[发明专利]基于深度学习的中草药分类建模方法及系统

说明书

本发明公开了一种基于深度学习的中草药分类建模方法及系统，属于深度学习技术领域，要解决的技术问题为基于深度学习如何快速、准确的对中草药进行分类。方法包括：获取若干个中草药图像形成数据集；基于最大类间方差方法和K均值算法分别对每个中草药图像进行分割处理，并选择效果明显的目标中草药图像；对于每种种类的中草药图像，将目标中草药图像划分为训练集和测试集；对训练集和测试集中的目标中草药图像分别标注标签；基于GoodLeNet构建分类模型，并输入训练集对分类模型进行训练，得到训练后分类模型；输入测试集对训练后分类模型进行验证。系统包括输入模块、分割模块、划分模块、划分模块、建模分析模块和验证模块。

技术领域

本发明涉及深度学习技术领域，具体地说是一种基于深度学习的中草药分类建模方法及系统。

背景技术

中草药植物种类分别在中医领域具有重要意义。对于不同种类的中草药植物，部分种类的中草药在外形上颇为相似；对于相同种类的中草药植物，由于中草药植物生长环境等因素的影响，同种种类的中草药植物可能呈现不同的形态。鉴于上述原因，对于中草药的分类需要草药经验十分丰富的人才能快速、准确的进行分类。

手工进行分类的话就会浪费大量的人力物力，而且对于分类人员还需要他们有比较丰富的中草药分类经验，效率太低，且分类时使用的物种种类和图片的数量都比较少，并且只能适用于自己特定的数据集或者他们设定的情况，不具有普遍性。

深度学习(Deep Learning,DL)或阶层学习(hierarchical learning)是机器学习的技术和研究领域之一，通过建立具有阶层结构的人工神经网络(Artifitial NeuralNetworks,ANNs)，在计算系统中实现人工智能，深度学习被用于对复杂结构和大样本的高维数据进行学习。

基于深度学习如何快速、准确的对中草药进行分类，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供一种基于深度学习的中草药分类建模方法及系统，来解决基于深度学习如何快速、准确的对中草药进行分类的问题。

第一方面，本发明提供一种的基于深度学习的中草药分类建模方法，包括：

获取若干个中草药图像形成数据集，所述若干个中草药图像涵盖多种种类的中草药、并涵盖每种种类中草药的多种形态；

基于最大类间方差方法和K均值算法分别对每个中草药图像进行分割处理，得到与所述中草药图像对应的两个效果不同的目标中草药图像，并选择效果明显的目标中草药图像；

对于每种种类的中草药图像，将目标中草药图像划分为训练集和测试集；

对训练集和测试集中的目标中草药图像分别标注标签，所述标签用于标识目标中草药图像对应的中草药种类和编号；

基于GoodLeNet构建分类模型，并输入训练集对分类模型进行训练，得到训练后分类模型；

输入测试集对训练后分类模型进行验证。

本实施方式中，获取多种种类、多种形态的中草药图像形成数据集，通过最大类间方差法和K均值算法分别对每个中草药图像进行分割，并选取效果好的目标中草药图像输出，效果好为理解为能够识别出中草药种类，并从上述目标中草药图像中选取一定比例作为训练集，剩下的作为测试集，基于GoodLeNet构建分类模型，通过训练集训练分类模型，通过测试集验证训练后分类模型。通过上述步骤，得到的训练后分类模型能够对多种中草药进行分类，即使由于生长环境不同导致同种类的中草药有不同形态，也可通过通过该训练后分类模型进行分类。

作为优选，基于最大类间方差方法对每个中草药图像进行分割处理，包括如下步骤：

分别提取中草药图像的红色通道、绿色通道和蓝色通道对应的灰度图像，得到三个灰度图像；