在医学上药用植物被定义为用于防病、治病的植物。随着医学和农学的发展，药用植物逐渐成了栽培植物，但在栽培过程中，易发生品种混杂，因此对于药用植物的无损鉴别有着重要意义。

潜在应用研究实例：以林下山参和园参为研究对象，将采集的多光谱信息和图像预处理后，结合形态学以及主成分-马氏距离法建立分析模型，正确判别率较高。可将采集到的卷柏属药用植物的多光谱信息，取平均后转换为一阶导数光谱，结合形态学图像，再进行聚类，可鉴定卷柏属药用植物品种。还可将基于聚类分析和 PCA的模式识别法结合多光谱参数用于鉴别虎掌南星和天南星，结果准确可靠。菟丝子易与同属药材南方菟丝子、金灯藤等发生混淆，可以它们为材料，采用多光谱漫反射光谱结合移动窗口偏较小二乘法进行 PCA，对菟丝子及其同属混淆药材进行了鉴定。针对铁棍山药与白玉山药经加工处理后难以鉴别这一问题进行了研究，在特定波 段下对样品多光谱进行二阶导数和矢量归一化处理,聚类后得到树状图，基于聚类分析的多光谱技术能准确、快速的将铁棍山药和白玉山药进行分类。姜黄、白皮等与三七长得较为相似，很多不法药商经常用这些伪品冒充三七出售，为了将它们区分开，可将采集的多光谱用矢量归一加二阶导数法处理后，采用因子化法建立鉴别模型，方法准确有效，基于这一组合的多光谱研究方法准确性非常高，可应用在人工牛黄、蒲黄、黄芩等的鉴定研究上。

   利用多光谱成像系统建模方法探究除了在不同药用植物上进行了多光谱品种的鉴定外，研究方法上也做了进一步的探索。可将多光谱法与ANN相结合，对几十个不同品种的大黄样品进行了测定和鉴别，正确识别率可较过达95%。为了提高准确性，进一步完善以上方法，将收集到的多光谱用 WT 进行压缩，再采用 ANN 建模分析，品种正确识别率较高。为了达到较高的准确性，将基于 多光谱结合高木-关野模糊系统用于了大黄品种的鉴定，高木-关野模糊系统是具有一些模糊逻辑特性的系统，它是由基于若干反向传播神经网络组成，结果表明，高木-关野模糊系统优于通用的 BP 网络，鉴定正确率可达100%。将基于多光谱结合支持向量机(SVM)分析法进行了不同品种和不同产地的大黄样品的鉴定，品种正确识别率较过98%，他将此结果与基于神经网络的 NIRS 分析法进行了比较，发现 SVM 较适合大黄的鉴定。

除以上探索外，还可通过采集西洋参和人参主根横断面的多光谱，从形态物理和多光谱特征物理因素和化学因素几个个方面进行光谱分析，方法是选定原始光谱的特定波段分别进行物理因素主导建模、化学因素主导建模、理化因素综合建模 3 种模型，由物理因素主导建立的模型识别率相对较低，由化学因素主导建立的模型识别率较高，但数据处理复杂。综合考虑下理化因素综合模型用于西洋参和人参品种鉴定效果较优。