1.一种中药提取工艺智能优化系统，其特征在于，包括：

多模态原料感知模块：用于对新批次黄连须根粉末进行M次扫描采集，平均处理后获取黄连须根粉的实时水分含量、实时小檗碱近似含量、实时细度指数和实时成分变化率，形成多模态特征向量；

规则与参数自适应生成模块：定义分级规则数据库包括静态规则库和动态规则库，并对每个规则的权重进行自适应调整；

其中，预构建静态数据库，动态规则库基于数据池生成，通过对数据池的特征进行对比模拟和判断，生成新的规则；基于冲突模拟检查判断规则之间是否存在冲突，并判断冲突的严重程度，对于严重冲突，采用分级仲裁机制进行冲突消解；

生产应用模块：将新批次黄连须根粉末的多模态特征向量输出到分级规则数据库中，获取最优工艺参数集，并下发至提取设备执行。

2.根据权利要求1所述的一种中药提取工艺智能优化系统，其特征在于，所述多模态原料感知模块的具体实现方法包括：在生产线起始端，集成近红外光谱探头和高分辨率工业相机；

其中，近红外光谱探头用于检测黄连须根粉末的实时水分含量和实时小檗碱近似含量；在工业相机上部署图像处理算法，用于分析黄连须根粉末的粒度分布和颜色特征，进而获取实时细度指数和实时成分变化率；

将同一批次黄连须根粉末的检测数据水平拼接，形成多模态特征向量[实时水分含量，实时小檗碱近似含量，实时细度指数，实时成分变化率]。

3.根据权利要求2所述的一种中药提取工艺智能优化系统，其特征在于，所述预构建静态数据库的方法包括：获取原料参数的基本值，包括水分含量基本值M_sd、小檗碱近似含量基本值B_sd、细度指数基本值S_sd和成分变化率基本值C_sd；

静态规则库包括规则1、规则2、规则3和规则4；

规则1：若实时水分含量＞M_sd，则工艺参数优化为：电场强度效应值+=权重a×因子a×（实时水分含量‑M_sd）；

规则2：若实时小檗碱近似含量＜B_sd，则工艺参数优化为：温度效应值+=权重b×因子b×（实时小檗碱近似含量‑B_sd）；

规则3：若实时细度指数＞S_sd，则工艺参数优化为：脉冲宽度效应值+=权重c×因子c×（实时细度指数‑S_sd）；

规则4：若实时成分变化率＞C_sd，则工艺参数优化为：温度效应值+=权重b×因子d×成分变化率，且脉冲宽度效应值+=权重c×因子e×成分变化率；

其中，+=表示增量更新，权重a、权重b和权重c分别表示电场强度、温度和脉冲宽度对应的权重，初始权重值均赋值为1；因子a、因子b、因子c、因子d和因子e是一个预设系数，包括方向和数值。

4.根据权利要求3所述的一种中药提取工艺智能优化系统，其特征在于，所述动态规则库基于数据池生成，通过对数据池的特征进行对比模拟和判断，生成新的规则，方法包括：预构建一个空白的动态规则库，定义该规则库中的规则格式与静态规则库中的相同，包括触发条件和工艺参数优化动作；

持续将每一批次的生产数据存入历史数据库，形成全局数据池，定期从数据池中提取最近F个批次的生产数据进行分析，生产数据包括每个批次黄连须根粉末的多模态特征向量、过程参数向量[电场强度效应值，温度效应值，脉冲宽度效应值]和实际的小檗碱提取率；

基于数据池，自动生成交互项特征和多项式特征；

对数据池进行扫描，且扫描过程中的数据均在限制范围内；

设定目标为寻找共同出现且与高提取率或低能耗有强关联的数据组合；将数据组合转化为候选规则；

将每一个候选规则重新应用于数据池，模拟执行该规则时的小檗碱提取率，通过对比模拟的小檗碱提取率与实际的小檗碱提取率，计算该候选规则的置信度和提升度，若置信度和提升度均高于预期阈值，则表示该候选规则生效，并加入动态规则库中；

