Академический Документы
Профессиональный Документы
Культура Документы
Resumen
Introducción
El ruibarbo, una antigua y una de las hierbas medicinales chinas más conocidas, ha sido
reconocida durante siglos en la medicina tradicional por sus propiedades
farmacológicas, incluido su purgante [12] , la protección nefrica [13] , [14] , la
protección del hígado [15] , Propiedades antimicrobianas y hemostáticas [16] . Los
principales componentes farmacológicos en el ruibarbo son cinco hidroxianraquinonas
(HAQ): aloeemodina, rina, emodina, crisofanol y fisio, que también son marcadores de
control de calidad en la farmacopea china [17]. La calidad del ruibarbo se correlaciona
directamente con el contenido de los cinco HAQ. Los ruibarbo de diferentes grados
generalmente exhiben diferentes colores, tales como rojo oscuro, marrón amarillo o
amarillo. Según la evaluación sensorial tradicional, los ruibarbo de buena calidad
suelen ser de color amarillo brillante y los de mala calidad suelen ser de color amarillo
oscuro o marrón. La objetividad y reproducibilidad de la evaluación sensorial para el
ruibarbo se han demostrado utilizando el método Delphi [9] . En este estudio, el
ruibarbo ha sido seleccionado como fármaco modelo por su color representativo en la
evaluación sensorial.
Materiales y métodos
Materiales
Treinta y cuatro lotes de ruibarbo fueron recolectados de varias fuentes en China ( Tabla
1 ). Todos los especímenes de vales se depositaron en el Instituto Militar de China de
Materia Médica China. Las muestras fueron identificadas por el profesor Xiao-He Xiao
como las raíces secas y los rizomas de Rheum palmatum L., Rheum
tanguticum Maxim. ex Balf. y Rheum offcinale Baill. Los reactivos químicos fueron de
calidad analítica y se obtuvieron de la Fábrica de Químicos de Beijing (Beijing, China).
Tabla 1. Valores RGB del color de la superficie, la superficie de la fractura y el
polvo con o sin desarrollo de color adicional.
Ética
Sistema de camara
Las imágenes se adquirieron utilizando un sistema de cámara equipado con una caja de
luz estándar, cámara, computadora, software ZoomBrowser EX, líneas de datos y
cámara digital (PowerShot G5 Pro 5.0 Megapixel, Canon Inc., Nagasaki, Japón). La
caja de luz estándar consiste en un marco de acero, una lámpara fluorescente
(LUMILUX, FH14W / 865HE, OSRAM Company, München, Alemania), un balasto y
un paño de protección.
Todas las muestras, con o sin coloración, se colocaron en la caja de luz estándar, y se
tomaron fotografías utilizando las condiciones de disparo optimizadas descritas
anteriormente. Algunas imágenes representativas se muestran en la Figura 3 . Todas las
imágenes fueron guardadas en el formato .jpg. Los valores RGB se extrajeron de las
imágenes utilizando el software de procesamiento de imágenes Photoshop CS4 (Adobe
Systems Inc., EE. UU.).
En este estudio se estableció una red neuronal de BP con una capa de entrada, una capa
oculta y una capa de salida. De acuerdo con los resultados experimentales, los valores
RGB se establecieron como tres de los parámetros de evaluación. En este experimento,
había siete nodos iniciales en la capa oculta, y el número de nodos se definió como 2N
+ 1, donde N es el número de nodos de la capa de entrada. En la capa de salida, se
designaron tres nodos para representar los tres grados de ruibarbo. La capa oculta y los
vectores de entrada estaban conectados, y la capa de salida y los vectores de entrada no
estaban conectados. Además, el conjunto de muestras de entrenamiento y los valores
deseados se normalizaron con Premnmxdesde la caja de herramientas de
Matlab. Finalmente, la red de BP se estableció utilizando el Newcf.La función y la
función de transferencia de las neuronas en cada capa fue tansig y purelin . La función
de formación en red fue trainParam . Después del entrenamiento, los estándares de
calificación se guardaron en la red y la red neuronal de BP pudo producir una
predicción. Aunque los grados de muestra determinados son números discretos (1, 2 o
3) en el proceso de capacitación, los valores predichos son números reales continuos. El
grado de una muestra ingresada podría designarse basándose en el valor predicho. Por
ejemplo, si el valor de salida está en el rango de (0.51–1.50], la muestra debe designarse
como el grado 1 ( Figura 4). Además, para los grados 2 y 3, los rangos se designan
como (1.51–2.50] y (2.51–3.50], respectivamente. En los resultados predichos por la
red de BP, algunos valores de salida no estuvieron en el rango de (0.51– 3.50]. Estas
cifras fueron consideradas predicciones incorrectas.
Debido a que el espacio de color RGB consta de tres dimensiones, es difícil utilizar la
información RGB para resumir la distribución de las muestras de ruibarbo en cada
grado de calidad. Para distinguir los umbrales inferior y superior para calificar
diferentes muestras de ruibarbo, los valores RGB se transformaron en el espacio de
color XYZ CIE1931, donde los valores se pueden normalizar y trazar en un diagrama
de cromaticidad bidimensional de CIE1931xy. Las fórmulas utilizadas para convertir
entre los espacios de color CIE XYZ y RGB están bien documentadas [18] , [19]. El
espacio de color CIE XYZ está diseñado deliberadamente para que el parámetro Y sea
una medida del brillo o la luminancia de un color. La cromaticidad de un color se
especifica a continuación mediante los parámetros derivados x e y, dos de los tres
valores normalizados que son funciones de los tres valores triestímulos X, Y y Z.
