Cette étude utilise la spectroscopie proche infrarouge combinée à des méthodes d'apprentissage automatique pour identifier l'angélique et ses 4 espèces similaires (Duhuo, Chuanxiong, Baizhu et Baizhi). Un total de 191 échantillons provenant de différentes régions ont été collectés pour obtenir leurs données spectrales proches infrarouges. Tout d'abord, une analyse en composantes principales a été utilisée pour une analyse visuelle non supervisée, puis six méthodes d'apprentissage automatique - clustering indépendant doux, analyse discriminante par moindres carrés partiels, réseau de neurones artificiels avec rétropropagation, forêt aléatoire, réseau de neurones convolutif et machine à apprentissage extrême - ont été employées pour établir des modèles d'identification. La performance des modèles a été évaluée à l'aide d'une matrice de confusion, du rappel, de la précision, du score F1 et de la précision globale. Les résultats indiquent que le graphique des scores PCA n'a pas permis une distinction efficace des 5 herbes médicinales. Parmi les 6 modèles, la machine à apprentissage extrême a présenté les meilleures performances en précision, rappel et score F1, avec une précision de 100 % sur le jeu de test, surpassant significativement les autres modèles. Ainsi, la combinaison de la spectroscopie proche infrarouge avec la machine à apprentissage extrême permet une identification précise de l'angélique et de ses 4 espèces similaires.

angélique;analyse d'identification;spectroscopie proche infrarouge;reconnaissance chimique des motifs;apprentissage automatique