目前中藥材品質檢測的方法主要分為有損檢測和無損檢測兩類。有損檢測即常規檢測方法，包括氣相色譜法、高效液相色譜法、高效液相色譜-質譜聯用法等，這些方法可以對中藥材品質進行檢測，但是檢測的周期長，成本高，并且對中藥材具有破壞性，不適合現場的快速檢測。無損檢測包括X射線技術、計算機視覺技術、核磁共振技術、近紅外光譜技術、高光譜成像技術、太赫茲光譜技術等。
X射線技術
X射線技術已廣泛應用于中藥材的質量檢測，其不但可以實現中藥材品質的定性分析，還可以實現定量分析。如Ye等采用同步輻射X射線同軸相襯顯微層析法探究野山參的特征結構，從而獲得了野山參草酸鈣簇晶的三維顯微結構、體積大小等定量信息。
中藥材微量元素的量化分析有助于處方計量的確定和給藥時間標準的制定。Prasad等采用粒子誘導 X 射線發射(PIXE)技術實現了對具抗糖尿病活性的藥用植物進行微量元素量化分析。
X射線技術的檢測速度較快，可實現中藥材的內部可視化分析，但是X射線設備較為昂貴，還會對人體產生輻射。
計算機視覺技術
計算機視覺技術是通過獲取中藥材的顯微紋理、形狀、顏色等特征來實現中藥材品質檢測。
牛膝和川牛膝兩種近緣中藥材組織形態較為相近，傳統主要依據性狀和顯微鑒別法進行鑒別。王耐等將中藥材樣品性狀和維管束組織特征參數輸入反向傳播神經網絡(BPNN)模型進行模式識別，平均識別率達到100%。顏色也是中藥材質量標準中的重要內容，傳統的中藥材顏色檢測大多依靠人的感官來進行評估，但是由于受到人為、環境等因素的影響，感官評價的結果往往不客觀且重現性差。楊添鈞研究采用自制的數碼攝像箱對枸杞子等14種中藥材進行圖像采集，選取中藥“五色”顏色特征值輸入判別因子分析(DFA)判別模型，所有中藥材的判別正確率分布在73.33%～100%之間，可實現對中藥材的數字化區分，具有一定的推廣價值。藏紅花在舒筋活絡、保護心腦血管等方面具有一定的療效，其價格比較昂貴，對其進行品質分級非常重要。Kiani等提出了一種基于計算機視覺技術的藏紅花表征方法：藏紅花顏色與其產地位置、某些化學屬性之間存在著一定的相關性，通過采用圖像處理技術和多變量數據分析可實現對藏紅花的品質和新鮮度的預測。此后，Kiani等又研究采用計算機視覺技術結合電子鼻(E-nose)對藏紅花進行摻假鑒別，提取每個樣品的顏色和香氣特征變量，采用支持向量機(SVM)和主成分分析(PCA)對藏紅花識別，成功率分別為89%和100%。
核磁共振技術不僅可以對中藥材進行全成分指紋圖譜研究，還可以進行中藥材成分含量測定，是評價中藥材品質的有力手段。
狹葉紅景天和長鞭紅景天都是藏藥，但是它們的藥效成分等方面差異較大，如果混用會影響紅景天臨床用藥的安全性。李濤等采用1H-NMR技術采集長鞭紅景天和狹葉紅景天中藥材信息，采用化學模式識別中的層序聚類分析(HCA)、主成分分析(PCA)、偏最小二乘法-判別分析(PLS-DA)、正交的偏最小二乘法-判別分析(OPLS-DA)進行識別，結果表明OPLS-DA識別效果最佳。番荔枝科植物中含有的番荔枝內酯具有抗癌作用，Machado等研究采用定量核磁共振(q NMR)對其進行了定量檢測分析，結果表明該方法檢測速度快，并且可以同時檢測多種分析物。Frédérich等采用1H-NMR技術對馬錢子種子和莖中的番木鱉堿和馬錢子堿進行定量分析，該方法可以在不需要參考生物堿校準曲線的情況下對番木鱉堿和馬錢子堿實現快速、準確的區分。銀杏內酯化合物屬于萜類化合物，白果內酯、銀杏內酯A、銀杏內酯B、銀杏內酯C的差別在于含有的羥基數目和羥基連接的位置不同。采用1H-NMR技術對銀杏葉和沒有經過色譜凈化的6種銀杏產品中4種銀杏內酯類化合物進行定量分析，結果在5分鐘內即可檢測出各種內酯的含量。
近年來，近紅外光譜(NIRS)在制藥工業中獲得了廣泛的認可，包括原料測試、產品質量控制和過程監控等。NIRS技術也可應用于中藥材真偽鑒別、產地分析等。
