张慧杰张 璐 冯文豪桂新景林兆洲施钧瀚田亮玉王艳丽姚 静李学林刘瑞新*

（1.河南中医药大学，河南 郑州 450008；2.河南中医药大学第一附属医院，河南 郑州 450000；3.河南省中药饮片临床应用现代化工程研究中心，河南 郑州 450000；4.河南中医药大学呼吸疾病中医药防治省部共建协同创新中心，河南 郑州 450000；5.首都医科大学附属北京中医医院，北京 100010；6.北京市中药研究所，北京 100035）

川贝母为百合科植物川贝母Fritillaria cirrhosa D.Don、暗紫贝母Fritillaria unibracteata Hsiao et K.C.Hsia、甘肃贝母Fritillaria przewalskii Maxim.、梭砂贝母 Fritillaria delavayi Franch.、太白贝母Fritillaria taipaiensis P.Y.Li 或瓦布贝母Fritillaria unibracteata Hsiao et K.C.Hsiavar wabuensis（S.Y.Tang et S.C.Yue）Z.D.Liu，S.Wang et S.C.Chen的干燥鳞茎，按性状不同分别习称“松贝”“青贝”“炉贝”“栽培品”［1]，药用价值高，疗效显著，临床应用广泛［2]，市场需求量大［3-4]，但其价格昂贵，导致掺杂、掺伪现象严重。《中国药典》方法虽能准确、可靠地鉴别川贝母真伪，但条件复杂苛刻，且耗时较长，可及性差；人工鉴别主要依靠鉴别者丰富的经验，从形、色、气、味等方面综合评价，结合药材本身的特性给出鉴别结果，但对鉴别人员要求较高，主观性强、且难以量化和传承。因此，探索一种方法快速、精准地鉴别川贝母饮片真伪及规格就显得尤为重要。

电子舌又称味觉指纹图谱技术，是一种运用味觉指纹分析技术模拟人体味觉器官来分析和识别“味道”的新型多传感器检测系统，能够对味道做出准确而特异的识别［5]，已应用于食品检测［6-10]、中药鉴定［11-14]、不同味道区分［15-17]、不良味道掩盖及掩味效果评价［18-23]、炮制工艺评价［24-26]、味觉定性定量辨识。本研究采用电子舌技术提取川贝母味觉信息值，结合化学计量学建立辨识模式，探讨它用于中药饮片真伪及规格快速辨识的可行性。

1 材料

1.1 仪器 TS-5000Z 型电子舌（日本Insent 公司）；LC-20A 型高效液相色谱（日本岛津公司）；2000ES 型蒸发光散射检测器（美国奥泰公司）；BSA224S-CW/BCA2248-CW/CP225D 型电子天平（德国Sartorius 公司）；LCD-A200 型电子天平（福州华志科学仪器有限公司）；PHSJ-3F 型数字酸度计（上海仪电科学仪器股份有限公司）；YJA 型电动匀浆仪（台州市椒江五星机械仪器厂）；HK250型超声波清洗器（上海科导超声仪器有限公司）。

1.2 试剂与药物 平贝母对照药材（上海源叶生物科技有限公司，Y29A9H69015）。对照品贝母素甲（中国食品药品检定研究院，110750-201612，纯度≥96%）；贝母素乙（上海源叶生物科技有限公司，B20081-20 mg，纯度≥98%）；西贝母碱（中国食品药品检定研究院，110767-201710，纯度≥96%）。甲醇（烟台市双双化工有限公司，20180301）；乙腈为色谱级（德国Merck 公司）；二氯甲烷（天津市恒兴化学试剂制造有限公司，20170812）；二乙胺（天津市永大化学试剂有限公司，20121006）；乙酸乙酯（天津市永大化学试剂有限公司，20150324）；氨水（烟台市双双化工有限公司，20161101）；乙腈为色谱纯；其余为分析纯。川贝母购自郑州2 家中医院、医药公司和药材市场，具体信息见表1。

