[发明专利]一种鉴别中药材地道性的方法及系统

权利要求书

1.一种鉴别中药材地道性的方法，其特征在于，包括以下步骤：

获取待鉴别的中药材的红外光谱特征数据；

采用高方差特征选择法对红外光谱特征数据进行筛选处理，再对筛选处理后的红外光谱特征数据采用主成份分析法进行降维处理；

构建随机森林模型，利用该随机森林模型，以及经过筛选处理、降维处理后的红外光谱特征数据预测中药材的类别，获得中药材的类别；

采用one-hot编码技术对中药材的类别进行数值化处理，得到中药材的类别特征数据，将经过筛选处理、降维处理后的红外光谱特征数据与类别特征数据融合；

构建极限梯度增强模型，利用该极限梯度增强模型，以及融合后的数据预测中药材的产地，得到中药材的地道性鉴别结果。

2.根据权利要求1所述的一种鉴别中药材地道性的方法，其特征在于：所述获取中药材的红外光谱特征数据，包括以下步骤：

利用红外光谱仪采集中药材的红外光谱在不同波段吸光度的红外光谱特征数据；

对所述红外光谱特征数据进行预处理。

3.根据权利要求2所述的一种鉴别中药材地道性的方法，其特征在于：所述对红外光谱特征数据进行预处理，包括以下步骤：

检测所述红外光谱特征数据中是否存在空值；采用红外光谱波对应段吸光度均值填充所述红外光谱特征数据中存在的空值；

采用欧式距离检测所述红外光谱特征数据中是否存在重复数据，并将所述红外光谱特征数据中存在的重复数据去除；

采用3倍方差检测所述红外光谱特征数据中是否存在异常数据，并将所述红外光谱特征数据中存在的异常数据去除；

对所述红外光谱特征数据进行归一化处理，具体归一化公式如下：

其中，X’表示采用区间放缩法归一化的红外光谱特征矩阵；

X表示红外光谱特征矩阵；

x_min表示红外光谱波对应段吸光度的最小值；

x_max表示红外光谱波对应段吸光度的最大值。

4.根据权利要求3所述的一种鉴别中药材地道性的方法，其特征在于：采用所述高方差特征选择法对红外光谱特征数据进行筛选处理时，采用下四分数0.00721作为高位方差特征选择法阈值。

5.根据权利要求4所述的一种鉴别中药材地道性的方法，其特征在于：采用所述主成份分析法对红外光谱特征数据进行降维处理使，利用贡献率选择降维维度；

所述贡献率C的计算公式如下：

其中，λ_i表示对应特征的特征值；表示所有特征的特征值之和；

p表示特征总数量，λ_k表示从第1个到第p个特征叠加时的第k个特征值。

6.根据权利要求5所述的一种鉴别中药材地道性的方法，其特征在于：采用纵向合并的方式将所述经过筛选处理、降维处理后的红外光谱特征数据与所述类别特征数据融合。

7.根据权利要求6所述的一种鉴别中药材地道性的方法，其特征在于：所述构建随机森林模型，包括：

获取已知产地的中药材的红外光谱特征数据并对该数据进行预处理，得到训练集；

采用高方差特征选择法对所述训练集中的数据进行筛选处理，再对筛选处理后的数据采用主成份分析法进行降维处理；

利用经过筛选处理、降维处理后的所述训练集中的一部分数据，建立随机森林模型。

8.根据权利要求7所述的一种鉴别中药材地道性的方法，其特征在于：所述构建极限梯度增强模型，包括

利用所述随机森林模型预测所述训练集中的另一部分数据的中药材的类别，并采用one-hot编码技术对该部分数据的中药材的类别进行数值化处理，得到该部分数据的中药材的类别特征数据；

将该部分数据的所述中药材的类别特征数据与该部分数据在经过筛选处理、降维处理后的红外光谱特征数据进行融合；

利用融合后的数据，建立极限梯度增强模型。

9.根据权利要求1所述的一种鉴别中药材地道性的系统，其特征在于：包括：

数据获取模块，用于获取待鉴别的中药材的红外光谱特征数据；

数据处理模块，用于采用高方差特征选择法对红外光谱特征数据进行筛选处理，再对筛选处理后的红外光谱特征数据采用主成份分析法进行降维处理；

类别结果获取模块，用于构建随机森林模型，利用该随机森林模型，以及经过筛选处理、降维处理后的红外光谱特征数据预测中药材的类别，获得中药材的类别；

数据融合模块，用于采用one-hot编码技术对中药材的类别进行数值化处理，得到中药材的类别特征数据，将经过筛选处理、降维处理后的红外光谱特征数据与类别特征数据融合；

鉴别结果预测模块，用于构建极限梯度增强模型，利用该极限梯度增强模型，以及融合后的数据预测中药材的产地，得到中药材的地道性鉴别结果。