用于中药药材的走油智能监测系统及其监测方法技术方案

本申请涉及智能监测技术领域，其具体地公开了一种用于中药药材的走油智能监测系统及其监测方法，其使用基于深度学习的深度神经网络模型对所述多个预定时间点的苦杏仁的气味数字化测量值和所述多个预定时间点的所述苦杏仁的数值化颜色测量值进行适当编码，然后，通过第一卷积神经网络对所述多个预定时间点的所述苦杏仁的多个图像进行特征提取，进一步，基于所述第一特征图和所述第二特征图之间的相应位置的几何逼近来融合所述第一特征图和所述第二特征图以得到分类特征图，并通过分类器以获得用于表示是否产生走油预警的分类结果，通过这样的方式，实现对中药贮存中走油现象的提前预警和快速鉴别。现象的提前预警和快速鉴别。现象的提前预警和快速鉴别。

【技术实现步骤摘要】
用于中药药材的走油智能监测系统及其监测方法


[0001]本申请涉及智能监测
，且更为具体地，涉及一种用于中药药材的走油智能监测系统及其监测方法。

技术介绍

[0002]中药质量的稳定性和可控性是中医临床疗效的重要保证。中药在贮存过程中,受外界条件及自身特性的影响,常发生变质现象。“走油”是中药材或中药饮片贮存过程中常见的变质现象之一。药材走油后,药性散失,疗效下降,严重时产生毒性,危及生命。
[0003]因此,期待一种用于中药材的走油智能监测系统，其能够对中药贮存中走油现象的提前预警和快速鉴别。
[0004]近年来，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
[0005]深度学习以及神经网络的发展为用于中药材的走油智能监测提供了新的解决思路和方案。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于中药药材的走油智能监测系统及其监测方法，其使用基于深度学习的深度神经网络模型对所述多个预定时间点的苦杏仁的气味数字化测量值和所述多个预定时间点的所述苦杏仁的数值化颜色测量值进行适当编码，然后，通过第一卷积神经网络对所述多个预定时间点的所述苦杏仁的多个图像进行特征提取，进一步，基于所述第一特征图和所述第二特征图之间的相应位置的几何逼近来融合所述第一特征图和所述第二特征图以得到分类特征图，并通过分类器以获得用于表示是否产生走油预警的分类结果，通过这样的方式，实现对中药贮存中走油现象的提前预警和快速鉴别。
[0007]根据本申请的一个方面，提供了一种用于中药药材的走油智能监测系统，其包括：第一感应数据获取单元，用于获取由气味指纹分析仪采集的多个预定时间点的苦杏仁的气味数字化测量值以及由分光测色仪采集的所述多个预定时间点的所述苦杏仁的数值化颜色测量值；第二感应数据获取单元，用于获取由相机采集的所述多个预定时间点的所述苦杏仁的多个图像；卷积编码单元，用于将所述多个预定时间点的所述苦杏仁的多个图像通过使用三维卷积核的第一卷积神经网络以得到第一特征图；时序编码单元，用于将所述多个预定时间点的苦杏仁的气味数字化测量值和所述多个预定时间点的所述苦杏仁的数值化颜色测量值分别通过包含一维卷积层和全连接层的时序编码器以生成第一特征向量和第二特征向量；关联单元，用于将所述第一特征向量与所述第二特征向量的转置向量进行相乘以生成气味
‑
颜色关联特征矩阵；关联特征提取单元，用于将所述气味
‑
颜色关联特征矩阵通过使用空间注意力机制的第二卷积神经网络以获得第二特征图；特征融合单元，用
于基于所述第一特征图和所述第二特征图之间的相应位置的几何逼近来融合所述第一特征图和所述第二特征图以得到分类特征图，其中，所述所述第一特征图和所述第二特征图之间的相应位置的几何逼近为以所述第一特征图和所述第二特征图的相应位置的特征值之和为幂的自然指数函数值减去以所述第一特征图和所述第二特征图的相应位置的特征值之间的差值为幂的自然指数函数值所获得的差值除以所述第一特征图和所述第二特征图的相应位置的特征值之间的差值的绝对值；以及监控结果生成单元，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示是否产生走油预警。
[0008]根据本申请的另一方面，提供了一种用于中药药材的走油智能监测方法，其包括：获取由气味指纹分析仪采集的多个预定时间点的苦杏仁的气味数字化测量值以及由分光测色仪采集的所述多个预定时间点的所述苦杏仁的数值化颜色测量值；获取由相机采集的所述多个预定时间点的所述苦杏仁的多个图像；将所述多个预定时间点的所述苦杏仁的多个图像通过使用三维卷积核的第一卷积神经网络以得到第一特征图；将所述多个预定时间点的苦杏仁的气味数字化测量值和所述多个预定时间点的所述苦杏仁的数值化颜色测量值分别通过包含一维卷积层和全连接层的时序编码器以生成第一特征向量和第二特征向量；将所述第一特征向量与所述第二特征向量的转置向量进行相乘以生成气味
‑
颜色关联特征矩阵；将所述气味
‑
颜色关联特征矩阵通过使用空间注意力机制的第二卷积神经网络以获得第二特征图；基于所述第一特征图和所述第二特征图之间的相应位置的几何逼近来融合所述第一特征图和所述第二特征图以得到分类特征图，其中，所述所述第一特征图和所述第二特征图之间的相应位置的几何逼近为以所述第一特征图和所述第二特征图的相应位置的特征值之和为幂的自然指数函数值减去以所述第一特征图和所述第二特征图的相应位置的特征值之间的差值为幂的自然指数函数值所获得的差值除以所述第一特征图和所述第二特征图的相应位置的特征值之间的差值的绝对值；以及将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示是否产生走油预警。
[0009]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的用于中药药材的走油智能监测方法。