2 方法

2.1 辨识方法

2.1.1 传统经验辨识法（M1）主要依靠鉴别者既往经验结合本次收集的川贝母样本特征，从颜色、大小、形状、质地等方面进行评价给出鉴定结果。本实验聘请8 位中药鉴定领域的专家，在互相不干扰的情况下对编号后随机放置的80 批川贝母进行鉴别，最后以评价专家人数≥3/4 比例原则确定其真伪及商品规格。

2.1.3 电子舌辨识法（M3）采用TS-5000Z 型电子舌检测80 批川贝母的味觉信息。制备样品后各称量5 g 置匀浆仪中粉碎，加入100 mL 人工唾液，超声（37 ℃、50 kHz）处理5 min，滤过，检测程序设置为自动，参数设置参考文献［18，28]，最后提取有效味觉值建立辨识模型。

TS-5000Z 型电子舌共有4 根苦味传感器（C00、AN0、BT0、AE1），对应的味觉分别是“酸性苦味”“碱性苦味”“碱基盐类苦味”“涩味”；C00 和AE1传感器各输出2 种味觉信息，分别称作“先味”“回味”（先味即刚入口时的味觉感受，回味即漱口之后残存的味觉感受），而AN0 和BT0 传感器只能输出回味值，最终得到6 种味觉值。

2.2 真伪模型建立及优化 80 批川贝母的6 种电子舌味觉值作为自变量矩阵X，M1和M2相结合的结果作为分类标准Y（设置4 类为炉贝、松贝、青贝和平贝），利用MATLAB 工具箱分别建立80 个样本的DA、LS-SVM、PLS-DA、PCA-DA 真伪辨识模型，模型准确率以留一法交互验证的结果为准，参考文献［29] 构建。商品规格模型的建立及优化原理同上。

2.3 用时、准确率计算

2.3.1 用时 传统经验辨识的时间计算采用平均算法，药典检测的时间主要包括样本的前处理和检测时间，电子舌辨识时间包括样本的前处理时间、测试时间及带入模型的时间［29]。

2.3.2 准确率 M1、M3的准确率计算都以M2结果为标杆信息，前者为M1/M2，后者为M3/M2。

3 结果

3.1 辨识

3.旅游企业旅游风险预防管理。首先，旅游企业应做好旅游风险源的排查，进行评估和控制。在人员方面，旅游企业应重视对员工进行安全知识培训，提高员工应对各类型旅游风险的应对能力。在环境方面，提前对旅游环境进行分析评估，包括旅游环境、自然环境、社会环境、卫生环境等，并做出预案。其次，重视旅游保险。旅游企业应当加强与保险公司的沟通与合作，细分保险产品，根据赴菲游客的年龄、赴菲游路线、具体旅游项目以及游客风险接受偏好等要素进行设计。

3.1.1 传统经验 1～20 号为正品炉贝，21～22、25～40 号为正品松贝，41、44～60 号为正品青贝，61～78、80 号为平贝，23～24 号为伪品，42～43、79 号未判出。见表1。

3.1.2 药典 23～24、42～43、61～80 号外观性状不满足药典项下川贝母的描述；23～24、43 号中不含贝母素乙；61～80 号虽符合川贝母外观性状，但其薄层结果与平贝母对照药材相同位置显相同颜色的斑点，被认定为川贝母伪品；71、74、78 号不含螺纹导管，其余均满足《中国药典》 要求；80 个样本贝母素甲、贝母素乙、西贝母碱3 种生物碱总含量均在0～0.05%之间。见表1。

表1 样品信息及3 种辨识方法结果Tab.1 Information of samples and results of three identification methods

