基于微信小程序与深度学习技术的西洋参品鉴助手制造技术

本发明专利技术公开了一种基于微信小程序与深度学习技术的西洋参品鉴助手，包括有安装有微信客户端的移动设备、西洋参品鉴助手小程序终端和云端服务器分析平台；移动设备通过网络连接使用微信客户端，扫描二维码加载运行西洋参品鉴助手小程序终端，西洋参品鉴助手小程序终端调用移动设备的摄像头拍摄待识别的西洋参样本图像，并上传至云端服务器分析平台，云端服务器分析平台采用西洋参品鉴深度学习神经网络模型对待识别的西洋参样本图像进行等级鉴定，并将鉴定结果返回到移动终端，并在西洋参品鉴助手小程序终端显示分析结果。本发明专利技术实现了西洋参品质鉴定便携化、快速化、客观化，解决了非专业购买群体在购药时无具可用、无据可依的问题。

【技术实现步骤摘要】
基于微信小程序与深度学习技术的西洋参品鉴助手
本专利技术涉及名贵中药品质鉴定
，具体是一种基于微信小程序与深度学习技术的西洋参品鉴助手。
技术介绍
西洋参在保健品行业市场交易相当活跃、频繁。一些商家为了获为高额的非法利润，以次充好、以假乱真的现象极其严重，扰乱了市场秩序。当前用于中药鉴别的方法主要有经验鉴别、显微鉴别、理化分析鉴别、光谱成像分析鉴别等，这些方法都对鉴定人员的从业经验、职业习性有较强的依赖，要求鉴定人员具有相当深的理论基础与丰富的实战经验，且显微鉴别、理化分析鉴别、光谱成像分析鉴别设备不便携带，导致非专业购药群体无具可用、无据可依。
技术实现思路
本专利技术的目的在于为西洋参非专业购买群体提供一种基于微信小程序与深度学习技术的西洋参品鉴助手，实现西洋参品质鉴定便携化、快速化、客观化，解决非专业购买群体在购药时无具可用、无据可依的问题。本专利技术的技术方案如下：一种基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：包括有安装有微信客户端的移动设备、西洋参品鉴助手小程序终端和云端服务器分析平台；所述的移动设备通过网络连接使用微信客户端，扫描二维码加载运行所述西洋参品鉴助手小程序终端，所述西洋参品鉴助手小程序终端调用所述移动设备的摄像头拍摄待识别的西洋参样本图像，并上传至所述云端服务器分析平台，所述云端服务器分析平台采用西洋参品鉴深度学习神经网络模型对待识别的西洋参样本图像进行等级鉴定，并将鉴定结果返回到所述移动终端，并在西洋参品鉴助手小程序终端显示分析结果。所述的基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：所述的西洋参品鉴助手小程序终端的界面由拍照按键、图片预览区和结果显示区组成；其中，结果显示区可列出4个等级类别与置信度两项参数，并按置信度从高到低排列。所述的基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：所述的云端服务器分析平台包括有图像接收与预处理模块、深度神经网络分析模块和结果回送模块；所述图像接收与预处理模块的输出数据为所述深度学习神经网络分析模块的输入数据，其中，所述图像接收与预处理模块用于接收暂存所述移动设备上传的待识别西洋参样本图像并进行识别前预处理，其中预处理的内容包括：调整大小、数据通道交换、颜色通道的交换；所述的结果回送模块用于提取所述深度学习神经网络分析模块的分析结果数据，并整理为JSON格式经微信公众平台服务器转送至所述西洋参品鉴助手小程序终端。所述的基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：所述的西洋参品鉴深度学习神经网络模型的获得方法如以下步骤：步骤1、依据西洋参商品规格指标将西洋参划分为第一、二、三等级类别，并按上述三个等级类别搜集和标注西洋参样本图像，并搜集西洋参常见混淆品图像，将常见混淆品标注为第四等级类别，建立图像数据库，其中，每个等级类别的图像数据不低于1000幅；步骤2、图像数据样本的预处理，包括：将图像采用镜像旋转、缩放、光照模拟对图像数据库实现样本量扩增；统一缩放为256*256大小，并转化为LMDB格式数据；步骤3、创建由“图像路径与类别标签”形式的标签文本文件，打乱顺序排列标签文本文件中的“图像路径与类别标签”记录条，对每个等级类别的记录条，按5：1的比例抽取训练集与测试集；步骤4、采用Caffe深度学习框架，依据AlexNet模型的参数初始化预训练神经网络，并将分类的输出层神经元个数改为4个；采用步骤3得到的训练集对网络参数进行调优，并保存、输出西洋参品鉴深度学习神经网络模型；步骤5、在云端布署步骤4得到西洋参品鉴深度学习神经网络模型。