首页 > 分享 > 黄蜀葵花的金丝桃苷含量预测方法、装置、设备及介质

黄蜀葵花的金丝桃苷含量预测方法、装置、设备及介质

花匠小妙招
2025-07-23 11:17

本申请涉及黄蜀葵花金丝桃苷含量预测，尤其是涉及一种黄蜀葵花的金丝桃苷含量预测方法、装置、设备及介质。

背景技术：

1、黄蜀葵花为锦葵科秋葵属植物黄蜀葵的干燥花冠，具有很高的药用价值。2020年版《中国药典》规定金丝桃苷是黄蜀葵花的质控指标，如何快速测定黄蜀葵花中的金丝桃苷含量是黄蜀葵花质量评估的关键。

2、传统的黄蜀葵花金丝桃苷含量检测主要使用高效液相色谱(high performanceliquid chromatography,hplc)法，高效液相色谱的前处理过程复杂，分析周期较长。因此，设计一种更加高效的黄蜀葵花金丝桃苷含量检测方法是目前亟待解决的一个问题。

技术实现思路

1、本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种黄蜀葵花的金丝桃苷含量预测方法、装置、设备及介质，能够准确和高效预测黄蜀葵花金丝桃苷含量。

2、根据本申请的第一方面实施例的黄蜀葵花的金丝桃苷含量预测方法，方法包括如下步骤：

3、获取待测黄蜀葵花的待测太赫兹光谱数据；

4、构建由一维卷积神经网络和双向长短时记忆网络组成的复合网络；

5、根据所述待测太赫兹光谱数据，采用训练好的所述复合网络预测所述待测黄蜀葵花的金丝桃苷含量。

6、根据本申请实施例的黄蜀葵花的金丝桃苷含量预测方法，至少具有如下有益效果：

7、相较于常规方法，本方法利用黄蜀葵花的太赫兹光谱数据所具备的物质鉴别能力，通过结合一维卷积神经网络和双向长短时记忆网络两种网络优点而组成复合网络，采用复合网络综合利用黄蜀葵花的太赫兹光谱数据，能够准确和高效的预测黄蜀葵花金丝桃苷含量。

8、根据本申请的一些实施例，复合网络的训练过程包括如下步骤：采集黄蜀葵花样本，确定所述黄蜀葵花样本的金丝桃苷含量，采集所述黄蜀葵花样本的太赫兹光谱数据，截取所述太赫兹光谱数据中的有效频段数据，对所述有效频段数据进行降维和标准化，并在标准化后合并成样本数据，采用所述样本数据和所述黄蜀葵花样本的金丝桃苷含量训练所述复合网络，得到训练好的所述复合网络；

9、所述根据所述待测太赫兹光谱数据，采用训练好的所述复合网络预测所述待测黄蜀葵花的金丝桃苷含量，包括如下步骤：

10、截取所述待测太赫兹光谱数据中的待测有效频段数据；

11、对所述有效频段数据进行降维和标准化，并在标准化后合并成待测样本数据；

12、将所述待测样本数据输入至所述复合网络，得到所述复合网络输出的金丝桃苷含量。

13、根据本申请的一些实施例，所述对所述有效频段数据进行降维和标准化包括：

14、采用主成分分析法将所述有效频段数据降维成设定维度的降维后频段数据；

15、对所述降维后频段数据进行正态标准化处理。

16、根据本申请的一些实施例，所述采集所述黄蜀葵花样本的太赫兹光谱数据包括如下步骤：

17、采用太赫兹时域光谱仪采集所述黄蜀葵花的太赫兹时域谱；

18、计算所述太赫兹时域谱中的太赫兹光谱数据。

19、根据本申请的一些实施例，所述复合网络为1dcnn-bilstm网络。

20、根据本申请的一些实施例，所述通过高效液相色谱法确定所述黄蜀葵花样本的金丝桃苷含量。

21、根据本申请的一些实施例，所述太赫兹光谱数据包括介电常数实部、介电常数虚部、折射率、频域数据、吸收系数、吸收谱和相位；所述截取所述太赫兹光谱数据中的有效频段数据包括：分别截取介电常数实部、介电常数虚部、折射率、频域数据、吸收系数、吸收谱和相位中的有效频段数据。

22、根据本申请的第二方面实施例的一种黄蜀葵花的金丝桃苷含量预测装置，所述黄蜀葵花的金丝桃苷含量预测装置包括：

23、数据获取单元，用于获取待测黄蜀葵花的待测太赫兹光谱数据；

24、网络构建单元，用于构建由一维卷积神经网络和双向长短时记忆网络组成的复合网络；

25、网络预测单元，用于根据所述待测太赫兹光谱数据，采用训练好的所述复合网络预测所述待测黄蜀葵花的金丝桃苷含量。

26、根据本申请的第三方面实施例的一种电子设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行上述的一种黄蜀葵花的金丝桃苷含量预测方法。

27、根据本申请的第四方面实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述的黄蜀葵花的金丝桃苷含量预测方法。

28、本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。

技术特征：

1.一种黄蜀葵花的金丝桃苷含量预测方法，其特征在于，方法包括如下步骤：

2.根据权利要求1所述的黄蜀葵花的金丝桃苷含量预测方法，其特征在于，所述复合网络的训练过程包括如下步骤：采集黄蜀葵花样本，确定所述黄蜀葵花样本的金丝桃苷含量，采集所述黄蜀葵花样本的太赫兹光谱数据，截取所述太赫兹光谱数据中的有效频段数据，对所述有效频段数据进行降维和标准化，并在标准化后合并成样本数据，采用所述样本数据和所述黄蜀葵花样本的金丝桃苷含量训练所述复合网络，得到训练好的所述复合网络；

3.根据权利要求2所述的黄蜀葵花的金丝桃苷含量预测方法，其特征在于，所述对所述有效频段数据进行降维和标准化包括：

4.根据权利要求2所述的黄蜀葵花的金丝桃苷含量预测方法，其特征在于，所述采集所述黄蜀葵花样本的太赫兹光谱数据包括如下步骤：

5.根据权利要求4所述的黄蜀葵花的金丝桃苷含量预测方法，其特征在于，所述复合网络为1dcnn-bilstm网络。

6.根据权利要求2所述的黄蜀葵花的金丝桃苷含量预测方法，其特征在于，通过高效液相色谱法确定所述黄蜀葵花样本的金丝桃苷含量。

7.根据权利要求2至6任一项所述的黄蜀葵花的金丝桃苷含量预测方法，其特征在于，所述太赫兹光谱数据包括介电常数实部、介电常数虚部、折射率、频域数据、吸收系数、吸收谱和相位；

8.一种黄蜀葵花的金丝桃苷含量预测装置，其特征在于，黄蜀葵花的金丝桃苷含量预测装置包括：

9.一种电子设备，其特征在于：包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行权利要求1至7任一项所述的黄蜀葵花的金丝桃苷含量预测方法。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1至7任一项所述的黄蜀葵花的金丝桃苷含量预测方法。

技术总结
本申请公开了一种黄蜀葵花的金丝桃苷含量预测方法、装置、设备及介质，利用黄蜀葵花的太赫兹光谱数据所具备的物质鉴别能力，通过结合一维卷积神经网络和双向长短时记忆网络两种网络优点而组成复合网络，采用复合网络综合利用黄蜀葵花的太赫兹光谱数据，能准确和高效的预测黄蜀葵花金丝桃苷含量。

技术研发人员：郑成勇,叶华清
受保护的技术使用者：五邑大学
技术研发日：
技术公布日：2024/1/22