每个加入的规则被赋予的初始权重，初始权重基于置信度进行设计。

5.根据权利要求4所述的一种中药提取工艺智能优化系统，其特征在于，所述分级规则数据库在使用前，进行冲突模拟检查，给定一个多模态特征向量，模拟触发所有规则；

针对每个工艺参数，分组统计触发的规则，即包括：

读取每个参数的效应值方向，如果存在至少两条规则的方向相反，则标记为方向冲突；

计算效应值幅值差异，如果同一方向上多条规则的效应值幅度差异超过幅度阈值，则标记为幅度冲突；

当识别到冲突，计算冲突影响分数，若冲突影响分数大于冲突阈值，则视为严重冲突，需要进行冲突消解。

6.根据权利要求5所述的一种中药提取工艺智能优化系统，其特征在于，所述冲突消解采用分级仲裁机制，优先使用权重仲裁，如果无法消解冲突，则回退到平均融合，如果无法消解冲突，则回退到优先级排序；

其中，权重仲裁为：对于存在冲突的规则，按权重降序排序，将前N%的规则作为高权重规则，则最终效应值=高权重规则的效应值乘以其权重之和/高权重规则的权重之和；

平均融合为：当所有冲突规则的权重差异小于M%，则最终效应值=所有效应值乘以权重之和/权重之和，并判断最终的工艺参数是否在限制范围内，如果不在，则标记为无法消解冲突；

优先级排序为：静态规则库预设优先级，按优先级顺序应用规则，直到冲突消除；

其中，定义每个工艺参数的边界作为限制范围。

7.根据权利要求6所述的一种中药提取工艺智能优化系统，其特征在于，所述对每个规则的权重进行自适应调整的方法包括：每个批次生产完成后，计算实际提取率与预估提取率的绝对偏差，若绝对偏差小于偏差阈值，将其权重微幅增加，若绝对偏差不小于偏差阈值，则启动归因分析。

8.根据权利要求7所述的一种中药提取工艺智能优化系统，其特征在于，所述归因分析的方法包括：在生成最终的工艺参数时，每个被触发的规则都会产生一个效应值，该规则对最终的工艺参数的贡献度定义为该规则的效应值在总调整量中的比例，总调整量是指所有被触发规则对应工艺参数的效应值总和；

将绝对偏差按照贡献度分配给各个对应被触发的规则；

对于每个规则，如果规则建议的工艺参数调整与提取率一致，判定方向相同；否则，判定方向相反；

基于分配到的贡献度和方向，权重调整量为ΔW=η×sign(方向)×贡献度比例×绝对偏差，其中，η是学习率，sign(方向)根据方向判定结果赋值，若sign(方向相同)=+1，若sign(方向相反)=‑1，则更新后的权重=调整前的权重+ΔW。

9.根据权利要求8所述的一种中药提取工艺智能优化系统，其特征在于，所述获取最优工艺参数集的方法包括：最终的工艺参数=标准工艺参数+效应值，将所有的最终的工艺参数组成集合，记为最优工艺参数集，即，最优工艺参数集包括最终的电场强度、温度和脉冲宽度；

预估一个黄连须根粉末的提取液浓度范围，并将其发送给连续离交‑SMB纯化设备，据此预先调整色谱柱的切换时间或洗脱流速。

10.一种中药提取工艺智能优化方法，用于实现上述权利要求1‑9任一项所述的一种中药提取工艺智能优化系统，其特征在于，包括：S1：构建分级规则数据库，包括静态规则库，和通过数据池分析生成的动态规则库；

S2：对分级规则数据库进行冲突模拟检查，计算冲突影响分数，若大于阈值，则采用分级仲裁消解冲突；

S3：计算实际提取率与预估提取率的绝对偏差，若小于阈值，微幅增加相关规则权重，否则启动归因分析；

S4：对新批次黄连须根粉末进行M次扫描采集，生成多模态特征向量；

S5：将多模态特征向量输入分级规则数据库，生成最优工艺参数集，下发至提取设备执行。