所述的基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：所述的西洋参品鉴深度学习神经网络模型包括：输入层、卷积层1、2、3、4、5、池化层1、2、3、全连层1、2和Softmax输出层；所述的输入层、卷积层1、池化层1、卷积层2、池化层2、卷积层3、卷积层4、卷积层5、池化层3、全连层1、全连层2和Softmax输出层顺序相连，上一级的输出数据为下一级的输入数据；所述的输入层的每个输入图片的分变率大小为227*227，分RGB三个颜色维度输入；所述的卷积层1，其卷积核数量为96，每个卷积核的大小为11*11，卷积步幅为4；所述的池化层1，采用最大化池化方式，其池化范围为3*3，取样步长为2；所述的卷积层2，其卷积核数量为256，每个卷积核的大小为5*5，卷积组为2，扩充边缘为2；所述的池化层2，采用最大化池化方式，其池化范围为3*3，取样步长为2；所述的卷积层3，其卷积核数量为384，每个卷积核的大小为3*3，卷积组为2，扩充边缘为2；所述的卷积层4，其卷积核数量为384，每个卷积核的大小为3*3，卷积组为2，扩充边缘为2；所述的卷积层5，其卷积核数量为256，每个卷积核的大小为3*3，卷积组为2，扩充边缘为2；所述的池化层3，采用最大化池化方式，其池化范围为3*3，取样步长为2；所述的全连层1，其中本层的神经元个数为4096个，采用随机梯度下降的方式；所述的全连层2，其中本层的神经元个数为4096个，采用随机梯度下降的方式；所述的Softmax输出层，采用Softmax回归方式，神经元个数为4个，即与西洋参的4个等级类别相对应，其输出的值为待识别西洋参样本图像属于4个等级类别西洋参图像的概率值。本专利技术的有益效果：本专利技术为西洋参非专业购买群体提供一种基于微信小程序与深度学习技术的西洋参品鉴助手，实现了西洋参品质鉴定便携化、快速化、客观化，解决了非专业购买群体在购药时无具可用、无据可依的问题。附图说明图1为本专利技术系统结构框图。图2为本专利技术中西洋参品鉴助手小程序终端的界面图。图3为本专利技术中深度学习神经网络训练、识别分类流程图。图4为本专利技术中西洋参品鉴深度学习神经网络模型组成示意图。具体实施方式为了进一步说明本专利技术的技术方案及实施过程，结合图1、图2、图3、图4进行详细说明。参见图1、图2，本专利技术的一种基于微信小程序与深度学习技术的西洋参品鉴助手，包括有安装有微信客户端的安卓手机终端5、西洋参品鉴助手小程序终端1和云端服务器分析平台7；安卓手机终端5通过网络连接使用微信客户端，扫描二维码加载运行西洋参品鉴助手小程序终端1，西洋参品鉴助手小程序终端1调用安卓手机终端5的摄像头拍摄待识别的西洋参样本图像，并上传至云端服务器分析平台7，云端服务器分析平台7采用西洋参品鉴深度学习神经网络模型对待识别的西洋参样本图像进行等级鉴定，并将鉴定结果返回到安卓手机终端5，并在西洋参品鉴助手小程序终端1显示分析结果。西洋参品鉴助手小程序终端1的界面由拍照按键2、图片预览区3、结果显示区4组成；其中结果显示区4可列出4个等级类别与置信度两项参数，并按置信度从高到低排列。云端服务器分析平台7包括有图像接收与预处理模块8、深度神经网络分析模块9和结果回送模块10；图像接收与预处理模块8的输出数据是深度神经网络分析模块9的输入数据；其中，图像接收与预处理模块8用于接收暂存安卓手机终端5上传的待识别西洋参样本图像并进行识别前预处理，其中预处理的内容包括：调整大小、数据通道交换、颜色通道的交换；结果返回模块10用于提取深度神经网络分析模块10的分析结果数据，并整理为JSON格式经微信公众本文档来自技高网...

