La tecnología de espectroscopía en el infrarrojo cercano, como un método analítico rápido y no destructivo, tiene un valor importante en la evaluación de la calidad de sistemas complejos. Con el desarrollo continuo de métodos de aprendizaje profundo, su fusión ofrece nuevas ideas y rutas técnicas para la evaluación de la calidad de la medicina tradicional china. Este artículo revisa sistemáticamente el progreso en la aplicación de modelos de perceptrón multicapa, redes neuronales convolucionales, redes neuronales recurrentes, autoencoders, redes adversariales generativas y Transformer en la modelización del espectro infrarrojo cercano, centrándose en la identificación y procesamiento de variedades de medicina tradicional china, determinación de autenticidad, trazabilidad del origen, predicción del contenido de componentes, monitoreo del proceso de fabricación y evaluación de la calidad de los preparados. Se resumen las características de aplicación, ventajas potenciales y limitaciones de diferentes algoritmos. Sobre esta base, se sintetizan los principales problemas en tamaño de muestra, diseño de modelos, estrategias de entrenamiento y explicabilidad. Finalmente, se presentan las tendencias y direcciones de desarrollo en la integración del aprendizaje profundo con la espectroscopía en el infrarrojo cercano para la evaluación de la calidad de la medicina tradicional china.

medicina tradicional china; espectroscopía en el infrarrojo cercano; aprendizaje profundo; análisis de calidad