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。

论文链接：

https://doi.org/10.34133/2022/9815143

——推荐阅读——

Estimating Photosynthetic Attributes from High-Throughput Canopy Hyperspectral Sensing in Sorghum

https://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

https://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