余馳等采用NIRS技術結合OPUS軟件建立了厚樸中藥材鑒別模型，將光譜經過一階導數和矢量歸一處理之后，輸入標準算法和因子化法所建立的模型，結果表明正品和偽品厚樸判別準確率都達到100%。何首烏與同科同屬的偽品冀蓼、毛脈蓼外形類似導致難以區分，與混淆品白首烏也經常發生混用現象。韓瑩等采集何首烏和制首烏樣品以及其偽品白首烏、冀蓼、毛脈蓼的近紅外光譜信息，采用矢量歸一化方法進行預處理，最后將數據輸入OPUS軟件建立的何首烏定性判別模型和一致性檢驗模型，結果表明所建模型能夠有效對何首烏真偽進行鑒別。不同產地的雪蓮花由于其受到地理因素等方面的影響，其有效成分的含量也不盡相同。趙杰文等對來自4個不同產地的雪蓮花樣本采集近紅外光譜信息，采用正態變量變換(SNV)、多元散射校正(MSC)、一階導數和二階導數對光譜數據進行預處理，最后將數據輸入K-最近鄰域(KNN)模型中，結果表明SNV+KNN方法對雪蓮花的產地的交叉驗證識別率為100%，預測準確率為100%。丹參與紫丹參雖然具有類似植物形態和生物活性，但臨床上不能相互替代使用。Ni等采用NIRS技術實現了對丹參和紫丹參的鑒別，并且發現兩種中藥不僅在近紅外光譜上存在差異，在親脂性成分的種類和數量上也存在差異。針對單一中藥材進行鑒別和分析相對來說比較容易，然而很多情況下所針對的研究對象是中藥材的混合物，傳統的“先分離后分析”的方法在實際應用中具有局限性。彭惜媛采用NIRS技術采集12種種子類中藥材的光譜信息，分析各中藥材譜圖的出峰位置、數量和強度，找出每種中藥材間具有的共性以及差異性，實現了對中藥材混合物進行鑒別。近紅外光譜技術也能夠實現對中藥材的定量分析。Ali等采集側柏和辣木莖、葉的近紅外光譜信息，采用SNV和一階導數方法對光譜數據進行預處理，然后輸入PLS模型預測總多酚含量(TPC)，結果表明辣木葉片中TPC含量最高，側柏莖中TPC含量最低，該結果與folin-ciocalteu試劑法基本一致。另外，近紅外光譜技術也能夠實現對中草藥提取過程(HEP)的有效監控。由于受到批次和質量的波動性的影響，HEP很難得到有效監控。Suo等收集大量HEP的光譜和質量數據信息，所有光譜信息經過MSC和信息變量選擇后輸入偏最小二乘回歸(PLS)模型中，并且與先驗知識相結合，最終實現了HEP在線監測。
高光譜成像技術在醫藥和生物領域得到了廣泛的應用，它可以對選定波長的樣品進行成像，能夠準確反映出所測樣品的物理和化學信息，采用高光譜成像技術可以實現對中藥材的鑒別和有效活性成分含量的無損檢測。
Shikanga等采用數據校正技術對高光譜數據進行預處理，采用PLS-DA模型可準確地對Sceletium tortuosum和Sceletium crassicaule進行分類，準確率大于94%。Tankeu等采用高光譜技術結合PLS-DA方法對廣防己與粉防己進行鑒別，準確度達到99%，并且可以檢測大于10%的摻假情況。Djokam等采用高光譜成像技術采集4種不同草藥茶及其不同比例混合物的高光譜圖像信息，先將三維光譜數據降維到二維數據，然后采用 MSC、SNV 和 SG ( Savitsky-Golay ) 卷積平滑法進行數據預處理，采用PCA進行數據提取，最終以PLS-DA模型成功檢測了每一種混合物的成分并精確地測定了混合比例。Vermaak等采集八角茴香和日本莽草的高光譜圖像信息，采用PCA對高光譜圖像進行降維處理，采用PLS-DA模型對兩種中藥材進行鑒別，該模型對八角茴香的預測準確率為97.85%，對日本莽草預測準確率為98.42%。高光譜成像技術不但能夠實現中藥材品質的定性分析，也可以實現定量分析。銀杏葉中主要的活性成分是總黃酮，張德濤采用高光譜圖像技術實現了銀杏葉總黃酮的定量分析，并實現了黃酮含量在葉片中分布的可視化，為銀杏葉黃酮含量的無損檢測提供了依據。枇杷葉富含三萜酸類化合物，具有抗癌、抗腫瘤等多種生物活性。鄒小波等首先將提取的枇杷葉高光譜數據進行SNV預處理，然后采用聯合區間偏最小二乘法(si PLS)進行預測，實現了對枇杷葉中三萜酸的快速測定。
