以智能色彩识别和多源信息融合技术为基础,快速识别用大米水处理的Astragalus membranaceus

科学领域:

• 药理学和中国传统医学 (TCM)
• 计算化学和数据科学计算化学和数据科学
• 食品科学与技术 食品科学与技术

背景情况:

• 阿斯特拉加卢斯 (Astragalus membranaceus,简称AM) 是TCM中一个重要的草药,通常用大米水 (RW) 处理,以提高疗效.
• 标准化AM-RW的处理对于一致的质量和治疗结果至关重要.
• 目前评估AM-RW质量的方法可能是耗时和主观的.

研究的目的:

• 为了优化Astragalus membranaceus的处理参数,使用大米水 (AM-RW).
• 为AM-RW建立可靠的质量评估标准.
• 开发一个快速而准确的分类模型,用于在各种加工阶段识别AM-RW.

主要方法:

• 响应表面方法 (RSM) 包括单因素测试和Box-Behnken设计用于过程优化.
• 使用流域算法和色彩数据提取 (R,G,B,L值) 的图像分析与numpy和pandas.
• 开发一种多层感知子 (MLP) 模型,将颜色,硬度和卡利科辛-7-葡萄糖化物含量用于分类.

主要成果:

• 最佳的AM-RW加工参数是20毫升的水,180°C的炸温度和7分钟的炸时间.
• 最佳产品的平均颜色值为R (94.83 ± 8.57),G (96.1 ± 19.37),B (36.84 ± 5.93) 和L (89.55 ± 12.24).这些产品的平均颜色值为R (94.83 ± 8.57),G (96.1 ± 19.37),B (36.84 ± 5.93) 和L (89.55 ± 12.24).
• 该MLP分类模型在识别AM-RW处理度方面实现了94%的高准确率.

结论:

• 响应表面方法有效地优化了AM-RW处理参数.
• 该MLP模型提供了一个准确和可靠的方法来根据加工质量对AM-RW进行分类.
• 这项研究为TCM生产中的快速质量评估提供了有价值的科学参考.