A tecnologia de espectroscopia no infravermelho próximo, como um método rápido e não destrutivo de análise, tem um valor importante na avaliação da qualidade de sistemas complexos. Com o desenvolvimento contínuo dos métodos de aprendizado profundo, a fusão de ambos oferece novas ideias de pesquisa e caminhos técnicos para avaliar a qualidade da medicina tradicional chinesa. Este artigo revisa sistematicamente os avanços na aplicação de modelos como perceptron multicamada, redes neurais convolucionais, redes neurais recorrentes, autoencoders, redes adversariais generativas e Transformer na modelagem da espectroscopia no infravermelho próximo, focando na identificação e diferenciação das variedades e preparo da medicina tradicional chinesa, determinação de autenticidade, rastreamento de origem, previsão do conteúdo de componentes, monitoramento do processo de fabricação e avaliação da qualidade das formulações. Resume-se as características de aplicação, vantagens potenciais e limitações dos diferentes algoritmos. Com base nisso, são resumidos os principais problemas enfrentados pelas pesquisas atuais quanto ao tamanho da amostra, design do modelo, estratégias de treinamento e interpretabilidade. Por fim, são vislumbradas as tendências e direções para o desenvolvimento da fusão do aprendizado profundo e da espectroscopia no infravermelho próximo na avaliação da qualidade da medicina tradicional chinesa.

medicina tradicional chinesa; espectroscopia no infravermelho próximo; aprendizado profundo; análise de qualidade