Engineering,Jiangsu University,Zhenjiang 212013,China)

The feasibility of using hyperspectral imaging at near infrared wavelength range(900～1700nm)for determination of total flavonoid content distribution on ginkgo biloba leaves was investigated. 120 fresh ginkgo leaves were collected as research samples. After hyperspectral image acquisition and pre-processing,standard destructive method was used to determine the content of total flavonoid content. The average spectra obtained from the region of interest(ROI)in ginkgo leaf images were used for model development. Principal component analysis(PCA)was performed on the average spectrum,multi-linear regression(MLR)was used to build calibration models relating the spectra and total flavonoid content(r=0.9219). The calibration model was used to predict the total flavonoid content of each pixel in the hyperspectral image. This enables construction of a distribution map of total flavonoid content on the ginkgo leave image. The results indicated that hyperspectral imaging could offer an effective method for flavonoid concentration analysis.

flavonoids;ginkgo leaf;distribution;hyperspectral imaging

2014-08-06

李芳(1985-),女,博士,講師，研究方向:衛(wèi)生理化檢驗分析。

國家自然科學基金(81302459);江蘇省自然科學基金(BK20130505);中國博士后科學基金(2013M540424);江蘇大學高級專業(yè)人才科研啟動基金項目(13JDG024)。

TS201.1

A

:1002-0306(2015)09-0270-03

10.13386/j.issn1002-0306.2015.09.050