[发明专利]一种基于人工智能的中药识别方法

权利要求书

1.一种基于人工智能的中药识别方法，其特征在于包括以下步骤：

(1)供试品的制备：将中药粉末进行样品前处理，按照中药成分的分子量及化学极性的大小制备适应于各种色谱方法的样品；

(2)多维谱数据获取：通过对步骤(1)所述的样品进行分析获得中药多维谱数据，所述的中药多维谱数据包括时间点-信号值列表、色谱图、等吸收线图、质谱图中的几种；所述的中药多维谱数据包括时间点-信号值列表、色谱图、等吸收线图或质谱图进行重叠峰检测分离、基线校正预处理，然后挑选多维谱数据中的几种数据进行采样、归一化、数据增强预处理，并拼接合成为输入多维谱张量；

其中多维谱数据的挑选方法为：挑选反相液相色谱法、亲水作用色谱法、体积排阻色谱法中的N个波长数据预处理后构成类型I输入张量；

或挑选反相液相色谱法、亲水作用色谱法、体积排阻色谱法中的N个波长数据和质谱数据联合预处理后构成类型II输入张量；

挑选等吸收线图数据构成类型III输入张量；每种中药材多维谱数据的数据标签包括：种属、产地、部位、采收时间、提取工艺；用于训练人工智能模型的中药材的数据标签由专家标注或采用可信外部公开数据集；

(3)识别模型和中药多维谱数据库的建立：通过分析步骤(2)获得的多维谱数据和对多种中药测试验证，深度学习与人工智能相结合，建立识别模型和中药多维谱数据库；

(4)人工智能识别：将未知药材通过步骤(1)-(2)获取该未知药材的多维谱数据，将该数据导入建立的识别模型和中药多维谱数据库进行药材识别。

2.根据权利要求1所述的基于人工智能的中药识别方法，其特征在于所述的步骤(2)通过高分辨质谱检测器对供试品的裂解碎片进行检测和收集，得到多维谱数据。

3.根据权利要求1-2任意一项所述的基于人工智能的中药识别方法，其特征在于识别模型和中药多维谱数据库的建立、人工智能识别的步骤包括：

(a)将多维谱数据进行预处理构成训练数据集；

(b)构建适合训练数据集的人工智能深度学习网络模型；

(c)将构建好的人工智能深度学习模型在多维谱数据集上进行训练并进行参数和结构寻优，经过一定迭代次数得到预定预测精度的人工智能深度学习模型；

(d)利用步骤(c)训练好的人工智能深度学习模型对待识别中药色谱数据进行识别；

(e)训练好的深度学习中药识别模型部署在服务器或云端，能在远程客户端，包括Linux系统、windows系统的PC或安装手机操作系统的手机上进行访问，并提交待识别的测试数据；

(f)部署在云端或服务器上的深度学习中药识别模型根据提交数据和用户标签进行增量学习，在线学习。

4.根据权利要求3所述的基于人工智能的中药识别方法，其特征在于：

步骤(b)所述的人工智能深度学习网络模型包含支持向量机、随机森林和深度学习网络模型；其中深度学习模型包含全卷积网络模型和深层残差网路模型；构建的深度学习模型shape和size与训练集数据的多维谱数据输入张量一致；

所述的深层残差网路模型由k个残差模块序列串接，然后输出到一个全局池化层，全局池化层连接到Softmax分类器，Softmax分类器输出元素个数等于n+1，其中n是待分类的中药品质标签数目，在n类输出之外的1类输出为未识别样本；

Softmax回归分类器第j输出是将样本输入x分成第j类的概率表示如下：

其中x⁽ⁱ⁾是第i个输入样本，θ₁，θ₂，...，θ_k是分类器参数，P(y⁽ⁱ⁾＝j|x⁽ⁱ⁾；θ)是在模型参数为θ的情况下将x⁽ⁱ⁾分为第i类的概率；

本深层残差网路模型里每个残差模块由三层卷积连接成，与本残差模块的输入进行叠加，经激活函数输出，激活函数可采用包括ReLU激活函数在内的各种形式激活函数；

ReLU激活函数表示如下：

g(x)＝max(0，x) 。