通过表面增强拉曼光谱和深度学习的等离子体人工检验器用于中草药

为什么辨别草药需要高科技帮手

中草药在全球用于从癌症到帕金森等多种疾病，但许多干燥的根、树皮和种子外观极为相似。目前，受过训练的检验人员主要依靠视觉、嗅觉和味觉来分辨真品与无害的相似物或危险的替代品。这种方法速度慢、主观性强，且难以扩展到市面上数百种草药产品。本文介绍了一种新的“人工检验器”，能够在几秒内读取草药的化学指纹，并通过深度学习软件判断植物种类。

从人体感官到化学指纹

传统的草药检验称为感官鉴别，依赖人的感官来判断颜色、形状和香气等特征。仅在韩国就有超过500种官方草药类别，连专家也可能不堪重负，近缘物种或长得相似的药材很容易混淆。薄层色谱和质谱等实验室技术可以更客观地鉴定成分分子，但它们通常耗时、需要复杂的前处理，难以常规应用于大量样品。需要的是一种快速、对化学成分高度选择且足够简单的工具，以补充检验台上的专家工作。

一种快速的草药化学光学检测

研究人员转向表面增强拉曼光谱（SERS），这是一种基于激光的方法，可测量化学键的微小振动。当草药提取液置于特殊结构的金属表面并照射时，会产生一个光谱——一系列峰值，如同样品中分子的指纹。为从复杂的草药混合物中获得强且可靠的信号，团队先将活性化合物用甲醇提取，然后使用一片镀金的纳米线“森林”，将光集中到纳米尺度的热点。将若干草药的光谱与其已知成分的光谱比较，发现许多峰值一致，证实SERS捕获的是真实的化学特征而非随机噪声。

教神经网络读光谱

尽管每条SERS光谱信息丰富，但要从成千上万条带有轻微噪声的曲线中人工挑出模式极为困难。作者因此将光谱输入到基于一维残差神经网络的深度学习模型中，这类架构常用于图像识别。他们收集了约37万条来自35种草药的光谱，并通过加噪声、移动峰位和改变基线等方式对其进行人工变换，以训练模型应对现实测量中的不完美。草药被分为三种难度等级：外观明显不同、外观相似但来自不同植物类群，以及外观和属均相似的情况。

即便是相似草药也能高精度识别

对于最容易的一组八种外观明显不同的草药，人工检验器在测试中大约99.5%的情况下能正确识别物种，即便相同草药来自网络此前未见过的产地或在不同的拉曼仪器上测量。更具挑战性的情况包括29种草药，分布在视觉上几乎无法区分的混淆子集中。此时系统仍实现了大约96%到97%的总体准确率。有趣的是，来自同一植物属的草药——按理化学应非常相似——往往比一些无关但外观相似的草药分类更准确。这表明该方法能检测到外观难以察觉但稳定的化学差异。

迈向更智能的天然药物安全检测

作者设想他们的SERS—深度学习系统不是取代人工检验员，而是作为伙伴，快速用客观化学数据交叉核验视觉判断。由于单个光谱可在几秒内采集且训练好的模型运行迅速，该方法可扩展到更大规模的草药目录，并可与成像或色谱等其他技术结合，构建丰富的多模态数据库。简而言之，研究表明：对一滴草药提取液照射激光并让神经网络读取得到的化学指纹，就能高度可信地判断草药种类——有助于让传统药物对消费者更安全、标签更可靠。

引用: Kim, H., Lee, J., Kim, S.W. et al. Plasmonic artificial inspector for herbal medicines via surface-enhanced Raman spectroscopy and deep learning. Sci Rep 16, 7425 (2026). https://doi.org/10.1038/s41598-026-38497-5

关键词: 中草药, 拉曼光谱, 深度学习, 质量控制, 化学指纹