La spectroscopie dans le proche infrarouge, en tant que méthode d'analyse rapide et non destructive, a une valeur d'application importante dans l'évaluation de la qualité des systèmes complexes. Avec le développement continu des méthodes d'apprentissage profond, leur fusion offre de nouvelles idées de recherche et voies techniques pour l'évaluation de la qualité des médecines traditionnelles chinoises. Cet article passe en revue de manière systématique les progrès des applications des modèles de perceptron multicouche, réseaux de neurones convolutionnels, réseaux de neurones récurrents, autoencodeurs, réseaux antagonistes génératifs et Transformer dans la modélisation du proche infrarouge, en se concentrant sur la différenciation des espèces et du traitement, la vérification de l'authenticité, la traçabilité de provenance, la prédiction du contenu en composants, le contrôle du processus de fabrication et l'évaluation de la qualité des préparations. Il résume les caractéristiques d'application, les avantages potentiels et les limites des différents algorithmes. Sur cette base, il synthétise les principaux problèmes actuels concernant la taille des échantillons, la conception des modèles, les stratégies d'entraînement et l'explicabilité. Enfin, il envisage les tendances et directions de développement de l'intégration de l'apprentissage profond et de la spectroscopie dans le proche infrarouge dans l'évaluation de la qualité des médecines traditionnelles chinoises.

médecines traditionnelles chinoises; spectroscopie proche infrarouge; apprentissage profond; analyse de qualité