[发明专利]一种基于深度神经网络的中药材识别方法

权利要求书

1.一种基于深度神经网络的中药材识别方法，其特征在于，所述的中药材识别方法包括如下步骤：

S1、采集中药材图片作为数据集的输入，将采集的中药材图片进行预处理；

S2、采用随机采样方法产生多个中药材子训练集；

S3、利用卷积神经网络模型对各个中药材子训练集进行微调训练，生成多个中药材识别弱分类器；

S4、采用集成学习组合策略得到中药材识别强分类器，得到中药材分类结果。

2.根据权利要求1所述的一种基于深度神经网络的中药材识别方法，其特征在于，所述的步骤S1中通过网络爬虫和人工拍照方法采集中药材图片作为数据集的输入，然后对数量不均衡的中药材类别均衡化。

3.根据权利要求1所述的一种基于深度神经网络的中药材识别方法，其特征在于，所述的步骤S2、步骤S3、步骤S4中的整体训练与预测过程采用集成学习之Bagging方法。

4.根据权利要求1所述的一种基于深度神经网络的中药材识别方法，其特征在于，所述的步骤S2中随机采样方法采用自助采样法，通过自助采样法获得多个有差异性的子训练集。

5.根据权利要求1所述的一种基于深度神经网络的中药材识别方法，其特征在于，所述的步骤S3中通过引入深度学习技术，利用卷积神经网络模型对各个中药材子训练集进行微调训练，生成多个中药材识别弱分类器，其中，所述的卷积神经网络模型包括AlexNet、SqueezeNet和GoogleNet。

6.根据权利要求5所述的一种基于深度神经网络的中药材识别方法，其特征在于，所述的步骤S3中药材识别弱分类器采用卷积神经网络作特征提取以及采用Softmax分类器作分类，具体如下：

对于T个子训练集，利用经典的卷积神经网络模型对各个子训练集进行微调训练，生成T个弱分类器；

中药材图片作为输入，通过多个卷积层和下采样层输出特征图，其中，卷积层的公式如下：

conv_output＝f(W^Tx+b)

其中f(*)代表激活函数，x代表输入数据，W和b代表参数，本发明采用ReLU激活函数，公式如下：

f(x)＝max(0,x)

其求导形式为：

f′(x)=1,x>00,x≤0]]>

下采样层的公式如下，采用Max-pooling方法：

pooling_output＝max(X)

其中X代表n*n矩阵；

全连接层的输入是一个向量，通过光栅化得到向量连接到全连接层，最后通过Softmax分类器得到该分类器的分类结果，该Softmax分类器接收4096维的输入数据，输出98维的结果，该结果代表该输入样本对应98个中药材类别的置信度，而后取其最大值所在类别为分类结果，Softmax分类器的公式如下：

f(z)j=ezjΣk=1Kezk]]>

其中j＝1,2,…,K,K代表类的次数，取值98，其中z＝W^Tx+b,W、b为Softmax的参数，x为4096维的输入特征。