[发明专利]一种基于人工智能的中药材种植产地的鉴别方法

说明书

本发明公开了一种基于人工智能的中药材种植产地的鉴别方法，包括的方法有：收集不同产地的各种不同的中药材饮片若干，并对不同产地的每种中药材饮片拍摄图像照片至少一百张；利用已训练的深度学习卷积神经网络框架提取每张图片的多维特征值；将每张图片的多维特征值及其已知的种植产地信息输入SVM进行训练，训练器自动总结不同种植产地的不同中药材饮片图片中的细微差别特点，生成分类模型；对分类模型进行分类并保存，然后对待鉴别的中药材进行中药材种植产地的鉴别。本发明使用面广，分类精度高，分类精度达到95%以上，与专家的分类能力基本持平，适于推广应用。

技术领域

本发明涉及一种鉴别方法，特别是涉及一种基于人工智能的中药材种植产地的鉴别方法。

背景技术

如今市场上中药材的质量参差不齐，中药材的种植产地跟其药效质量往往息息相关，不同产地种植的中药材药效相差较大，但是普通人却难以对其进行分辨鉴别。现在中药材种植产地主要是基于中药材的外形进行鉴别，而不同产地中药材的外形往往非常相似，只存在细微的特征差别。

专业的中药制药厂在购买中药材原料饮片时，一般依据经验丰富的专家或者委托权威的鉴别机构进行鉴别，相关专家及鉴别机构的资源非常有限，且成本较高，普通民众或技术实力一般的制药厂则无法进行鉴别；而且专家的经验水平参差不齐，无法保证有效性及统一性。

因此，如何解决上述问题成为了本领域技术人员努力的方向。

发明内容

本发明的目的就是提供一种基于人工智能的中药材种植产地的鉴别方法，能完全解决上述现有技术的不足之处。

本发明的目的通过下述技术方案来实现：

一种基于人工智能的中药材种植产地的鉴别方法，包括的方法有：

1）、收集不同产地的中药材饮片若干，并对每一产地的中药材饮片各拍摄图像照片至少一百张；

2）、利用已训练的深度学习卷积神经网络框架提取每张图片的多维特征值；

3）、将每张图片的多维特征值及其针对该图片已知的种植产地信息输入SVM进行训练，训练器自动总结同一中药材饮片不同种植产地的图片中的细微差别特点，生成分类模型，对分类模型进行分类并保存；

4）、对于待鉴别的中药材饮片，首先拍照其断面图片，再提取其多维特征值，输入已训练好的SVM分类器，即可得到其种植产地的预测值。

作为优选，方法1）中拍摄的是中药材饮片的端面信息，拍摄时照片的分辨率需大于299x299，使其照片中的药材细节清晰可见。

作为优选，方法2）中利用已训练的深度学习卷积神经网络框架提取每张图片的1024维特征值。

作为优选，将所得的每张图片的1024维数值特征保存成矩阵数组格式，并将同一产地的图片根据8：2的比例分成训练集图片和测试集图片。

作为优选，将每一产地训练集图片的1024维特征值及其该图片已知的种植产地信息输入SVM进行训练，训练器自动总结不同种植产地的中药材饮片图片中的细微差别特点，生成分类模型；将测试集图片所得的1024维特征，利用生成的分类模型对其种植产地进行分类，并对比其已知的实际产地信息即可得到分类器的分类精度。

作为优选，分类器的初始参数C和Gamma是可变的，训练时采用多种不同的参数C和Gamma进行组合测试，最后选取分类效果最好的参数组合，为分类器的分类达标精度，确认此模型参数并保存此分类器。

作为优选，分类精度不达标，调整模型的相关参数C和Gamma，再进行重复训练和测试，直到分类精度达标为止。

与现有技术相比，本发明的有益效果在于：