[发明专利]一种中药材道地性的鉴别方法、系统及计算机可读介质

说明书

本发明公开一种中药材道地性的鉴别方法、系统及计算机可读介质。通过样本原始光谱、明场光谱以及暗场光谱获得样本反射谱，并将样本反射谱分类为训练集与测试集，对训练集与测试集数据进行去噪音处理，为训练集数据添加标签。构建神经网络模型，通过训练得到溯源模型，将未知样本光谱数据输入溯源模型，得到未知样本产地分类的预测结果及相关概率。通过光谱技术与神经网络模型结合，在满足分析速度的情况下，减小预测成本，不需要复杂的分析过程，同时保证了预测正确率。

技术领域

本发明涉及产品溯源技术领域，具体涉及一种中药材道地性的鉴别方法、系统及计算机可读介质。

背景技术

现阶段我国适用于中药材产地追溯及分类检测的技术主要以物流、信息流相结合的电子信息记录体系，如二维码、射频识别码等电子标识为主。这套记录体系方便快捷，但由于信息记录的形式易造假，且承载信息的标签容易在生产、运输、销售等环节丢失，因此需要借助一些综合判定技术加强和补充监测。

目前市面上采用的综合判定技术有三种，一是稳定同位素技术，利用各个产地氮或氧稳定同位素等稳定同位素的比值差异来判定产品的产地，这种方法耗时长，化学试剂消耗大且会造成一定污染；二是DNA溯源技术，将产品DNA数据与DNA库中的基准数据进行比较，从而判定产品的产地，这种方法虽然分析速度快，但是建立DNA数据库的成本高，容易出现假阳性或假阴性结果；三是光谱分析技术，其中近红外光谱技术与主观判定法应用最广，近红外光谱技术利用有机体中含氢基团的倍频与合频吸收谱线进行检测，并结合化学计量法，适用范围广，不具有破坏性，样品也无需复杂处理，但对于不同产地的中药材、农产品来说，这种传统的光谱分析办法有波段限制且存在工序复杂、硬件成本高、分析时间长等缺点。而主观判定法则需要主观判定者具有丰富的经验，且标准误差更大。

发明内容

有鉴于此，本发明提供一种中药材道地性的鉴别方法、系统及计算机可读介质，通过红外光谱技术与卷积神经网络模型结合，提高光谱特征识别效率、提高精度并降低硬件成本。

本发明提供一种中药材道地性的鉴别方法，所述方法包括：

根据产品的样本原始光谱、明场光谱及暗场光谱计算生成样本反射谱数据；

将样本反射谱数据按照一定比例分为训练集与测试集，对训练集和测试集中的数据进行预处理；

构建卷积神经网络模型，基于训练集与测试集生成卷积神经网络溯源模型；

将未知样本数据输入卷积神经网络模型，得到产地分类的预测结果及相关概率。

优选的，所述生成样本反射谱数据的计算方法为：

样本反射谱＝(样本原始光谱-暗场光谱)/(明场光谱-暗场光谱)。

优选的，所述对训练集和测试集中的数据进行预处理步骤包括：

对训练集数据、测试集数据进行去噪音处理，并为训练集数据添加标签；

对训练集数据与测试集数据进行过采样，并对所述标签的值进行独热编码。

优选的，所述去噪音处理为归一化、傅里叶变换、小波变换、多元散射校正、标准正态变量变换与主成分分析中的至少一种。

优选的，还包括：

所述卷积神经网络模型包含三个卷积层，一个最大池化层以及三个全连接层；

所述卷积层激活函数为ReLU激活函数；

所述全连接层输出激活函数为softmax激活函数；

所述卷积神经网络模型损失函数为交叉熵损失函数。

优选的，所述生成卷积神经网络溯源模型包括：