System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于中药材检测,更具体地,涉及一种中药材的分类方法、装置、系统和存储介质。
技术介绍
1、中药材拥有悠久的历史,是全球医疗体系中不可或缺的一部分。不同中药材的不同部位具有各自独特的药效和药理作用。由于不同药用部位中药材的生态和生物化学特征各异,以适应其在自然环境中的独特生长和生存需求,因此元素种类和含量存在差异。传统图像技术无法从元素上进行不同药用部位药材的准确分类,而现代化学分析技术则需要专用设备和复杂的前处理,周期长,不适合工业实时检测。激光诱导击穿光谱(laser-inducedbreakdown spectroscopy,libs)是一种高效的元素检测技术,具有原位、快速、同时检测多种元素的优点。虽然目前应用libs技术进行不同药用部位中药材分类研究案例较少,但该技术有潜力实现快速、精准的不同药用部位中药材分类检测,同时有助于更深入地了解不同部位药材的功效。
2、在应用libs技术进行不同药用部位中药材的分类时,精准地选择元素谱线特征至关重要。当前的libs技术进行分类任务时主要有三种主要的元素谱线特征提取方法:一是全谱法,该方法包含了所有的光谱信息,包括背景噪声,因此,直接使用完整光谱进行分类面临一定挑战,很难确定有效信息是光谱特征是背景噪声;此外,全谱数据的维度较大,不适合快速检测。二是谱峰法,通过仅选择元素谱线的峰值将原始高维数据降至低维数据;然而,由于libs光谱数据受多种影响,因此光谱数据具有较大的波动性,单个谱峰的波动较大,这可能导致分类模型的泛化性能不稳定。三是波峰面积法,它对整个谱线
3、现有技术的方法对中药材的libs光谱特征提取稳定性差,导致分类模型的分类识别效率不高。
技术实现思路
1、针对现有技术的以上缺陷或改进需求,本专利技术提供了一种中药材的分类方法,其目的在于通过对比各药用部位中药材的libs数据中的元素光谱强度,从全光谱中选出多个对任意药用部位中药材敏感的元素谱线作为候选元素谱线;将所有候选元素谱线的波形中满足预设条件的作为最终的目标元素谱线的波形,利用目标元素谱线的波形生成训练样本以训练出目标分类模型,用于实现中药材药用部位的识别,采用本方法提出的中药材libs光谱的特征提取、分类模型训练、分类识别,可以显著提高分类精度;由此解决现有光谱特征提取稳定性差导致分类模型的分类识别效率不高的技术问题。
2、为实现上述目的,按照本专利技术的一个方面,提供了一种中药材的分类方法,包括:
3、s1:获取各药用部位中药材的libs数据,所述药用部位包括:花类、叶类、根类、皮类和果实类;
4、s2:对比各所述药用部位中药材的libs数据中的元素光谱强度,从全光谱中选出多个对任意所述药用部位中药材敏感的元素谱线作为候选元素谱线;
5、s3:提取所有所述候选元素谱线的波形,将满足预设条件的波形作为最终的目标元素谱线的波形;
6、s4:将各所述药用部位中药材的目标元素谱线的波形转化为二维灰度图像,将二维灰度图像及其对应的分类标签作为训练样本;
7、s5:利用多个所述训练样本构建的训练样本集对初始分类模型进行训练,得到目标分类模型;
8、s6:将当前中药材对应的所述目标元素的谱线波形转化为二维灰度图像,并输入所述目标分类模型进行药用部位的类别识别。
9、在其中一个实施例中,所述s2包括:
10、s21:对比各所述药用部位中药材的libs数据中的元素光谱强度,初步选出强度最高作为候选元素光谱;
11、s22:分析各所述药用部位中药材的libs数据中的元素光谱的强度之间关系进一步增加所述候选元素光谱。
12、在其中一个实施例中,所述s22包括:
13、若一个所述药用部位中药材在某个元素光谱的强度明显低于其他所有所述药用部位中药材在该元素光谱的强度,则将该元素光谱添加进所述候选元素光谱。
14、在其中一个实施例中,所述候选元素光谱包括:c i 247.856nm、si i 250.741nm、si i 288.158nm、mg ii 279.533nm、mg ii 280.270nm、mg i 516.732nm、mg i 517.268nm、mg i 518.360nm、al i 309.284nm、ca ll 315.887nm、ca ll 317.833nm、ca ll393.366nm、ca ll 396.847nm、fe i 404.527nm、ca l 422.673nm、ca l 643.907nm、ca l646.275nm、na i 588.995nm、na i 589.592nm、h i 656.279nm、li i 610.345nm、li i670.897nm、n i 742.364nm、n i 744.229nm、n i 746.831nm、k i 766.490nm、k i766.896nm和o i 777.283nm;其中,i表示元素原子线,ii表示元素离子线。
