[发明专利]一种中草药饮片识别模型的构建方法

说明书

本发明公开了一种中草药饮片识别模型的构建方法，包括如下步骤：步骤S1，拍照收集图片；步骤S2，整理、筛选、修建图片；步骤S3，数据增强、扩充图片并形成图片数据集；步骤S4，数据划分；步骤S5，选取机器学习模型架构；步骤S6，选取模型超参数、内部方法；步骤S7，用划分好的训练集数据分别放入上述两个模型中进行训练；步骤S8，用验证集数据分别放入两个模型中进行模型验证；步骤S9，选取最优模型；步骤S10，用测试集数据对选取的最优模型进行综合测试；步骤S11，模型完成，后续不断收集更多批中草药饮片的数据，持续壮大模型。本发明方法可以克服现有技术存在的不足，实现中草药饮片高效识别。

技术领域

本发明涉及中草药饮片智能识别领域，具体涉及一种中草药饮片识别模型的构建方法。

背景技术

我国是中草药饮片资源丰富的国家，同时中草药饮片在临床防病治病过程中得到广泛应用，据相关报道，2017年中草药饮片市场规模达到2330亿元，2018年以后市场规模继续扩大，可见中草药饮片庞大的市场价值。中草药饮片是由中草药饮片经过洗净、炮炙、加工等环节制成；然而，在其加工过程中往往由于各方面原因造成药材形状变更、颜色失真、外表混淆等情况，不易区分；且由于药材的真伪、优劣与临床用药的安全有效有直接关联。因此对中草药饮片进行鉴定识别，有利于规范中草药饮片市场，加强中草药饮片的质量监控；对中草药饮片鉴别进行定量化研究，促进中草药饮片的客观化发展。但是，传统的饮片识别方法过于依赖识别人员的知识技能和主观性，难以客观、统一，而且识别工作量大。

受益于芯片、大数据及分布式计算等技术的快速发展，深度学习作为机器学习领域的重要技术也取得了巨大进展，尤其在图像识别等领域。基于深度学习的图像识别技术在很多领域已经达到甚至超过了人类专家的识别能力。在图像识别领域，CNN(卷积神经网络)已经成为一种高准确率的识别方法，可以提取图像的高层次表达。同时基于端到端(end-to-end)的卷积神经学习避免了人工规则的中间步骤，不再需求传统特征工程提取图像特征和进行特定的特征选取。基于端到端的方法以图片直接作为输入，图片中的每个像素都直接作为输入值，不再局限于特定的应用和繁琐的特征工程，可以快速方便的训练成应用模型。

目前，已经有使用深度学习的图像识别技术对中草药饮片进行识别，但是均存在不足。

发明内容

本发明的目的在于克服现有技术的不足，提供一种中草药饮片识别模型的构建方法。

本发明上述目的通过如下技术方案实现：

一种中草药饮片识别模型的构建方法，包括如下步骤：

步骤S1，拍照收集图片

选择一批中草药饮片，由固定的人物，在固定的时间段、固定的地点，采用固定的器材，以固定的角度对饮片拍照，并确保让饮片的每一部分都可以随机的呈现在照片上；

步骤S2，整理、筛选、修建图片：每种饮片基于图像清晰度、居中度、远近度及重复度进行筛选，每种饮片保留若干张，每张图片中包含饮片的数量、背景复杂程度、分辨度、大小随机获得；

步骤S3，数据增强、扩充图片并形成图片数据集：对步骤S2得到的图片进行不同维度的修改，将每种中草药饮片的图片进行扩充，并归纳整理；

步骤S4，数据划分：将步骤S3构建的数据集随机分为训练集、验证集和测试集，然后用训练集训练不同的模型，用验证集验证模型，根据情况不断调整模型，选择出其中最好的模型，最后用测试集评估最终的模型；

步骤S5，选取机器学习模型架构：选择GoogLeNet Inception v3和Resnet-50这两种架构同时在不同服务器上进行机器学习的训练；

步骤S6，选取模型超参数、内部方法；