The invention discloses a traditional Chinese medicine identification method based on the deep neural network, which includes the following steps: using the web crawler and the artificial photograph to collect the Chinese medicinal materials as the input of the data set and preprocessing. The training and prediction process adopts the Bagging method of integrated learning, that is to use the random sampling method to produce multiple sub training. The classical convolution neural network model is used to train various sub training sets to generate a number of weak classifiers, and the convolution neural network models, including AlexNet, SqueezeNet and GoogleNet, are combined with the Softmax classification algorithm, and the integrated learning combination strategy is used to get the strong classifier, and the classification results are obtained. The integrated learning combination strategy adopts the voting method. The method is used to assist the identification of Chinese medicinal materials, reduce the errors of amateurs in recognition, and have high accuracy, fast recognition speed and stable performance analysis of Chinese medicinal materials.
【技术实现步骤摘要】
一种基于深度神经网络的中药材识别方法
本专利技术涉及图像识别和集成学习应用在中药材识别的
,具体涉及一种基于深度神经网络的中药材识别方法。
技术介绍
中医学以阴阳五行作为理论基础,将人体看成是气、形、神的统一体,通过“望闻问切”四诊合参的方法,探求病因、病性、病位、分析病机及人体五脏六腑、经络关节、气血津液的变化、判断邪正消长,进而得出病名,归纳出病症型,以辩证论治原则,制定“汗、吐、下、和、温、清、补、消”等治法,使用中药、针灸、推拿、按摩、拔罐、气功、食疗等多种治疗手段,使人体达到阴阳调和而康复。中药是常见而有效的治疗手段之一,在中医理论指导下用于预防、诊断、治疗疾病或调节人体机能的药物。多为植物药,也有动物药、矿物药及部分化学、生物制品类药物。中药材识别是每一个中医药从业者的必备技能,也是基于中医药传统文化的我国现代健康服务从业者必须要掌握的技能。从古至今,中医或者中医学徒都是从认识中药材了解其性状和功效开始其从事中医药职业生涯的,神农尝百草,就是人类历史上第一次系统性规模化地认识中草药以及了解和确定功效的学习与研究的过程。目前中药材的识别是专家根据知识和经验,或者图片比对而做出的判断。虽然人们对中医健康养生观念有热情高涨的追求,但因为大多数并非专业人士,对中药材方面知识十分匮乏;同时中药材种类繁多,市场鱼龙混杂,甚至很多采购人员都辨认不清。此外,因误识中药材而导致严重后果也很常见。图像识别一直以来都是计算机领域中一个重要且热门的研究方向。深度学习是近十几年来人工智能领域取得的最重要的突破之一,在语音识别、自然语言处理、计算机视觉、图像与视频分 ...
【技术保护点】
一种基于深度神经网络的中药材识别方法,其特征在于,所述的中药材识别方法包括如下步骤:S1、采集中药材图片作为数据集的输入,将采集的中药材图片进行预处理;S2、采用随机采样方法产生多个中药材子训练集;S3、利用卷积神经网络模型对各个中药材子训练集进行微调训练,生成多个中药材识别弱分类器;S4、采用集成学习组合策略得到中药材识别强分类器,得到中药材分类结果。
【技术特征摘要】
1.一种基于深度神经网络的中药材识别方法,其特征在于,所述的中药材识别方法包括如下步骤:S1、采集中药材图片作为数据集的输入,将采集的中药材图片进行预处理;S2、采用随机采样方法产生多个中药材子训练集;S3、利用卷积神经网络模型对各个中药材子训练集进行微调训练,生成多个中药材识别弱分类器;S4、采用集成学习组合策略得到中药材识别强分类器,得到中药材分类结果。2.根据权利要求1所述的一种基于深度神经网络的中药材识别方法,其特征在于,所述的步骤S1中通过网络爬虫和人工拍照方法采集中药材图片作为数据集的输入,然后对数量不均衡的中药材类别均衡化。3.根据权利要求1所述的一种基于深度神经网络的中药材识别方法,其特征在于,所述的步骤S2、步骤S3、步骤S4中的整体训练与预测过程采用集成学习之Bagging方法。4.根据权利要求1所述的一种基于深度神经网络的中药材识别方法,其特征在于,所述的步骤S2中随机采样方法采用自助采样法,通过自助采样法获得多个有差异性的子训练集。5.根据权利要求1所述的一种基于深度神经网络的中药材识别方法,其特征在于,所述的步骤S3中通过引入深度学习技术,利用卷积神经网络模型对各个中药材子训练集进行微调训练,生成多个中药材识别弱分类器,其中,所述的卷积神经网络模型包括AlexNet、SqueezeNet和GoogleNet。6.根据权利要求5所述的一种基于深度神经网络的中药材识别方法,其特征在于,所述的步骤S3中药材识别弱分类器采用卷积神经网络作特征提取以及采用Softmax分类器作分类,具体如下:对于T个子训练集,利用经典的卷积神经网络模型对各个子训练集进行微调训练,生成T个弱分类器;中药材图片作为输入,通过多个卷积层和下采样层输出特征图,其中,卷积层的公式如下:conv_output=f(WTx+b)其中f(*)代表激活函数,x代表输入数据,W和b代表参数,本发明采用ReLU激活函数,公式如下:f(x)=m...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。