This disclosure provides a tongue coating image recognition method and system based on depth learning algorithm, obtains the original tongue image, standardizes it, encodes and normalizes it to form the data to be detected, and constructs a data set including training set and verification set; builds a depth convolution neural network, and trains the built depth convolution neural network with training set. The test data are identified and classified by using the trained deep convolution neural network. The present disclosure significantly improves the accuracy and convenience of tongue coating image recognition.
【技术实现步骤摘要】
基于深度学习算法的舌苔图像识别方法及系统
本公开涉及一种基于深度学习算法的舌苔图像识别方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,不必然构成在先技术。现有的舌苔辨识要求医生在根据自己的知识、经验用肉眼观察,并在较短时间内得出结论,其结果必然受到医生的思维方式和知识水平限制,也必然与光照条件等客观因素影响,存在误差和不及时的问题。
技术实现思路
本公开为了解决上述问题,提出了一种基于深度学习算法的舌苔图像识别方法及系统,本公开通过使用深度学习算法,搭建一个对舌苔图像识别并分类的模型。利用该模型能够更加准确地识别舌苔图像,实现对已训练的不同舌苔图像,包括正常舌苔与不正常舌苔进行自我识别的优点,提高了舌苔图像的识别率。根据一些实施例,本公开采用如下技术方案:一种基于深度学习算法的舌苔图像识别方法,包括以下步骤:(1)获取舌头的原始图像,对其进行标准化,并进行编码、归一化处理形成待检测数据,并构建包含训练集与验证集的数据集;(2)搭建深度卷积神经网络,利用训练集对搭建的深度卷积神经网络进行训练,并利用验证集进行验证;(3)利用训练后的深度卷积神经网络对测试数据进行识别分类。作为进一步的限定,所述步骤(1)中,使用PH试纸或者标准比色卡放置于舌头旁边,以提供标准参考系。作为进一步的限定,所述步骤(1)中,拍摄图像时,利用拍摄设备拍摄舌头与PH试纸或标准比色卡的照片,将已确定的标准化舌苔类别图像人工分类分别放入对应的目录中。作为进一步的限定,所述步骤(1)中,对已经确认过的舌苔图像进行编码,按照健康和不健康,分成两类,构建训练集与验证集,训 ...
【技术保护点】
1.一种基于深度学习算法的舌苔图像识别方法,其特征是:包括以下步骤:(1)获取舌头的原始图像,对其进行标准化,并进行编码、归一化处理形成待检测数据,并构建包含训练集与验证集的数据集;(2)搭建深度卷积神经网络,利用训练集对搭建的深度卷积神经网络进行训练,并利用验证集进行验证;(3)利用训练后的深度卷积神经网络对测试数据进行识别分类。
【技术特征摘要】
1.一种基于深度学习算法的舌苔图像识别方法,其特征是:包括以下步骤:(1)获取舌头的原始图像,对其进行标准化,并进行编码、归一化处理形成待检测数据,并构建包含训练集与验证集的数据集;(2)搭建深度卷积神经网络,利用训练集对搭建的深度卷积神经网络进行训练,并利用验证集进行验证;(3)利用训练后的深度卷积神经网络对测试数据进行识别分类。2.如权利要求1所述的一种基于深度学习算法的舌苔图像识别方法,其特征是:所述步骤(1)中,使用PH试纸或者标准比色卡放置于舌头旁边,以提供标准参考系。3.如权利要求1所述的一种基于深度学习算法的舌苔图像识别方法,其特征是:所述步骤(1)中,拍摄图像时,利用拍摄设备拍摄舌头与PH试纸或标准比色卡的照片,将已确定的标准化舌苔类别图像人工分类分别放入对应的目录中。4.如权利要求1所述的一种基于深度学习算法的舌苔图像识别方法,其特征是:所述步骤(1)中,对已经确认过的舌苔图像进行编码,按照健康和不健康,分成两类,构建训练集与验证集,训练集与验证集内包含两类数据。5.如权利要求1所述的一种基于深度学习算法的舌苔图像识别方法,其特征是:所述步骤(2)中,利用Keras搭建深度卷积神经网络,具体过程包括:(a)基于tensorflow的Keras,调用其内置函数,搭建一个CNN2D的网络,激活函数使用relu,向其添加一层最大池化层;(b)反复步骤(a)操作,添加若干组CNN2D与最大池化层;(c)添加一层平坦层;...
【专利技术属性】
技术研发人员:孙晓勇,魏庆功,尹猛,闫小燕,
申请(专利权)人:山东农业大学,
类型:发明
国别省市:山东,37
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。