[0010]根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的用于中药药材的走油智能监测方法。
[0011]与现有技术相比，本申请提供的一种用于中药药材的走油智能监测系统及其监测方法，其使用基于深度学习的深度神经网络模型对所述多个预定时间点的苦杏仁的气味数字化测量值和所述多个预定时间点的所述苦杏仁的数值化颜色测量值进行适当编码，然后，通过第一卷积神经网络对所述多个预定时间点的所述苦杏仁的多个图像进行特征提取，进一步，基于所述第一特征图和所述第二特征图之间的相应位置的几何逼近来融合所述第一特征图和所述第二特征图以得到分类特征图，并通过分类器以获得用于表示是否产生走油预警的分类结果，通过这样的方式，实现对中药贮存中走油现象的提前预警和快速鉴别。
附图说明
[0012]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0013]图1图示了根据本申请实施例的用于中药药材的走油智能监测系统的应用场景图。
[0014]图2图示了根据本申请实施例的用于中药药材的走油智能监测系统的框图示意图。
[0015]图3图示了根据本申请实施例的用于中药药材的走油智能监测方法的流程图。
[0016]图4图示了根据本申请实施例的用于中药药材的走油智能监测方法的系统架构的示意图。
[0017]图5图示了根据本申请实施例的电子设备的框图。
具体实施方式
[0018]下面，将参考附图详细地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于中药药材的走油智能监测系统，其特征在于，包括：第一感应数据获取单元，用于获取由气味指纹分析仪采集的多个预定时间点的苦杏仁的气味数字化测量值以及由分光测色仪采集的所述多个预定时间点的所述苦杏仁的数值化颜色测量值；第二感应数据获取单元，用于获取由相机采集的所述多个预定时间点的所述苦杏仁的多个图像；卷积编码单元，用于将所述多个预定时间点的所述苦杏仁的多个图像通过使用三维卷积核的第一卷积神经网络以得到第一特征图；时序编码单元，用于将所述多个预定时间点的苦杏仁的气味数字化测量值和所述多个预定时间点的所述苦杏仁的数值化颜色测量值分别通过包含一维卷积层和全连接层的时序编码器以生成第一特征向量和第二特征向量；关联单元，用于将所述第一特征向量与所述第二特征向量的转置向量进行相乘以生成气味
‑
颜色关联特征矩阵；关联特征提取单元，用于将所述气味
‑
颜色关联特征矩阵通过使用空间注意力机制的第二卷积神经网络以获得第二特征图；特征融合单元，用于基于所述第一特征图和所述第二特征图之间的相应位置的几何逼近来融合所述第一特征图和所述第二特征图以得到分类特征图，其中，所述所述第一特征图和所述第二特征图之间的相应位置的几何逼近为以所述第一特征图和所述第二特征图的相应位置的特征值之和为幂的自然指数函数值减去以所述第一特征图和所述第二特征图的相应位置的特征值之间的差值为幂的自然指数函数值所获得的差值除以所述第一特征图和所述第二特征图的相应位置的特征值之间的差值的绝对值；以及监控结果生成单元，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示是否产生走油预警。2.根据权利要求1所述的基于颜色气味数字化及信息融合的苦杏仁走油监测系统，其特征在于，所述卷积编码单元，进一步用于：所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行：基于三维卷积核对所述输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行均值池化处理以生成池化特征图；以及对所述池化特征图中各个位置的特征值进行非线性激活以生成激活特征增图；其中，所述第一卷积神经网络的最后一层的输出为所述第一特征图。3.根据权利要求2所述的基于颜色气味数字化及信息融合的苦杏仁走油监测系统，其特征在于，所述时序编码单元，包括：输入向量构造子单元，用于将所述多个预定时间点的苦杏仁的气味数字化测量值和所述多个预定时间点的所述苦杏仁的数值化颜色测量值分别按照时间维度排列为输入向量；全连接编码子单元，用于使用所述时序编码器的全连接层所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征；以及一维卷积编码子单元，用于使用时序编码器的一维卷积层对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的关联的高维隐含关联特征。4.根据权利要求3所述的基于颜色气味数字化及信息融合的苦杏仁走油监测系统，其特征在于，所述关联单元，进一步用于：以如下公式将所述第一特征向量与所述第二特征向量的转置向量进行相乘以生成气味
‑
颜色关联特征矩阵；其中，所述公式为：其中，v1表示所述第一特征向量，v2表示所述第二特征向量，M1表示所述气味
‑
颜色关联特征矩阵。5.根据权利要求4所述的基于颜色气味数字化及信息融合的苦杏仁走油监测系统，其特征在于，所述关联特征提取单元，进一步用于：使用所述第二卷积神经网络的各层在层的
正向传递中对输入数据分别进行：基于卷积核对所述输入数据进行卷积处理以得到卷积特征图；将所述卷积特征图通过空间注意力模块以得到空间注意力得分图；将所述空间注意力得分图与所述卷积特征图进行按位置点乘以得到空间注意力特征图；对所述空间注意力特征图进行沿通道维度的池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络的最后一层...

【专利技术属性】
技术研发人员：卢益平，
申请(专利权)人：浙江彩允科技有限公司，
类型：发明
国别省市：