[发明专利]一种基于深度神经网络的中药材识别方法

说明书

技术领域

本发明涉及图像识别和集成学习应用在中药材识别的技术领域，具体涉及一种基于深度神经网络的中药材识别方法。

背景技术

中医学以阴阳五行作为理论基础，将人体看成是气、形、神的统一体，通过“望闻问切”四诊合参的方法，探求病因、病性、病位、分析病机及人体五脏六腑、经络关节、气血津液的变化、判断邪正消长，进而得出病名，归纳出病症型，以辩证论治原则，制定“汗、吐、下、和、温、清、补、消”等治法，使用中药、针灸、推拿、按摩、拔罐、气功、食疗等多种治疗手段，使人体达到阴阳调和而康复。中药是常见而有效的治疗手段之一，在中医理论指导下用于预防、诊断、治疗疾病或调节人体机能的药物。多为植物药，也有动物药、矿物药及部分化学、生物制品类药物。

中药材识别是每一个中医药从业者的必备技能，也是基于中医药传统文化的我国现代健康服务从业者必须要掌握的技能。从古至今，中医或者中医学徒都是从认识中药材了解其性状和功效开始其从事中医药职业生涯的，神农尝百草，就是人类历史上第一次系统性规模化地认识中草药以及了解和确定功效的学习与研究的过程。

目前中药材的识别是专家根据知识和经验，或者图片比对而做出的判断。虽然人们对中医健康养生观念有热情高涨的追求，但因为大多数并非专业人士，对中药材方面知识十分匮乏；同时中药材种类繁多，市场鱼龙混杂，甚至很多采购人员都辨认不清。此外，因误识中药材而导致严重后果也很常见。

图像识别一直以来都是计算机领域中一个重要且热门的研究方向。深度学习是近十几年来人工智能领域取得的最重要的突破之一，在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。当今，利用深度神经网络学习、训练模型，智能图像识别，从而提高识别准确率，已经应用非常广泛。

陈耀丹等[基于卷积神经网络的人脸识别方法[J].东北师大学报(自然科学),2016,48(2):70-76.]研究并实现了一种基于卷积神经网络的人脸识别方法；王茜等[基于深度神经网络的汽车车型识别[J].现代计算机旬刊,2015(12):61-64.]研究基于深度学习的车型自动识别技术；张帅等[基于深度学习的植物叶片识别算法研究[D].北京林业大学,2016.]研究基于卷积神经网络的深度学习算法；王剑云等[一种基于深度学习的表情识别方法[J].计算机与现代化,2015(1):84-87.]提出一种基于深度学习的表情识别方法。

但是由于应用的特殊性，基于深度学习的人脸识别、情绪识别、车型识别和植物识别等应用，难以推广到中药材识别。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于深度神经网络的中药材识别方法，将深度学习与中药材识别相结合，采用经典卷积神经网络模型集进行微调训练，再采用集成学习算法提高识别准确率，用于辅助识别中药材，减少业余人士在识别中出现的错误，且能够准确性高、识别速度快、性能稳定地对中药材进行分析。

本发明的目的可以通过采取如下技术方案达到：

一种基于深度神经网络的中药材识别方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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：