Este estudio utiliza la espectroscopía de infrarrojo cercano combinada con métodos de aprendizaje automático para identificar el angélica y sus 4 especies similares (duhuo, chuanxiong, baizhu y baizhi). Se recogieron un total de 191 muestras de diferentes regiones para obtener sus datos espectrales de infrarrojo cercano. Primero se utilizó un análisis de componentes principales para un análisis visual no supervisado, y se establecieron modelos de identificación utilizando seis métodos de aprendizaje automático: agrupamiento independiente suave, análisis discriminante por mínimos cuadrados parciales, redes neuronales artificiales con retropropagación, bosque aleatorio, redes neuronales convolucionales y máquina de aprendizaje extremo. El rendimiento del modelo se evaluó mediante matrices de confusión, tasa de recuperación, precisión, puntuación F1 y exactitud. Los resultados mostraron que el gráfico de puntuaciones del análisis de componentes principales no logró distinguir eficazmente las 5 hierbas medicinales. De los 6 modelos de aprendizaje automático, la máquina de aprendizaje extremo obtuvo el mejor rendimiento en términos de exactitud, tasa de recuperación y puntuación F1, alcanzando una precisión del 100 % en el conjunto de predicción, claramente superior a otros modelos. Por lo tanto, la combinación de la espectroscopía de infrarrojo cercano con la máquina de aprendizaje extremo puede lograr una identificación precisa del angélica y sus 4 especies similares.

angélica;análisis de identificación;espectroscopía de infrarrojo cercano;reconocimiento químico de patrones;aprendizaje automático