[发明专利]检测中药药性的方法、装置、计算机设备和存储介质

权利要求书

1.一种检测中药药性的方法，其特征在于，所述方法包括：

基于代谢组学方法采集待检测中药的待测样本，所述待测样本是基于待检测中药得到的生物体的代谢物；

对所述待检测中药的待测样本进行拉曼光谱检测，获取所述待检测中药的拉曼光谱数据；

采用中药药性分类检测模型识别所述拉曼光谱数据，得到所述待检测中药的药性类别，所述药性类别包括寒性、热性、温性、凉性以及平性中的任一种，所述中药药性分类检测模型是基于每一种药性类别下中药样品的检测样本集对应的拉曼光谱样本数据集对深度学习分类模型进行训练后得到的，所述检测样本集是基于同一种药性类别下的多个中药样品分别得到的生物体的代谢物的集合。

2.根据权利要求1所述的方法，其特征在于，所述中药药性分类检测模型的构建方法包括：

基于代谢组学方法采集每一种药性类别下第一中药样品的检测样本集，所述检测样本集中包括同一种药性类别下多个第一中药样品的检测样本；

对所述检测样本集中每一个检测样本分别进行拉曼光谱检测，得到对应的拉曼光谱样本数据；

获取每一种药性类别下第一中药样品的检测样本集对应的拉曼光谱样本数据集；

根据每一种药性类别下对应的拉曼光谱样本数据集训练深度学习分类模型，得到所述中药药性分类检测模型。

3.根据权利要求2所述的方法，其特征在于，所述根据每一种药性类别下对应的拉曼光谱样本数据集训练深度学习分类模型，得到所述中药药性分类检测模型，包括：

对每一种药性类别下对应的拉曼光谱样本数据集进行标准化处理，得到对应的标准正态分布曲线；

基于每一种药性类别下对应的拉曼光谱样本数据集以及标准正态分布曲线，训练深度学习分类模型，得到所述中药药性分类检测模型。

4.根据权利要求2所述的方法，其特征在于，所述根据每一种药性类别下对应的拉曼光谱样本数据集训练深度学习分类模型之后，所述方法还包括：

采用拉曼光谱样本数据验证集对训练后的深度学习分类模型进行验证，得到验证结果；

根据所述验证结果更新训练后的深度学习分类模型的模型参数，得到所述中药药性分类检测模型。

5.根据权利要求4所述的方法，其特征在于，所述采用拉曼光谱样本数据验证集对训练后的深度学习分类模型进行验证，包括：

根据每一种药性类别下对应的拉曼光谱样本数据集，确定每一种药性类别下对应的拉曼光谱样本数据验证集；

基于每一种药性类别下对应的拉曼光谱样本数据验证集，对训练后的深度学习分类模型进行验证。

6.根据权利要求4所述的方法，其特征在于，所述采用拉曼光谱样本数据验证集对训练后的深度学习分类模型进行验证，包括：

基于代谢组学方法采集每一种药性类别下第二中药样品的验证样本集，所述验证样本集中包括同一种药性类别下多个第二中药样品的验证样本，所述第二中药样品与所述第一中药样品不同；

对所述验证样本集中每一个验证样本分别进行拉曼光谱检测，得到对应的拉曼光谱样本验证数据；

获取每一种药性类别下第二中药样品的验证样本集对应的拉曼光谱样本数据验证集；

根据每一种药性类别下对应的拉曼光谱样本数据验证集，对训练后的深度学习分类模型进行验证。

7.根据权利要求1所述的方法，其特征在于，所述对所述待检测中药的待测样本进行拉曼光谱检测，包括：

在设定的拉曼光谱检测环境下对所述待检测中药的待测样本进行拉曼光谱检测，所述设定的拉曼光谱检测环境包括设定的激光波长、激光功率、光谱分辨率、积分时间以及积分次数。