В данном исследовании используется технология ближнего инфракрасного спектроскопии в сочетании с методами машинного обучения для идентификации дягиля и его 4 сходных видов (удхва, чуансюн, баичжу и бахчи). Было собрано 191 образец из разных регионов для получения данных ближнего инфракрасного спектра. Сначала проведен непредвзятый визуальный анализ методом главных компонент, а затем построены модели идентификации с использованием шести методов машинного обучения: кластерный независимый мягкий метод, метод частичных наименьших квадратов с дискриминантным анализом, обратное распространение в искусственной нейронной сети, случайный лес, сверточная нейронная сеть и метод экстремального обучения. Производительность моделей оценивалась с помощью матрицы ошибок, полноты, точности, F1-меры и точности классификации. Результаты показали, что график по главным компонентам не смог эффективно различить 5 видов лекарственных трав. Среди шести моделей машинного обучения модель экстремального обучения показала наилучшие показатели по точности, полноте и F1-мере, а точность на тестовой выборке достигла 100%, что значительно лучше других моделей. Следовательно, сочетание технологии ближнего инфракрасного спектра и метода экстремального обучения позволяет точно идентифицировать дягиль и его 4 сходных вида.

дягиль;идентификационный анализ;ближний инфракрасный спектр;химическое распознавание образцов;машинное обучение