Pour résoudre la limitation liée à la dépendance à un indicateur unique ou à un jugement empirique pour déterminer le point final de concentration dans la production d'extraits de médecine traditionnelle chinoise, cette étude, prenant l'extrait Xuefu Zhuyu comme objet, propose de manière innovante un système intelligent de contrôle qualité multimodal fusionnant « empreinte physique + vision par ordinateur + grand modèle de langue ». En sélectionnant 7 indicateurs physiques clés tels que la densité et le pH, et en les standardisant pour construire l'empreinte physique ; puis en utilisant la distance de Mahalanobis pour éliminer les échantillons aberrants, en calculant un score global via les méthodes « CRITIC + poids entropique + TOPSIS » avec un seuil de qualification fixé à 0,6, les 100 lots d'échantillons ont été divisés en 62 lots qualifiés et 38 non qualifiés ; parallèlement, les caractéristiques des images des extraits ont été collectées et extraites pour construire 6 modèles d'apprentissage automatique, les résultats comparatifs montrant que le modèle XGBoost offre la meilleure performance avec des valeurs de précision, exactitude, rappel, score F1 et AUC respectivement de 0,9333, 1,0000, 0,8333, 0,9091 et 0,9630. Sur cette base, une plateforme d'évaluation intelligente intégrant un grand modèle de langue a été développée, capable d'effectuer une analyse et de générer des recommandations opérationnelles en environ 10 secondes. Ce système offre une solution intégrée « classification objective + prédiction rapide + recommandations intelligentes » pour l'extrait Xuefu Zhuyu, ainsi qu'un paradigme technique réutilisable pour l'évaluation multidimensionnelle de la qualité des intermédiaires d'extraits de médecine traditionnelle chinoise, contribuant ainsi au passage vers une production « pilotée par les données ».

Xuefu Zhuyu; empreinte physique; vision par ordinateur; grand modèle de langue; contrôle de qualité