Foi utilizado espectrometria de massas de plasma acoplado indutivamente para determinar o teor de elementos minerais em 255 lotes de amostras de casca de tangerina envelhecida de Xin Hui e Guangxi, e a análise discriminante por mínimos quadrados parciais ortogonais foi empregada para estudar os elementos diferenciadores em cascas de diferentes origens. Quatro métodos de pré-processamento de dados, incluindo normalização Z-score, normalização min-max, normalização pela média e escala pelo valor absoluto máximo, foram aplicados, combinados com florestas aleatórias, árvores de decisão, máquinas de vetor de suporte e método de impulso gradiente para construir modelos de identificação da origem da casca. Os resultados mostraram que, entre 41 elementos minerais, Na, Sn, Y, Ba, Er, Ho, Yb, Dy, Ni, Li, Gd, Tb, Sm, Nd e Rb foram os principais elementos que diferenciam as cascas de Xin Hui das de Guangxi. Entre os quatro modelos de aprendizagem de máquina, o modelo de máquina de vetor de suporte apresentou os melhores resultados preditivos. No modelo de máquina de vetor de suporte, os conjuntos de treinamento e teste com as três formas de processamento de dados Z-score, min-max e normalização pela média apresentaram exatamente a mesma precisão, 100% e 96%, respectivamente, com valor F1 de 0,96, indicando alta precisão do modelo. Este estudo, baseado no teor de elementos minerais combinado com aprendizado de máquina, apresenta alta precisão e confiabilidade na identificação da origem da casca, fornecendo suporte técnico para o controle de qualidade e podendo servir de referência para rastreamento da origem de matérias-primas de medicamentos tradicionais.

elementos minerais; aprendizado de máquina; casca; identificação da origem