基于CNN多模型融合与注意力机制的中药材图像识别方法技术

本发明专利技术涉及基于CNN多模型融合与注意力机制的中药材图像识别方法，属中药白及研究与生产应用领域，包括步骤：采集药用植物图像；对重命名后的药用植物图像进行预处理；将预处理后的药用植物图像的尺寸统一；训练深度CNN模型；通过深度CNN模型对尺寸调整后的植物图像进行识别，识别获得药用植物类型，基于识别结果对药用植物进行分类；深度CNN模型网络的第一层和最后一层分别加入CBAM注意力机制，提升网络模型的特征提取能力。本发明专利技术解决信息过载问题，并提高任务处理的效率和准确性。最终训练模型，得到较好的白及图像识别模型。可在远程完成对白及的品种鉴别，为精细化种植管理，规避后期风险提高药农收益，具有重要的现实意义。

【技术实现步骤摘要】

本专利技术涉及基于cnn多模型融合与注意力机制的中药材图像识别方法，属于中药白及研究与生产应用。

技术介绍

1、中药材的识别需要依靠专业的中药学、植物学知识。对植株特征、化学成份进行观察和实验分析，这些传统的人工方法耗时费力且出错率高，随着人工智能技术的快速发展，特别是深度学习技术的兴起，利用卷积神经网络(cnn)等深度学习模型，可以从大量中药材图像中学习到高级特征表示，从而实现自动化识别。

2、中医药领域研究内容繁杂、影响因素众多，将人工神经网络引入中药研究与生产受到广泛关注进展显著。利用计算机图像识别技术，进行中药材识别，借助该技术动态监测作物生长状态，进行病害监测、药材产量预估、收益风险评测等管理；

3、在中药产业中的图像识别与应用领域，主要在集中在药材作物的遥感识别、作物病虫害识别、中药引片识别以及临床上的面、舌、手等图像识别方面。对常见的中药材有相关的研究，但没有白及品种的研究报道，对中药材图像鉴别领域目前并没有可直接使用的公开标准数据集的问题，本专利技术构建了一个小规模数据集。选择训练过的深度卷积神经网络resnet、s本文档来自技高网...

【技术保护点】

1.基于CNN多模型融合与注意力机制的中药材图像识别方法，其特征在于：

2.根据权利要求1所述的基于CNN多模型融合与注意力机制的中药材图像识别方法，其特征在于：所述S6中，输入层和输出层分别加入CBAM注意力机制，CBAM注意力机制包括通道注意力模块CAM和空间注意力模块SAM；

3.根据权利要求1所述的基于CNN多模型融合与注意力机制的中药材图像识别方法，其特征在于：所述步骤S4中，每个卷积层的输出特征映射由当前层和卷积核之间的卷积运算确定，第l层的第j个特征图矩阵由前一层特征图加权得到；

【技术特征摘要】

1.基于cnn多模型融合与注意力机制的中药材图像识别方法，其特征在于：

2.根据权利要求1所述的基于cnn多模型融合与注意力机制的中药材图像识别方法，其特征在于：所述s6中，输入层和输出层分别加入cbam注意力机制，cbam注意力机制包括通道注意力模...

【专利技术属性】
技术研发人员：丁林，车国霖，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：