[发明专利]基于卷积神经网络中药识别方法及电子设备

说明书

本发明公开了一种基于卷积神经网络中药识别方法，卷积神经网络中具有与多层中药对应的多层分类器，每层分类器与该层中药种类的数目相同且一一对应，成熟的卷积神经网络中每一分类器具有与所在层所在种类对应的特征匹配模型和下一层种类或中药名称对应的参考特征参数；将非参考中药图片输入卷积神经网络中，多层分类器按照层次依据对应的特征匹配模型和参考特征参数对非参考中药图片进行特征识别从而获取所述非参考中药图片的下一层类别或者名称，将其输送至下一层对应类别的分类器中，直至通过第M层对应种类的分类器识别所述非参考中药图片的名称，识别率高且识别速度快、计算简单，移植能力强。本发明还公开了对应的电子设备。

技术领域

本发明涉及信息检索识别领域，尤其涉及中药的识别。

背景技术

中药是中华民族特有的一种药学，但中药种类繁多，且外形复杂，在现在中药房中的中药分拣十分繁琐复杂，需要人力劳动较多。因此若是能够有一种中药分拣的机器帮助药房，则可提高药房效率且解放这些繁琐而又重复性的劳动，提高人类社会的自动化程度。而中药分拣机器的一个核心问题就是中药识别的问题，如何通过计算机视觉将中药识别出来，这是现有技术人员的研究方向。

传统中药的识别目前大多靠中药方面的专家，根据书籍的描述，数据库中图片的比对，进行判断，进行分类，该方法旨在解决目前中药识别的自动化程度低的问题。

计算机视觉如今在国内计算机领域十分的火爆，出现了许多计算机识别人脸，人物，以及各种东西的，但因为中药的特殊性，识别中药方面的还是十分少的。如今的中药识别技术大多数是通过抓拍需要识别的中药图片后与中药图像库中图片进行比对。较好一点的识别技术会先将需要识别的中药图片去噪后，与中药图像库中的图片进行比对。

这些技术方式错误率高，需要计算机的CPU计算能力高，且与数据库中图片比对时间长，而且可移植性差——仅仅只能在拥有数据库的机器或连接了此数据库的机器上进行中药识别。

故，急需一种可解决上述问题的中药识别方法。

发明内容

本发明的目的是提供一种基于卷积神经网络中药识别方法及对应的电子设备和可读存储介质，通过基于深度学习的目标识别技术进行识别中药，识别率高且识别速度快、计算简单，移植能力强。

为了实现上述目的，本发明公开了一种基于卷积神经网络中药识别方法，将中药分为M层，每层具有一种或两种以上的类别，M大于等于2；卷积神经网络中具有与M层中药对应的M层分类器，每层分类器与该层中药种类的数目相同且一一对应，成熟的卷积神经网络中每一分类器具有与所在层所在种类对应的特征匹配模型和下一层种类或中药名称对应的参考特征参数；依据成熟的卷积神经网络进行中药识别的方法具体包括以下步骤：将非参考中药图片输入卷积神经网络中，依次使用第1至M层的分类器依据对应的特征匹配模型和参考特征参数对所述非参考中药图片进行特征识别从而获取所述非参考中药图片的下一层类别或者名称，将识别后的非参考中药图片进行类别标记并输送至下一层对应类别的分类器中，直至通过第M层对应种类的分类器识别所述非参考中药图片的名称并标记。

一方面，与现有技术相比，本发明采用卷积神经网络技术识别中药，可移植能力强，只需将训练好的卷积神经网络模型(分类器)移植到对应的电子设备中即可，使用时无需连接数据库，且计算机计算程度不高，对硬件设备的要求不高。另一方面，本发明将中药分为大类和小类多层，将卷积神经网络模型(分类器)对应设置好成多层，第一层(大类)分类器提取中药的特征参数进行初步分类确定中药的大类，然后使用具有深度特征匹配模型和参考特征参数的小类分类器具体分类，依次逐层分类直至获得具体的中药名称，不但大大提高了中药的识别率，而且每一分类器进行对应特征的识别，识别速度快，几乎可以达到实时识别。

较佳地，依次使用分类器对所述非参考中药图片进行特征识别的具体方法包括：依据对应的特征匹配模型获取所述非参考中药图片的中药特征参数，将所述中药特征参数与参考特征参数进行比较，以判断所述非参考中药图片的在下一层的类别或名称。