关键词： 苍术   气相色谱-质谱联用   指纹图谱   化学计量学   质量评价   化学模式识别  

摘要： 目的建立不同种类苍术的气相色谱-质谱联用(gas chromatography-mass spectrometry,GC-MS)指纹图谱,并结合化学计量学方法评价苍术药材的质量。方法色谱条件为HP-5MS毛细管色谱柱(30 m×0.25 mm,0.25μm),采用程序升温,质谱条件为电子轰击电离(electron impact ionization,EI)离子源,电子能量为70 eV,在GC-MS图谱的基础上采用中药色谱指纹图谱相似度评价系统及聚类分析、主成分分析进行化学模式识别方法分析。结果通过指纹图谱相似度发现,43批苍术药材的GC-MS指纹图谱中发现17个共有峰及5个差异峰,不同品种苍术组内相似度均达到0.823。指纹图谱可以区分不同品种苍术,聚类分析与主成分分析的结果一致,且共有模式也能区分茅苍术、北苍术和关苍术。结论建立的苍术药材质量评价方法操作简便,重复性好,结果可靠,可用于苍术药材的质量控制和评价。

关键词： 测斜机器人   物联网   变形模式   卷积神经网络   大坝边坡  

摘要： 针对大坝边坡深部位移监测的自动化需求,开发了一种基于物联网的钻孔测斜机器人系统,并创新性地结合一维卷积神经网络模型(1D CNN)实现边坡变形模式的智能预测。通过自主研发的硬件主控板,实现了测斜仪的自动化控制及数据的实时采集和传输。基于采集的深部位移数据,1D CNN模型自动提取曲线特征并进行分类,识别出多种变形模式(如变形稳定、剪切滑动等),从而对边坡变形趋势进行智能化预测,有效支持地质灾害预警。试验表明,测斜机器人在A、B向的测量精度分别达±0.82、±1.04 mm/30 m,且1D CNN模型在曲线分类上表现优异。该系统通过高精度监测与自动化分析,显著提升了大坝边坡的监测效率和预警水平,具备广泛应用的潜力。

关键词： 局部放电   模式识别   故障诊断   Stacking集成学习   深度学习   机器学习  

摘要： 针对现有方法对局部放电(Partial Discharge,PD)故障类型诊断依赖单一分类模型、难以学习到数据多种特征空间的表达和识别精度受限的问题,提出一种改进的基于Stacking集成多模型的PD故障诊断方法。模型的基学习器和元学习器分别由基于深度学习模型的1DCNN-ResNet与基于机器学习模型的XGBoost、RandomForest和SVM构建而成。实验结果表明,综合多个差异化单类模型优势的Stacking集成模型在开源PD数据集上达到97.77%的故障识别准确率,所得结果优于单分类模型,表明该方法在PD故障类型诊断中具有较高的应用价值。

关键词： 乳康系列制剂   指纹图谱   气相色谱法   化学模式识别   质量评价  

摘要： 目的:建立乳康系列制剂气相色谱法指纹图谱。方法:采用Agilent HP-Innowax色谱柱(30 m×0.32 mm,0.25μm)和氢火焰离子化检测器,以氮气为载气,程序升温模式,建立42批乳康系列制剂的指纹图谱,结合相似度评价、聚类分析(CA)、主成分分析(PCA)和正交偏最小二乘法-判别分析(OPLS-DA),分析乳康系列制剂的质量。结果:确定了29个共有峰,各剂型间的相似度在0.75以上,各剂型内的相似度在0.90以上。CA将42批样品按剂型分为4类,PCA、OPLS-DA结果与CA一致,并筛选出乳康系列制剂的差异性成分共13个峰,其中8号峰指认为莪术酮。结论:建立的方法简便、可靠,可为乳康系列制剂的质量控制提供参考。

关键词： 三七   炮制   蒸三七   油炸三七   高效液相色谱  

摘要： 目的建立一种三七不同炮制品中多成分含量测定及化学模式识别方法,探讨不同炮制方法对三七质量的影响。方法采用HPLC法测定生三七、蒸三七及油炸三七中5种皂苷类成分的含量。结合聚类分析研究三七不同炮制品间有效成分的差异性。结果12批三七经蒸制或油炸后,三七皂苷R_(1)、人参皂苷Rg_(1)、人参皂苷Re、人参皂苷Rb_(1)、人参皂苷Rd含量发生显著变化。聚类分析可以将不同炮制三七进行区分。结论多成分定量结合化学模式识别可用于三七不同炮制品的质量控制,为三七炮制工艺优化及质量评价提供参考。

