중약 침고 생산에서 단일 지표 또는 경험적 판단에 의존하여 농축 완료점을 결정하는 한계를 해결하기 위해 본 연구는 혈부축어 침고를 대상으로 하여 "물리적 지문도 + 머신 비전 + 대형 언어 모델"의 다중 모달 융합 전략을 통한 지능형 품질 관리 시스템을 혁신적으로 제안하였다. 밀도, pH 값 등 7가지 핵심 물리적 지표를 선별하고 표준화 처리하여 물리적 지문도를 구축하였으며; 이후 마할라노비스 거리로 이상 샘플을 제거하고 "CRITIC + 엔트로피 가중치 + TOPSIS 방법"을 사용하여 종합 점수를 산출하였으며 0.6을 합격 임계값으로 하여 100개 샘플을 62개의 합격 샘플과 38개의 불합격 샘플로 분류하였다; 동시에 침고 이미지 특징을 수집 및 추출하여 6종의 머신러닝 모델을 구축하였으며, 비교 결과 XGBoost 모델이 최고 성능을 보였으며 정확도, 정밀도, 재현율, F1 점수, AUC는 각각 0.9333, 1.0000, 0.8333, 0.9091, 0.9630이었다. 이를 바탕으로 대형 언어 모델을 통합한 지능형 평가 플랫폼을 추가 개발하여 약 10초 이내에 분석을 완료하고 실행 가능한 공정 제안을 생성할 수 있다. 이 시스템은 혈부축어 침고에 대해 "객관적 등급 + 빠른 예측 + 지능형 제안" 통합 품질 관리 솔루션을 제공하며, 중약 침고 중간체의 다차원 품질 평가를 위한 재사용 가능한 기술 패러다임을 제공하여 중약 생산의 "데이터 기반" 전환을 강력히 추진할 것이다.

혈부축어 침고; 물리적 지문도; 머신 비전; 대형 언어 모델; 품질 관리