15、在其中一个实施例中,所述s3包括:
16、s31:提取所有所述候选元素谱线的波形;
17、s32:提取所有所述候选元素谱线的波形,将候选波形谱宽大于半高全宽小于全宽且一个谱峰的作为最终的目标元素谱线的波形。
18、在其中一个实施例中,所述s31包括:
19、提取各候选元素光谱的谱峰以及所述谱峰两侧等距区域,从而得到对应的元素谱线的波形。
20、在其中一个实施例中,所述初始分类模型为resnet34、mobilenet_v2和shufflenet_v2中的一种。
21、按照本专利技术的另一方面,提供了一种中药材的分类装置,包括:
22、获取模块,用于获取各药用部位中药材的libs数据,所述药用部位包括:花类、叶类、根类、皮类和果实类;
23、选取模块,用于对比各所述药用部位中药材的libs数据中的元素光谱强度,从全光谱中选取多个对任意所述药用部位中药材敏感的元素谱线作为候选元素谱线;
24、提取模块,用于提取所有所述候选元素谱线的波形,将满足预设条件的波形作为最终的目标元素谱线的波形;
25、转化模块,用于将各所述药用部位中药材的目标元素谱线的波形转化为二维灰度图像,将二维灰度图像及其对应的分类标签作为训练样本;
26、训练模块,用于利用多个所述训练样本构建的训练样本集对初始分类模型进行训练,得到目标分类模型;
27、分类模块,用于将当前中药材对应的所述目标元素的谱线波形转化为二维灰度图像,并输入所述目标分类模型进行药用部位的类别识别。
28、按照本专利技术的另一方面,提供了一种中药材的分类系统,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行本文档来自技高网...
【技术保护点】
1.一种中药材的分类方法,其特征在于,包括:
2.如权利要求1所述的中药材的分类方法,其特征在于,所述S2包括:
3.如权利要求2所述的中药材的分类方法,其特征在于,所述S22包括:
4.如权利要求3所述的中药材的分类方法,其特征在于,所述候选元素光谱包括:C I247.856nm、Si I 250.741nm、Si I 288.158nm、Mg II 279.533nm、Mg II 280.270nm、Mg I516.732nm、Mg I 517.268nm、Mg I518.360nm、Al I 309.284nm、Ca ll 315.887nm、Ca ll317.833nm、Ca ll393.366nm、Ca ll 396.847nm、Fe I 404.527nm、Ca l 422.673nm、Cal643.907nm、Ca l 646.275nm、Na I 588.995nm、Na I 589.592nm、H I 656.279nm、Li I610.345nm、Li I 670.897nm、N I 742.364nm、N I 744.22
5.如权利要求1所述的中药材的分类方法,其特征在于,所述S3包括:
6.如权利要求5所述的中药材的分类方法,其特征在于,所述S31包括:
7.如权利要求1-6任一项所述的中药材的分类方法,其特征在于,所述初始分类模型为Resnet34、MobileNet_V2和ShuffleNet_V2中的一种。
8.一种中药材的分类装置,其特征在于,包括:
9.一种中药材的分类系统,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种中药材的分类方法,其特征在于,包括:
2.如权利要求1所述的中药材的分类方法,其特征在于,所述s2包括:
3.如权利要求2所述的中药材的分类方法,其特征在于,所述s22包括:
4.如权利要求3所述的中药材的分类方法,其特征在于,所述候选元素光谱包括:c i247.856nm、si i 250.741nm、si i 288.158nm、mg ii 279.533nm、mg ii 280.270nm、mg i516.732nm、mg i 517.268nm、mg i518.360nm、al i 309.284nm、ca ll 315.887nm、ca ll317.833nm、ca ll393.366nm、ca ll 396.847nm、fe i 404.527nm、ca l 422.673nm、cal643.907nm、ca l 646.275nm、na i 588.995nm、na i 589.592nm、h i 656.279nm、li i610.345nm、li i 670.8...
【专利技术属性】
技术研发人员:郭连波,龚奥军,周家缘,胡桢麟,陈锋,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:
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。