Este estudo utiliza a espectroscopia no infravermelho próximo combinada com métodos de aprendizado de máquina para identificar a angélica e suas 4 espécies semelhantes (Duhuo, Chuanxiong, Baizhu e Baizhi). Foram coletadas 191 amostras de diferentes regiões para obter dados espectrais no infravermelho próximo. Primeiro, foi realizada uma análise de componentes principais para análise visual não supervisionada, e modelos de identificação foram estabelecidos usando seis métodos de aprendizado de máquina: agrupamento independente suave, análise discriminante por mínimos quadrados parciais, rede neural artificial com retropropagação, floresta aleatória, rede neural convolucional e máquina de aprendizado extremo. O desempenho dos modelos foi avaliado usando matriz de confusão, taxa de recall, precisão, pontuação F1 e exatidão. Os resultados mostraram que o gráfico de pontuações da análise de componentes principais não conseguiu distinguir efetivamente as 5 ervas medicinais. Entre os 6 modelos de aprendizado de máquina, o modelo de máquina de aprendizado extremo apresentou o melhor desempenho em precisão, recall e pontuação F1, alcançando 100% de precisão no conjunto de previsão, superando claramente os demais modelos. Portanto, a combinação da espectroscopia no infravermelho próximo com a máquina de aprendizado extremo pode realizar a identificação precisa da angélica e suas 4 espécies semelhantes.

angélica;análise de identificação;espectroscopia no infravermelho próximo;reconhecimento químico de padrões;aprendizado de máquina