中薬浸膏の製造において単一指標や経験的判断に依存して濃縮の終点を決定することの限界を解決するため、本研究は血府逐瘀浸膏を対象に、「物理的フィンガープリント＋機械視覚＋大規模言語モデル」のマルチモーダル融合戦略による知能的品質管理システムを革新的に提案した。密度、pH値など7つの主要な物理指標を選定し、標準化処理を行い物理的フィンガープリントを構築した。その後、マハラノビス距離を用いて異常サンプルを除外し、「CRITIC＋エントロピーウェイト＋TOPSIS法」を用いて総合スコアを算出し、合格閾値を0.6と設定して100バッチのサンプルを62バッチの合格、38バッチの不合格に分類した。同時に浸膏画像の特徴を収集・抽出して6種類の機械学習モデルを構築し、比較結果はXGBoostモデルが最良の性能を示し、精度、適合率、再現率、F1スコア、AUCはそれぞれ0.9333、1.0000、0.8333、0.9091、0.9630であった。これを基に大規模言語モデルを統合した知能評価プラットフォームを開発し、約10秒で分析を完了し実用的な工程提案を生成できる。この体系は血府逐瘀浸膏に対し「客観的評価＋迅速予測＋知能的提案」の統合品質管理ソリューションを提供し、中薬浸膏類中間体の多次元品質評価の再利用可能な技術パラダイムも提供し、中薬生産の「データ駆動型」変革を強力に推進する。

血府逐瘀浸膏;物理的フィンガープリント;機械視覚;大規模言語モデル;品質管理