El espacio de color derivado especificado por xey puede representar todas las
cromaticidades visibles para la persona promedio dentro de un diagrama de
cromaticidad bidimensional, que es una herramienta ampliamente utilizada para
especificar colores [18] .
Para establecer la escala de color para la gradación colorimétrica, asumimos que las
muestras de ruibarbo de diferente calidad se distribuirían aleatoriamente en un círculo
centrado en los valores de color esperados (puntos O 1 , O 2 y O 3 , que se muestran en
la Figura 5a ) para las muestras. Estos valores suelen estar dentro del radio de la
distancia máxima desde el centro en el diagrama de cromaticidad. El centroide
(punto D ) del triángulo que consta de los puntos O 1 , O 2 y O 3 se puede asignar como
el punto de división que divide las muestras en los diferentes grados de calidad.
Resultados
Antes del análisis de BP-ANN, las muestras de ruibarbo se dividieron en tres grados
según el contenido total de los cinco HAQ ( T HAQ ) según las siguientes definiciones:
grado 1, T HAQ≥40.00 mg g −1 , grado 2, 25.00 < T HAQs <40.00 mg g −1 , y grado
3, T HAQs ≤25.00 mg · g −1( Tabla S1 ).
Cuantización del color en valores RGB para las muestras de ruibarbo
Las imágenes de una muestra se capturaron en la caja de luz estándar y bajo luz natural
en diferentes momentos (mañana, mediodía, tarde, noche) durante el día utilizando las
condiciones de disparo optimizadas descritas anteriormente. La Tabla 2 muestra las
desviaciones estándar relativas (RSD) de los canales R, G y B, que fueron 10.24%,
10.22% y 11.75%, respectivamente, cuando se dispara con luz natural en diferentes
puntos de tiempo. En contraste, el RSD para los valores R, G y B fue 0.94%, 1.13% y
1.81%, respectivamente, cuando se dispara en la caja de luz. Las condiciones de
iluminación proporcionadas por el lightbox permiten una buena reproducibilidad al
adquirir imágenes para obtener información sobre el color. En este estudio, adquirimos
diferentes colores de la hierba, incluida la superficie exterior, una superficie de fractura
y un polvo, con o sin coloración por un reactivo en desarrollo (Figura 3 ). Los valores
RGB de las 34 muestras de ruibarbo se muestran en la Tabla 1 . Los datos del color de
la superficie con la coloración no se enumeraron y se excluyeron de la investigación
porque los datos variaron mucho en diferentes zonas de la superficie de la hierba.
Discusión
Los resultados de ANN indican que existe una correlación positiva pero no lineal entre
la calidad del ruibarbo y su color. Sin embargo, la red neuronal sigue siendo un enfoque
basado en la máquina. Para facilitar la evaluación de la calidad del ruibarbo, intentamos
establecer una escala de clasificación colorimétrica para discriminar visualmente los
ruibarbo de calidad variable. Los límites de cada grado de calidad de ruibarbo se
calcularon de acuerdo con su distribución en el diagrama de cromaticidad ( Figura
5b ). Las diferencias entre los colores en el punto de división ( D ) y los colores de los
valores esperados calculados para cada grado se pueden distinguir a simple vista, lo que
permite el desarrollo de una escala de colores que se puede imprimir en una tarjeta y
usar para calificar ruibarbo en el campo [22]. Para uso generalizado, la escala de
gradación colorimétrica podría imprimirse en papel, similar a las tarjetas de color
profesionales, como las tarjetas de color Munsell, para minimizar la desviación entre
los colores teóricos y percibidos individualmente.
En resumen, los resultados de este estudio revelaron que los parámetros de color o color
(valores RGB) proporcionaron información importante para la clasificación de la
calidad de los MTC, como el ruibarbo. Sin embargo, los resultados variaron según el
lugar donde se tomó la muestra del color: en la superficie o la superficie de la fractura
del ruibarbo, y con o sin desarrollo de color. La red BP-ANN logró el mayor porcentaje
de predicciones correctas al analizar muestras en polvo que se procesaron
químicamente para expresar el color, lo que sugiere que los polvos pueden ser el mejor
tipo de muestra para la clasificación precisa del ruibarbo. Sobre la base de la
distribución de varias muestras de ruibarbo en el diagrama de cromaticidad, hemos
diseñado una escala de gradación colorimétrica para discriminar entre ruibarbo de
calidad variable. Al comparar el color de la muestra con la escala de gradación
colorimétrica de la tarjeta, similar a la determinación del pH con papel de tornasol, los
clientes sin experiencia en evaluación sensorial podrían evaluar rápidamente la calidad
del ruibarbo. Este trabajo ilustra la viabilidad técnica de la gradación basada en el color
de la calidad del ruibarbo y proporciona referencias útiles para la cuantificación y
estandarización del control de calidad basado en la evaluación sensorial para MTC,
alimentos y otros productos.