太赫茲光譜技術可通過探測分子內振動和轉動能級等參數，有效鑒別結構和功能相似的物質。由于光子能量低，其不會破壞檢測物質的成分。
Zhang等采用太赫茲波光譜對3種易混淆中藥材(白英、龍葵、尋骨風)進行鑒別，在0.2～1.2 THz范圍內獲得光譜信息，采用PCA進行數據降維，分別應用SVM、決策樹(DT)和隨機森林(RF)分類算法對中藥材進行鑒別，結果表明PCA-RF法預測效果最佳，準確率達到99%。楊玉平等采用太赫茲光譜技術采集藏紅花和天然牛黃及其偽品的光譜數據，將光譜數據經過SG平滑預處理，利用PCA提取前兩個主成分的得分值作為特征數據，然后將特征數據通過Fisher診斷線進行判別分析，結果藏紅花和草紅花分類鑒別準確率均為100%，人工牛黃和天然牛黃的分類鑒別準確率分別為100%和90%。中藥材染色劑可用以改善中藥材的外觀來提高消費者的購買意愿，但同時這些中藥材染色劑對人們的健康和安全也構成潛在的威脅。金胺O是一種已被證實可致癌的黃色染色劑，而太赫茲波光譜技術對其定量分析提供了一種快速、有效的檢測方法。Zhang等采用太赫茲波光譜技術獲取蒲黃與金胺O粉末不同混合比例的光譜數據，然后利用2DCOS-PLSR模型來預測金胺O含量，結果表明該方法可快速、有效地測定金胺O的含量。
拉曼光譜學是研究物質分子的振動和轉動狀態的方法，通過測量拉曼散射光中特定譜成分的相對強弱，可獲得被測分子或體系的相關信息，實現中藥材的產地、摻偽、染色等方面的鑒別。
如人參皂苷含量因人參產地的不同，在構象和濃度上存在差異而表現出獨特的光譜特征，借由這些特征的存在或缺失可以標定人參產地。北沙參、峨參和桔梗3種中藥材的外觀相似，易混淆，萬秋娥等采用拉曼光譜技術對其進行鑒別，發現北沙參在 2206cm-1處出現拉曼特征峰;峨參在1050 cm-1和1869 cm-1處出現拉曼特征峰;桔梗在600 cm-1和 691 cm-1、1227 cm-1處出現拉曼特征峰，通過特征峰可對3種中藥材進行鑒別。張國慶等采用紙基-表面增強拉曼光譜法(SERS)對染色南五味子進行快速鑒別。研究結果表明，通過比較染色前后SERS信號的變化就可將低濃度酸性紅和赤蘚紅染色的南五味子成功鑒別。另外，拉曼光譜技術也能夠實現中藥材的定量分析。如王清蓉等采用拉曼光譜法對丹參根鮮樣的不同植物組織進行原位檢測，探明了丹參酮類成分在丹參根中的分布情況，并發現丹參酮類成分的分布與周皮細胞顏色分布之間呈正相關性。
近年來中藥材無損檢測技術得到了廣泛的應用，而每一種無損檢測技術都有其優勢和劣勢，技術的選擇需要以中藥材的品種、性狀等參數為基準;選用不同的技術也會對檢測的效果產生一定的影響。
無損檢測技術在中藥材品質檢測領域的發展亦存在一些不足之處，今后可從以下4個方面進一步發展完善：
(1) 與深度學習融合。建立中藥材品質檢測數據庫，采用深度學習算法對中藥材品質檢測大數據進行處理，以此使中藥材品質檢測更加智能、準確。
(2) 模型可移植。現今的無損檢測模型基本上不具有普適性，導致開發成本過高，未來可向普適或者局部普適模型方向發展。
(3) 中藥材完整性。目前采用無損檢測技術對中藥材品質進行檢測時，大多數的研究都將中藥材樣本進行粉碎，此種方式嚴格來說不屬于無損檢測，更不利于中藥材品質檢測的便捷性。隨著技術的發展，將可能向不粉碎樣品的真無損檢測方向發展，實現中藥材品質的大規模、快速、無損檢測。
(4) 經濟適用性。現今無損檢測設備價格較高，不具有大規模推廣意義，未來可向實時、低成本和高效率檢測設備發展。
