Используя преобразование Фурье ближнего инфракрасного спектра (FT-NIR) и технику двумерной корреляционной спектроскопии (2DCOS), в сочетании с методами химометрии и алгоритмами глубокого обучения, были построены модели дискриминантного анализа с частичным наименьшим квадратом (PLS-DA) и остаточной сверточной нейронной сети (ResNet) для быстрого и точного определения трех культивируемых сортов Gastrodia elata Blum (всего 447 образцов). Результаты показали, что модель PLS-DA, построенная на данных FT-NIR после предварительной обработки первыми производными (1st Der) и мультиварионной коррекции рассеяния (MSC), показала лучшие общие характеристики (точность 99.00%). В то же время метод, основанный на синхронных 2DCOS изображениях FT-NIR в сочетании с моделью ResNet, позволил быстро и точно определить разные культивируемые сорта Gastrodia без необходимости выбора оптимальной предварительной обработки и сложных преобразований данных (точность 100.00%). Это исследование предлагает новый быстрый и точный метод для идентификации различных культивируемых сортов Gastrodia, что создает основу для дальнейших исследований генетических ресурсов и селекции новых сортов.

преобразование Фурье ближнего инфракрасного спектра;химометрия;машинное обучение;Gastrodia elata;культивируемые сорта