关键词： 自然语言处理   人工智能   群体智能   智能计算   模式识别   智能系统   因果推理   多智能体  

摘要： 2025年将特别关注大模型、人工智能、物联网、区块链、量子计算、大数据、隐私安全保护等技术的融合应用。本年度组稿包括但不仅限于以下方向:人工智能:大模型、多视图/多模态学习、统计学习、联邦学习、稳定学习、终身学习、跨模态内容生成、大数据智能、混合增强智能、群体智能、因果推理、类脑智能计算、量子智能计算、智能机器感知与模式识别、自然语言处理与理解、机器人与智能系统、多智能体协同、自主协同控制与优化决策、人工智能艺术创作。

关键词： 10kV配电网   通信技术   故障诊断   模式识别   故障定位  

摘要： 10kV配电网是电力系统的核心部分,运行特性复杂,容易受到短路、接地故障及设备老化等问题的影响。传统方法难以满足现代配电网对故障诊断的高效性和精准性的需求。文章围绕10 kV配电网特点,研究基于通信技术的智能故障诊断系统,提出一种集数据采集、处理、模式识别与故障定位于一体的系统框架。利用传感器和高效通信网络实现多节点数据的实时采集和传输,引入小波变换与动态时间规整技术优化故障数据处理,结合支持向量机(SupportVectorMachine,SVM)与线性判别分析算法完成故障模式分类,设计行波和阻抗法双重定位机制提升故障定位精度。实验结果验证系统在诊断准确率、响应时间和误报率上的优越性,为10 kV配电网的故障诊断提供可靠的技术支持。

关键词： 生脉颗粒   指纹图谱   相似度   层次聚类分析   主成分分析   正交偏最小二乘法–判别分析  

摘要： 目的建立生脉颗粒HPLC指纹图谱和化学模式识别方法评价其质量。方法采用HPLC法建立10批生脉颗粒的指纹图谱,计算相似度,确定共有峰,进行层次聚类分析和主成分分析,并结合正交偏最小二乘–判别分析进行模式识别,筛选影响生脉颗粒质量的差异性成分。结果确定了16个共有峰,指认了5个色谱峰,各批次相似度均大于0.940。10批生脉颗粒样品分为3类,3个主成分的累积方差贡献率为93.481%;6个峰所对应的成分可能是导致不同批次之间生脉颗粒样品质量差异的主要标志物。结论建立的HPLC指纹图谱与化学模式识别方法相结合可对生脉颗粒的质量进行综合评价。

关键词： 中药材   模式识别   自动   中药药材学   应用程序   人工智能   PyQt5   卷积神经网络  

摘要： 背景传统中药材检测手段依赖主观经验,难以满足中药材在准确分类与鉴别方面的需求。目的基于卷积神经网络(CNN)开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法2020年1月—2024年6月,采集了两个中药材数据集进行深度学习模型的训练、验证和测试,共包含163种中药材。通过准确率、灵敏度、特异度、精确率、受试者工作特征(ROC)曲线下面积(AUC)、F1分数等指标来衡量CNN模型的性能。在模型训练完成后,基于PyQt5技术开发了一款应用程序,供临床便携使用。结果本研究共纳入了276767张图像,开发了EfficientNetB0、ResNet50、MobileNetV3、VGG19和ResNet185种模型,通过性能比较,EfficientNet_B0模型在验证集上取得了最高的准确率(99.0%)和AUC(0.9942),被选为最佳模型。在测试集上,最佳模型对所有中药类别识别的准确率为99.0%、灵敏度为99.0%、特异度为100.0%、AUC为1.0,展现出良好的性能。结论基于卷积神经网络开发的深度学习模型能够快速准确地识别163种中药材,借助其高灵敏度的识别能力,为医师对中药材的鉴别提供有力辅助。

关键词： 黄芩   HPLC   微波炮制   酒黄芩   酒蜜黄芩   指纹图谱   化学模式识别  

摘要： 目的建立不同产地黄芩及其炮制品的HPLC指纹图谱及多成分含量测定方法,并结合化学模式识别,为黄芩炮制机制提供理论依据。方法采用Waters e2695高效液相色谱仪建立黄芩及其炮制品的指纹图谱并进行4种成分的含量测定,通过化学模式识别分析评价其质量差异,寻找质量差异性的主要成分。结果建立了不同产地生黄芩、微波酒黄芩、微波酒蜜黄芩的HPLC指纹图谱,指认了黄芩苷、汉黄芩苷、黄芩素、汉黄芩素4个黄酮类化学成分。通过聚类分析(HCA)聚为3类、主成分分析(PCA)提取了2个主成分、正交偏最小二乘判别分析(OPLS-DA)有效将3种饮片明显区分,推测黄芩苷、汉黄芩苷2个成分为黄芩炮制前后的质量差异标志物。结论结果准确可靠,为进一步提高黄芩和炮制品的质量标准提供了数据依据。