【技术实现步骤摘要】
基于深度学习的悬钩子植物自动识别方法、存储介质和装置
本专利技术涉及基于深度学习的悬钩子植物自动识别方法、存储介质和装置。
技术介绍
中医是中国五千年文明的智慧结晶，长久以来推动着我国健康事业的稳步发展。中草药作为珍贵的中医药资源，一直是研究学者的研究重点，对中草药的合理开发、采集和加工有利于稳步有效的发展我国的中医药产业。悬钩子是蔷薇科，属灌木，在青海省的林区广泛分布。悬钩子的根、叶等均具有药用价值，因此对悬钩子进行自动识别是十分必要的。目前对悬钩子的识别主要依靠人工方式，即通过植物专家及相关工作者根据所学专业及长期工作和研究经验，对植物进行人工识别。然而人工识别耗时较长，精度不高，存在混淆，分类错误等问题。随着图像识别和深度学习的发展，该技术目前已广泛应用于中医药图像鉴别等领域。但目前缺少针对于某种特定的中草药的自动识别模型。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供基于深度学习的悬钩子植物自动识别方法、存储介质和装置。本专利技术的目的是通过以下技术方案来实现的：
【技术保护点】
1.基于深度学习的悬钩子植物自动识别方法，其特征在于：包括：/n将获取到的经过标记的所述植物和类似植物的包括至少两个植物元素的多个图像，输入至深度卷积神经网络进行训练，其中每个植物元素分别占用所述深度卷积神经网络输入层的对应数量通道；/n将待识别的图像输入到已训练好的深度卷积神经网络对应通道中，依据输出标记得到最终识别结果。/n
【技术特征摘要】
1.基于深度学习的悬钩子植物自动识别方法，其特征在于：包括：
将获取到的经过标记的所述植物和类似植物的包括至少两个植物元素的多个图像，输入至深度卷积神经网络进行训练，其中每个植物元素分别占用所述深度卷积神经网络输入层的对应数量通道；
将待识别的图像输入到已训练好的深度卷积神经网络对应通道中，依据输出标记得到最终识别结果。
2.根据权利要求1所述的基于深度学习的悬钩子植物自动识别方法，其特征在于：所述的植物元素包括叶子、花、果实中的两种或两种以上。
3.根据权利要求1所述的基于深度学习的悬钩子植物自动识别方法，其特征在于：所述的多个图像经过预处理后再进行训练，所述预处理包括以下步骤中的一种或者多种：对图像进行切割、背景差分、滤波去噪、随机翻转、随机旋转、随机裁剪。
4.根据权利要求1所述的基于深度学习的悬钩子植物自动识别方法，其特征在于：所述深度卷积神经网络包括顺次连接的输入层、卷积层、池化层、全连接层和softmax输出层。
5.根据权利要求4所述的基于深度学习的悬钩子植物自动识别方法，其特征在于：输入层的输入大小为114*114*9，输出通道为64；
卷积层中卷积核目的是为了提取图像的浅层特征，然后设置8个残差块，其中第1、2个残差块设置2个卷积层，输出通道为64，卷积核尺寸为3x3；第3、4个残差块设置两个卷积层，输出通道为128，卷积核尺寸为3x3；第5、6个残差块设置两个卷积层，输出通道为256，卷积核尺寸为3x3；第7、8个残差块设置两个卷积层，输出通道为512，卷积核尺寸为3x3；
然后使用池化层进行平均池化，得到最后512个特征图输出的均值；
最后使用全连接层和Softmax层得到最后的分...
【专利技术属性】
技术研发人员：童丽，韩旭，杨芳，热增才旦，李文渊，李永平，曾小艳，段凌燕，
申请(专利权)人：青海大学，中国科学技术信息研究所，青海民族大学，
类型：发明
国别省市：青海;63
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。