【技术实现步骤摘要】
本专利技术属于模型预测领域，具体涉及一种预测益母草化学成分含量的方法、模型和存储介质及建模方法。
技术介绍
1、益母草为唇形科益母草属植物leonurus japonicas houtt.的新鲜或于燥地上部分，原名茺蔚，始载于《神农本草经》，别名益母艾、苦草、坤草等,其味卒、微苦，性微，人心包、肝经，具有活血调瘀、利尿消肿之功效。在临床上用于经不调、产后瘀痛、心脑血管疾病、血液病等疾病的治疗。
2、益母草主要化学成分包括总黄酮和总生物碱，这些成分在医药上具有多种用途。益母草中的总黄酮具有显著的抗炎、抗氧化、抗肿瘤等生物活性。研究表明，益母草中的黄酮类化合物对多种炎症模型如急性肺损伤和急性胰腺炎有显著的抑制作用，能够抑制炎症介质的产生和释放，从而减轻炎症反应。此外，益母草总黄酮还被发现对心肌缺血有保护作用，能够提高冠状动脉结扎大鼠的心肌收缩功能。益母草中的总生物碱也是重要的活性成分，具有抗炎、抗菌、抗肿瘤等多种生物活性。益母草总生物碱在治疗子宫内膜炎方面显示出良好的应用前景，可以通过抑制炎症反应和促进上皮细胞的修复来发挥作用。此外，益母草总生物碱还具有显著的抗痛经作用，能够缓解由缩宫素和前列腺素e2引起的大鼠子宫强烈收缩。
3、目前益母草中总黄酮和总生物碱的检测涉及多种化学分析技术，包括紫外分光光度法、高效液相色谱法、超临界co2萃取法等。然而这些方法不仅耗时还会损耗益母草，因此有必要提供一种可以无损、快速、准确地预测大批量益母草的总黄酮和总生物碱含量的方法，以快速评估益母草的质量。
4、多光谱
技术实现思路
1、为解决上述问题，本专利技术提供了一种基于多光谱成像技术的益母草化学成分含量预测模型的构建方法，包括以下步骤：
2、1)提取益母草特征：取益母草叶片，采用多光谱成像技术成像，提取叶片的光谱数据，再分别采用生物碱含量测定试剂盒和/或植物类黄酮含量检测试剂盒测定叶片中总生物碱和/或总黄酮的含量；
3、2)构建模型：以步骤1)所得光谱数据作为特征变量，总生物碱和/或总黄酮的含量作为目标变量，采用plsr算法进行训练，得plsr模型；
4、3)优化模型：采用贝叶斯优化算法对步骤2)所得plsr模型进行优化，即得益母草化学成分含量预测模型。
5、进一步地，步骤1)所述多光谱成像技术成像的光谱图像的像素为2056×2056，分辨率为41μm/像素。
6、进一步地，所述光谱数据为叶片在光谱波长范围365～970nm的平均反射率。
7、进一步地，步骤2)采用plsr算法进行训练的过程中通过r2、rmse和rpd评估模型的预测性能，其中
8、
9、
10、
11、式中，为ta、tf含量的预测值，为ta、tf含量的平均值，yi为ta、tf含量的实测值，n为样本数i＝1,2,3…n，sd为标准差。
12、进一步地，步骤3)所述贝叶斯优化算法来源于hyperopt库。
13、进一步地，所述益母草化学成分含量预测模型预测的是益母草叶片中总生物碱和/或总黄酮的含量。
14、本专利技术还提供了一种前述的方法构建得到的益母草化学成分含量预测模型。
15、本专利技术还提供了一种检测益母草中化学成分含量的方法，包括如下步骤：
16、①将待检益母草进行多光谱成像，并提取待检益母草叶片在光谱波长范围365～970nm的平均反射率；
17、②将步骤①得到的平均反射率输入前述的预测模型，得到益母草化学成分预测结果；
18、所述益母草化学成分为总生物碱和/或总黄酮。
19、本专利技术还提供了一种用于实现前述的检测益母草中化学成分含量的方法的系统，包括
20、输入模块，用于输入待检益母草特征；
21、计算模块，包括前述的预测模型；
22、输出模块，用于输出最终的益母草化学成分的预测结果；
23、所述益母草化学成分为总生物碱和/或总黄酮。
24、本专利技术最后提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于实现前述的检测益母草中化学成分含量的方法。
25、本专利技术基于多光谱成像技术，采用偏最小二乘回归法(plsr)结合贝叶斯优化，构建的总生物碱和总黄酮含量预测模型，能快速、准确预测益母草中总生物碱和总黄酮的含量，实现快速评估益母草质量的目的，具备实际应用价值。
26、显然，根据本专利技术的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本专利技术上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
27、以下通过实施例形式的具体实施方式，对本专利技术的上述内容再作进一步的详细说明。但不应将此理解为本专利技术上述主题的范围仅限于以下的实例。凡基于本专利技术上述内容所实现的技术均属于本专利技术的范围。
本文档来自技高网...【技术保护点】
1.一种基于多光谱成像技术的益母草化学成分含量预测模型的构建方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的方法，其特征在于：步骤1)所述多光谱成像技术成像的光谱图像的像素为2056×2056，分辨率为41μm/像素。
3.根据权利要求1所述的方法，其特征在于：所述光谱数据为叶片在光谱波长范围365～970nm的平均反射率。
4.根据权利要求1所述的方法，其特征在于：步骤2)采用PLSR算法进行训练的过程中通过R2、RMSE和RPD评估模型的预测性能，其中
5.根据权利要求1所述的方法，其特征在于：步骤3)所述贝叶斯优化算法来源于Hyperopt库。
6.根据权利要求1～5任一项所述的方法，其特征在于：所述益母草化学成分含量预测模型预测的是益母草叶片中的总生物碱和总黄酮的含量。
7.权利要求1～6任意一项所述的方法构建得到的益母草化学成分含量预测模型。
8.一种检测益母草中化学成分含量的方法，其特征在于：
9.一种用于实现权利要求8所述的检测益母草中化学成分含量的方法的系统，
10.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，所述计算机程序用于实现权利要求8所述的检测益母草中化学成分含量的方法。
...【技术特征摘要】
1.一种基于多光谱成像技术的益母草化学成分含量预测模型的构建方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的方法，其特征在于：步骤1)所述多光谱成像技术成像的光谱图像的像素为2056×2056，分辨率为41μm/像素。
3.根据权利要求1所述的方法，其特征在于：所述光谱数据为叶片在光谱波长范围365～970nm的平均反射率。
4.根据权利要求1所述的方法，其特征在于：步骤2)采用plsr算法进行训练的过程中通过r2、rmse和rpd评估模型的预测性能，其中
5.根据权利要求1所述的方法，其特征在于：步骤3)所述贝叶斯...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。