本發(fā)明涉及純度檢測，具體為一種基于人工智能的鐵皮石斛提取純度檢測方法。
背景技術(shù)：
1、鐵皮石斛因其豐富的藥用價(jià)值而被廣泛研究和應(yīng)用，尤其是在多糖、黃酮類、生物堿等活性成分的提取和純度控制方面，具有重要的醫(yī)藥和保健意義。當(dāng)前的純度檢測方法主要依賴于色譜分析（如高效液相色譜hplc、氣相色譜gc）以及傳統(tǒng)的光譜技術(shù)（如紫外-可見光光譜uv-vis、紅外光譜ir）。
2、現(xiàn)有技術(shù)中，提取物成分含量預(yù)測存在不足：在現(xiàn)有方法中，鐵皮石斛提取物的含量預(yù)測通常依賴于單一技術(shù)手段，預(yù)測精度受限。例如單獨(dú)使用hplc或光譜分析法，但這些方法都存在局限性，包括復(fù)雜的樣品前處理，分析過程耗時(shí)長、難以精準(zhǔn)預(yù)測目標(biāo)成分的含量等。
3、現(xiàn)有技術(shù)中，提取物純度檢測存在不足：當(dāng)前的純度測定主要依賴于色譜方法，如hplc和gc，這些方法雖然可以提供高精度的數(shù)據(jù)，但實(shí)驗(yàn)操作復(fù)雜，儀器成本高，且無法滿足大規(guī)模、快速檢測的需求。而且由于目標(biāo)成分和雜質(zhì)的光譜信號(hào)重疊問題，光譜分析難以單獨(dú)測定提取物的純度，因此，在現(xiàn)有技術(shù)中，光譜方法往往被用于輔助色譜分析，而非獨(dú)立完成純度測定。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于人工智能的鐵皮石斛提取純度檢測方法，以解決上述背景技術(shù)中提出的問題。
2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：
3、第一方面，本發(fā)明實(shí)施例提供了一種基于人工智能的鐵皮石斛提取純度檢測方法，包括以下步驟：
4、s1、鐵皮石斛提取物高光譜數(shù)據(jù)采集和成分分類，得到分類結(jié)果；
5、s2、根據(jù)分類結(jié)果進(jìn)行含量預(yù)測，得到含量預(yù)測結(jié)果；
6、s3、根據(jù)含量預(yù)測結(jié)果進(jìn)行色譜分析驗(yàn)證，得到驗(yàn)證結(jié)果；
7、s4、根據(jù)驗(yàn)證結(jié)果進(jìn)行純度預(yù)測，得到純度預(yù)測結(jié)果；
8、s5、根據(jù)純度預(yù)測結(jié)果進(jìn)行成分空間分布識(shí)別，得到成分分布信息；
9、s6、根據(jù)成分分布信息進(jìn)行純度計(jì)算。
10、進(jìn)一步優(yōu)化本技術(shù)方案，所述s2中的含量預(yù)測包括：
11、根據(jù)分類結(jié)果，使用含量預(yù)測模型，實(shí)現(xiàn)對(duì)鐵皮石斛提取物中各成分的含量計(jì)算。
12、進(jìn)一步優(yōu)化本技術(shù)方案，所述含量預(yù)測模型包括：
13、；
14、其中：
15、：預(yù)測的第k種成分的含量；
16、：第i個(gè)樣本在第j個(gè)光譜波段上的光譜值；
17、：偏差項(xiàng)；
18、：每個(gè)樣本的權(quán)重；
19、：模型權(quán)重；
20、：樣本的總數(shù)；
21、：光譜波段的總數(shù)。
22、進(jìn)一步優(yōu)化本技術(shù)方案，所述s4中的純度預(yù)測包括：
23、根據(jù)驗(yàn)證結(jié)果和高光譜數(shù)據(jù)，使用純度預(yù)測模型，進(jìn)行純度預(yù)測。
24、進(jìn)一步優(yōu)化本技術(shù)方案，所述純度預(yù)測模型包括：
25、；
26、其中：
27、：預(yù)測純度值；
28、：第i個(gè)樣本在第k種成分對(duì)應(yīng)的光譜波段的反射值；
29、：偏置項(xiàng)；
30、：第k種成分的貢獻(xiàn)系數(shù)；
31、：第k種成分的非線性影響系數(shù)；
32、：樣本重要性系數(shù)；
33、：模型中考慮的成分種類的數(shù)量。
34、進(jìn)一步優(yōu)化本技術(shù)方案，所述貢獻(xiàn)系數(shù)包括：
35、；
36、其中：
37、：所有成分的總含量；
38、：成分k的歸一化系數(shù)。
39、進(jìn)一步優(yōu)化本技術(shù)方案，所述非線性影響系數(shù)包括：
40、；
41、其中：
42、：成分k的光譜信號(hào)標(biāo)準(zhǔn)差；
43、：成分k的光譜特征復(fù)雜度因子。
44、進(jìn)一步優(yōu)化本技術(shù)方案，所述光譜特征復(fù)雜度因子包括：
45、；
46、其中：
47、，：成分k在波長m和m-1處的光譜值。
48、進(jìn)一步優(yōu)化本技術(shù)方案，所述樣本重要性系數(shù)包括：
49、；
50、其中：
51、：樣本i的光譜可信度。
52、進(jìn)一步優(yōu)化本技術(shù)方案，所述光譜可信度包括：
53、；
54、：樣本i在波長m處的光譜值；
55、：所有樣本在波長m處的光譜平均值。
56、第二方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的一種基于人工智能的鐵皮石斛提取純度檢測方法的步驟。
57、第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的一種基于人工智能的鐵皮石斛提取純度檢測方法的步驟。
58、與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種基于人工智能的鐵皮石斛提取純度檢測方法，具備以下有益效果：
59、該基于人工智能的鐵皮石斛提取純度檢測方法，通過含量預(yù)測模型，結(jié)合不同波長的光譜信號(hào)、色譜數(shù)據(jù)和樣本特征信息，通過自適應(yīng)樣本權(quán)重計(jì)算方法進(jìn)行含量預(yù)測，提升了含量預(yù)測精度，提高了對(duì)不同成分的分辨能力，降低了異常樣本對(duì)含量預(yù)測結(jié)果的影響。
60、通過純度預(yù)測模型，引入了基于光譜特征權(quán)重、自適應(yīng)成分貢獻(xiàn)度計(jì)算和光譜信號(hào)偏差修正，減少了對(duì)色譜分析的依賴，節(jié)省了時(shí)間和成本，提高了純度檢測的準(zhǔn)確性和魯棒性。
1.一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，所述s2中的含量預(yù)測包括：
3.根據(jù)權(quán)利要求2所述的一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，所述含量預(yù)測模型包括：
4.根據(jù)權(quán)利要求1所述的一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，所述s4中的純度預(yù)測包括：
5.根據(jù)權(quán)利要求4所述的一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，所述純度預(yù)測模型包括：
6.根據(jù)權(quán)利要求5所述的一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，所述貢獻(xiàn)系數(shù)包括：
7.根據(jù)權(quán)利要求5所述的一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，所述非線性影響系數(shù)包括：
8.根據(jù)權(quán)利要求7所述的一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，所述光譜特征復(fù)雜度因子包括：
9.根據(jù)權(quán)利要求5所述的一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，所述樣本重要性系數(shù)包括：
10.根據(jù)權(quán)利要求9所述的一種基于人工智能的鐵皮石斛提取純度檢測方法，其特征在于，所述光譜可信度包括：