[发明专利]一种鉴别中药材地道性的方法及系统

说明书

本发明公开了一种鉴别中药材地道性的方法及系统，涉及中药材智能检测技术领域，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、主成份分析法分别对红外光谱特征数据进行筛选处理、降维处理；利用随机森林模型，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；利用极限梯度增强模型，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。本发明提高了中药材地道性鉴别的准确率，实现了中药材地道性智能鉴别。

技术领域

本发明涉及中药材智能检测技术领域，具体为一种鉴别中药材地道性的方法及系统。

背景技术

近年来地道的中药材受到越来越多人的青睐，其质量与疗效在长期临床使用中得到了社会的广泛认可。目前，中药材的地道性公认源于特定产区，中药材道地性的划分标准往往来源于专业人士实践经验，许多中药材的地道性科学原理尚不清楚，通过人工鉴别药材的质量难度很大。研究发现，不同产地的同一药材，因其无机元素的化学成分、有机物等存在的差异性，在红外光谱的照射下也会表现出不同的光谱特征，基于红外光谱鉴定中药材地道性成为了研究热点。

基于红外光谱的中药材地道性研究虽然取得了很大进展，但是，中药材地道性研究还存在以下两个问题。第一，红外光谱特征处理过于粗糙，粗糙的特征数据决定了后续机器学习模型的上限；第二，特征数据局限在红外光谱特征，导致模型在鉴别中药材地道性的准确率低，难以实现中药材地道性智能鉴别。

中国专利申请CN114624207A公开了一种中药材道地性的鉴别方法、系统及计算机可读介质，通过光谱技术与神经网络模型结合，实现未知样本产地分类的预测，从而鉴别中药材地道性。但是该发明，红外光谱特征处理过于粗糙，产地预测局限于红外光谱特征，导致产地预测准确率不高，容易导致中药材地道性误判。

发明内容

本发明提出了一种鉴别中药材地道性的方法及系统，克服了中药材地道性鉴别准确率低，可靠性差，实现中药材地道性智能鉴别。

本发明提供了一种鉴别中药材地道性的方法，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。

进一步地，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。

进一步地，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；