Identification des années de croissance pour Puerariae Thomsonii Radix sur la base d'une technologie d'imagerie hyperspectrale et d'un algorithme d'apprentissage profond

Rapports scientifiques volume 13, Numéro d'article : 14286 (2023) Citer cet article

Détails des métriques

Puerariae Thomsonii Radix (PTR) est non seulement largement utilisée dans la prévention et le traitement des maladies, mais constitue également une matière première importante en tant que source d'amidon et d'autres aliments. Les années de croissance du PTR sont étroitement liées à sa qualité. L’identification rapide et non destructive de l’année de croissance est essentielle pour le contrôle qualité du PTR et d’autres médicaments traditionnels chinois. Dans cette étude, nous avons proposé un cadre de classification basé sur un réseau neuronal convolutif (CNN) en conjonction avec la technologie d'imagerie hyperspectrale (HSI) pour l'identification rapide des années de croissance des PTR. Les méthodes de traitement traditionnelles (c.-à-d. correction de diffusion multiplicative, variable normale standard et lissage Savitzky-Golay) combinées à des algorithmes d'apprentissage automatique (c.-à-d. forêt aléatoire, régression logistique, Bayes naïf et eXtreme gradient boost) ont été utilisées comme modèles de base. Parmi eux, le score F1 des modèles basés sur CNN basés sur les surfaces extérieures des PTR était supérieur à 90 %, surpassant tous les autres modèles de base. Ces résultats ont montré qu’il était possible d’utiliser un algorithme d’apprentissage profond en conjonction avec la technologie HSI pour identifier les années de croissance du PTR. Cette méthode constitue une méthode rapide, non destructive et simple pour identifier les années de croissance du PTR. Il peut être facilement appliqué à d’autres scénarios, comme pour l’identification de la localité ou des années de croissance pour d’autres herbes traditionnelles chinoises.

Pueraria Thomsonii Benth (PTB) est un type de vigne vivace, sa racine est incluse dans la pharmacopée chinoise qui est nommée Puerariae Thomsonii Radix (PTR). Les PTR sont enrichis d’une variété de composants chimiques tels que les isoflavones, les terpénoïdes et les coumarines. Les PTR sont utilisés depuis longtemps comme type de médecine traditionnelle chinoise. Ils ont un effet thérapeutique apparent et il a été démontré qu'ils améliorent les maladies cardiovasculaires, les propriétés anti-inflammatoires et analgésiques, ont un effet antidiabétique, réduisent les effets de l'alcool, protègent le foie, éclaircissent la peau, agrandissent les seins1,2,3,4, 5,6. Ils constituent également un type d’aliment sain et célèbre en Chine et en Asie du Sud-Est. Les PTR ont une valeur économique élevée et une demande du marché élevée.

Selon la pharmacopée chinoise, la teneur en puérarine (C21H20O9) affecte la qualité et la valeur médicinale du PTR. Plus la teneur en puérarine d’un PTR est élevée, plus la qualité du PTR est élevée. Les PTR avec différents âges de croissance varient en termes de teneur en puerarine. La teneur en puérarine du PTR est directement liée au nombre d’années de croissance. Xiong et al.7 ont découvert que le PTB âgé d’un an présente un faible taux de puerarine, bien inférieur aux normes de la pharmacopée, ce qui signifie qu’il ne peut être utilisé que comme aliment ou comme matière première. En revanche, le PTB âgé de deux ans ou plus atteint généralement le niveau de teneur standard en puerarine et peut être utilisé en médecine traditionnelle chinoise. Ces résultats indiquent l'importance d'identifier les années de croissance des PTR, car les années de croissance sont directement liées à la qualité et à la valeur économique et médicinale des PTR.

L’année de croissance du PTR est généralement identifiée selon une expérience objective ou à l’aide de tests physiques et chimiques. Cependant, les PTR ayant des âges de croissance différents ont des apparences similaires ; ainsi, il est difficile de distinguer leurs caractéristiques et leurs couleurs sur la base d’un jugement objectif. Dans le passé, l’identification chimique du PTR était principalement réalisée par chromatographie liquide haute performance (HPLC)8,9, une méthode longue, laborieuse, coûteuse et destructrice. Par conséquent, il semble que les deux méthodes mentionnées ci-dessus ne peuvent pas être utilisées pour identifier les années de croissance des PTR avec une grande précision et efficacité et ne peuvent pas satisfaire les besoins de la production industrielle.

Par rapport à la technologie spectrale traditionnelle, la technologie d’imagerie hyperspectrale (HSI) peut être utilisée pour collecter simultanément des informations sur l’image de surface et des informations spectrales à partir d’un échantillon testé. De nombreux chercheurs ont utilisé le HSI pour identifier les années de croissance et contrôler la qualité des médecines traditionnelles chinoises. Au cours des dernières années, la précision de l'identification des années de croissance pour Glycyrrhizae Radix et Rhizoma10, Ophiopogonis Radix11, Ziziphi Spinosae Semen12 et Atractylodis Rhizoma13 a atteint respectivement 97,53 %, 99,1 %, 99,14 % et 97,3 %. Zheng et al.14 ont exploré l'authentification du sperme d'Armenicae Amarum et du sperme de Persicae sur la base de la technologie HSI. Sur la base de l'analyse comparative de plusieurs méthodes de pré-traitement et modèles d'identification différents, les chercheurs ont découvert que le modèle de pré-traitement de la dérivée seconde et l'analyse discriminante des moindres carrés partiels constituaient la meilleure combinaison de modèles. La précision de la classification a atteint 100 %. Cheng et al.15 ont examiné 20 longueurs d'onde caractéristiques à l'aide de l'algorithme de projections successives et ont établi plusieurs modèles pour identifier l'origine de l'encens. Les résultats ont montré que la précision du machine d’apprentissage extrême et de l’analyse discriminante linéaire était de 100 %. À notre connaissance, aucun rapport ne s’est concentré sur l’application de la technologie HSI dans l’identification des années de croissance du PTR. Les méthodes d'apprentissage profond telles que les réseaux de neurones conventionnels (CNN) ont été largement utilisées dans de nombreux domaines, tels que la classification d'images16, la prédiction de contenu17, etc., démontrant des performances élevées et une bonne généralisation. Dans cette étude, nous avons proposé un cadre de classification basé sur CNN pour identifier les années de croissance des PTR sur la base d'images hyperspectrales. Ici, les méthodes de traitement traditionnelles (c'est-à-dire la correction de diffusion multiplicative (MSC), la variable normale standard (SNV) et le lissage Savitzky – Golay (SG)) en conjonction avec plusieurs modèles d'apprentissage automatique de pointe ont été utilisées comme méthodes de base. démontrer l’efficacité et la supériorité de la méthode proposée.