1.一种基于短波红外的多光谱融合中药材智能成像分拣机器人，其特征在于，包括短波红外探测器(1)、红外耦合镜头(2)、中药材智能切换滤光轮盘(3)、滤光片遮光板(4)、连续谱红外光源灯阵(5)、节拍对准传送带(6)、药材分拣机械臂(7)、虚拟仪器智慧决策中心(8)和MEMS光谱探头(10)；

所述虚拟仪器智慧决策中心(8)用于实现红外光谱特征识别，以及控制分拣机器人各组件运动，包括如下步骤：

步骤1，根据MEMS光谱探头(10)采集已知成分的中药材，并对问题中药材打上特征标签；根据中药材红外特征峰强度选择六个红外波长滤光片，并拟合出多波长融合时每个中药材标签识别决策权重；

步骤2，选用步骤1取得的六个红外波长滤光片组成中药材智能切换滤光轮盘(3)，利用短波红外探测器(1)采集打上标签的中药材的光谱信号并成像，形成中药材的光谱图像的数据集，在六个红外波长下，利用中药材的光谱图像的数据集，通过yolov8模型训练得到已知成分的中药材标签特征，形成六个红外波长的多光谱识别用onnx中药材成分库；

步骤3，分拣未知成分中药材药包时，节拍对准传送带(6)将中药材包依次送入入光口(9)下方，基于入光口(9)处的波长信息，并参照所述波长信息下，存储在六个红外波长的多光谱识别用onnx中药材成分库中的各中药材标签数据，对每包药材进行动态识别，动态识别出各波长通道下各中药材标签的置信度；

步骤4，虚拟仪器智慧决策中心(8)结合步骤1得到的中药材标签识别决策权重，对步骤

3得到的置信度进行融合，得到未知成分中药材包中的药材成分与质量；控制节拍对准传送带(6)，把配药错误，以及存在霉变和坏心质量问题的中药材包传送至药材分拣机械臂(7)拣出交人工处理；正常药包送入指定出药区，并运送下一包待分拣中药材至入光口(9)下方进行检测。

2.根据权利要求1所述的一种基于短波红外的多光谱融合中药材智能成像分拣机器人，其特征在于，所述中药材智能切换滤光轮盘(3)包括入光口(9)；

所述红外耦合镜头(2)的物镜嵌入在中药材智能切换滤光轮盘(3)的入光口(9)。

3.根据权利要求2所述的一种基于短波红外的多光谱融合中药材智能成像分拣机器人，其特征在于，所述连续谱红外光源灯阵(5)倾斜30°集成在滤光片遮光板(4)下方，通过MEMS光谱探头(10)采集样本的初步光谱数据，传递给虚拟仪器智慧决策中心(8)，虚拟仪器智慧决策中心(8)分析样本的光谱特征，并通过光谱特征图的峰值初步预测出一个最佳的波长区间和相应的滤光片，随后，基于对中药材成分的进一步识别与分析，虚拟仪器智慧决策中心(8)确定所需的精确波长，并指示中药材智能切换滤光轮盘(3)将匹配的滤光片准确切换至入光口(9)。

4.根据权利要求3所述的一种基于短波红外的多光谱融合中药材智能成像分拣机器人，其特征在于，由红外耦合镜头(2)的目镜上方的短波红外探测器(1)采集中药材当前红外波段信号。

5.根据权利要求4所述的一种基于短波红外的多光谱融合中药材智能成像分拣机器人，其特征在于，所述短波红外探测器(1)是640×512阵列式的红外探测器，短波红外探测器(1)中的每个短波红外探测像素都能够利用中药材智能切换滤光轮盘(3)的滤光片，采集中药材的多光谱特征信号；虚拟仪器智慧决策中心(8)用于将所有像素组合，实现中药材成分扫描，构建中药材红外特征形状的空间光谱成像。

6.根据权利要求5所述的一种基于短波红外的多光谱融合中药材智能成像分拣机器人，其特征在于，待分拣的下一包中药材在得到虚拟仪器智慧决策中心(8)的口令后，通过节拍对准传送带(6)传送至入光口(9)下方，中药材的红外光谱特征信号经入射口进入红外耦合镜头(2)的物镜，并被短波红外探测器(1)采集实现红外光谱成像；虚拟仪器智慧决策中心(8)控制中药材智能切换滤光轮盘(3)均匀运动，虚拟仪器智慧决策中心(8)根据切换至入光口(9)处滤光片的波长，实时切换所述波长的光谱深度学习onnx库，给出多光谱融合的中药材成分和质量信息，并发出节拍对准传送带(6)检测下一包中药材的口令，同时为药材分拣机械臂(7)分配分拣标记指令。

7.根据权利要求6所述的一种基于短波红外的多光谱融合中药材智能成像分拣机器人，其特征在于，步骤4包括：

MEMS光谱探头(10)采集不同中药材1100nm到1700nm波长范围内的红外光谱数据，所述红外光谱数据中，横坐标为波长，纵坐标为反射率；通过非线性映射将红外光谱数据映射到高维特征空间，并寻找一个最优超平面的空间，以获取不同类别的中药材空间光谱信息，中药材标签识别决策权重向量w的表达式为：w＝[w1,w2,..,wm]

其中，向量中的元素代表的每个短波红外波长对中药材识别的贡献权重，m代表的红外波长的波段数；wm表示m波段短波红外波长对中药材识别的贡献权重。

8.根据权利要求7所述的一种基于短波红外的多光谱融合中药材智能成像分拣机器人，其特征在于，步骤4中，k波段短波红外波长对中药材识别的贡献权重wk的计算公式为：其中，k取值为1～m，n表示中药材光谱数据集中药材样本的个数，αi表示的是第i个中药材样本的拉格朗日乘子，xik表示第i个中药材样本在k波段短波红外下的光谱特征比率，yi表示第i个中药材类别标签。

9.根据权利要求8所述的一种基于短波红外的多光谱融合中药材智能成像分拣机器人，其特征在于，入光口(9)的对应波长下各中药材的光谱深度学习onnx库需要与机械装置的中药材智能切换滤光轮盘(3)同步，即旋转至入光口(9)的中药材智能切换滤光轮盘(3)里的滤光片波长与虚拟仪器智慧决策中心(8)里光谱深度学习onnx库波长相同。