续表1

3.1.3 电子舌味觉值 80 批样品的6 个味觉值均可参与建模，最终电子舌味觉值为80×6 的数据矩阵，见图1。

图1 电子舌味觉值结果Fig.1 Results of taste value by e-tongue

3.2 真伪模型交互验证

3.2.1 DA 辨识 80 个样本有8 个被错误分类，分别是1、2、4、44、45 号正品被错分成伪品，24、79、80 号伪品被错分成正品，不存在未被模型分类的样本，模型准确率为90.00%。

3.2.2 LS-SVM 辨识结果 80 个样本中有8 个被错误分类，分别是1、4、42、45 号正品被分成伪品，23～24、67、79 号伪品被错分成正品，不存在未被模型分类的样本，模型准确率为90.00%。

3.2.3 PLS-DA 辨识结果 80 个样本中有8 个被错误分类，分别是1、2、4、44、46 号正品被错分成伪品，24、79～80 号伪品被错分成正品，不存在未被模型分类的样本，模型准确率为90.00%。

3.2.4 PCA-DA 辨识 80 个样本中有8 个被错误分类，分别是1、4、45 号正品被错分成伪品，23～24、79～80 号伪品被错分为正品，不存在未被模型分类的样本，模型准确率为91.25%。

3.3 商品规格模型的交互验证

3.3.1 DA 辨识 变量选择6 个，识别模式选择线性，模型分类结果见表2。

表2 6 个变量的DA 模型辨识结果Tab.2 Results of DA model identification for 6 variables

3.3.2 LS-SVM 辨识 变量选择6 个，函数选择径向基函数核，模型分类结果见表3。

表3 LS-SVM 模型辨识结果Tab.3 Results of LS-SVM model identification

3.3.3 PLS-DA 辨识 变量选择4 个，识别模式选择线性，模型分类结果结果见表4。

表4 4 个变量的PLS-DA 模型辨识结果Tab.4 Results of PLS-DA model identification for 4 variables

3.3.4 PCA-DA 辨识 结果见图2～3、表5，可知PCA-DA 为商品规格分类中的最优模型。识别模式选择线性，前4 个主成分累积贡献率达75%以上，可解释原变量大部分信息，故变量数选择4 个。

表5 4 个变量的PCA-DA 模型辨识结果Tab.5 Results of PCA-DA model identification for four variables

图2 PCA-DA 辨识结果Fig.2 Results of PCA-DA identification

3.4 用时及准确率的比较 电子舌辨识法真伪模型准确率与传统经验比较，无显著性差异（P ＞0.05），但规格辨识模型准确率较人工低（P ＜0.01）；电子舌辨识法虽不如传统经验辨识快（P＜0.01），但远较药典检测快（P＜0.01）。见图4。

图3 PCA-DA 辨识模型交互验证结果Fig.3 Results of PCA-DA identification model interactive verification

图4 M1、M2、M3 的耗时及准确率比较Fig.4 Comparison of time consumption and accuracy rates of M1，M2 and M3

4 讨论与结论

真伪辨识模型中有7 个样本被错误分类，分别是1、4、23～24、45、79～80 号；规格辨识模型中有18 个被分错样本，主要集中在1、4、6、11、22、28～29、38、4、45、54、61、80 号，以上样本同时被4 个模型分错，并被误分为同一类，可能本身特征不明显，属于易分错类；另一方面，真伪辨识准确率高达91.25%，表明电子舌技术有应用于川贝母真伪辨识的潜力。商品规格辨识模型准确率不够理想，可能有以下2 个原因：（1）炉贝、松贝和青贝虽在外观性状上存在差异，但都来源于百合科贝母属，味道极为相近，而电子舌又以尝“味”来进行区分，故容易混淆；（2）鉴别中药饮片真伪及商品规格，需要从形、色、气、味等特征进行综合评价，本研究仅用电子舌味觉值进行建模，信息量不够丰富。后期拟结合电子眼、电子鼻、电子舌等技术综合评价，构建多源融合辨识模型，判别结果有望更加精确。

真伪辨识模型的准确率从高到低，依次为PCA-DA＞PLS-DA=LS-SVM=DA，最终优选PCADA 模型用于川贝母的真伪辨识；商品规格辨识模型的准确率从高到低，依次为LS-SVM＞PCA-DA=DA＞PLS-DA，但因LS-SVM 存在未分类样本，最终以PCA-DA 模型对川贝母的商品规格进行辨识。

综上所述，电子舌辨识虽不如传统经验辨识快，但较药典检测时间显著缩短，真伪辨识模型准确率与传统人工经验鉴别无显著性差异，可为中药饮片的质量评价指明新方向，同时为构建其质量快速辨识的数据库提供理论基础。