【技术保护点】
1.一种基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：包括有安装有微信客户端的移动设备、西洋参品鉴助手小程序终端和云端服务器分析平台；所述的移动设备通过网络连接使用微信客户端，扫描二维码加载运行所述西洋参品鉴助手小程序终端，所述西洋参品鉴助手小程序终端调用所述移动设备的摄像头拍摄待识别的西洋参样本图像，并上传至所述云端服务器分析平台，所述云端服务器分析平台采用西洋参品鉴深度学习神经网络模型对待识别的西洋参样本图像进行等级鉴定，并将鉴定结果返回到所述移动终端，并在西洋参品鉴助手小程序终端显示分析结果。

【技术特征摘要】
1.一种基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：包括有安装有微信客户端的移动设备、西洋参品鉴助手小程序终端和云端服务器分析平台；所述的移动设备通过网络连接使用微信客户端，扫描二维码加载运行所述西洋参品鉴助手小程序终端，所述西洋参品鉴助手小程序终端调用所述移动设备的摄像头拍摄待识别的西洋参样本图像，并上传至所述云端服务器分析平台，所述云端服务器分析平台采用西洋参品鉴深度学习神经网络模型对待识别的西洋参样本图像进行等级鉴定，并将鉴定结果返回到所述移动终端，并在西洋参品鉴助手小程序终端显示分析结果。2.根据权利要求1所述的基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：所述的西洋参品鉴助手小程序终端的界面由拍照按键、图片预览区和结果显示区组成；其中，结果显示区可列出4个等级类别与置信度两项参数，并按置信度从高到低排列。3.根据权利要求1所述的基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：所述的云端服务器分析平台包括有图像接收与预处理模块、深度神经网络分析模块和结果回送模块；所述图像接收与预处理模块的输出数据为所述深度学习神经网络分析模块的输入数据，其中，所述图像接收与预处理模块用于接收暂存所述移动设备上传的待识别西洋参样本图像并进行识别前预处理，其中预处理的内容包括：调整大小、数据通道交换、颜色通道的交换；所述的结果回送模块用于提取所述深度学习神经网络分析模块的分析结果数据，并整理为JSON格式经微信公众平台服务器转送至所述西洋参品鉴助手小程序终端。4.根据权利要求1所述的基于微信小程序与深度学习技术的西洋参品鉴助手，其特征在于：所述的西洋参品鉴深度学习神经网络模型的获得方法如以下步骤：步骤1、依据西洋参商品规格指标将西洋参划分为第一、二、三等级类别，并按上述三个等级类别搜集和标注西洋参样本图像，并搜集西洋参常见混淆品图像，将常见混淆品标注为第四等级类别，建立图像数据库，其中，每个等级类别的图像数据不低于1000幅；步骤2、图像数据样本的预处理，包括：将图像采用镜像旋转、缩放、光照模拟对图像数据库实现样本量扩增；统一缩放为256*256大小，并转化为LMDB格式数据；步骤3、创建由“图像路径与类...

【专利技术属性】
技术研发人员：张喜红，王玉香，方成武，刘耀武，徐德明，马凯，
申请(专利权)人：亳州职业技术学院，
类型：发明
国别省市：安徽,34