[发明专利]舌头区域识别的方法、装置及计算机存储介质

权利要求书

1.一种舌头区域识别的方法，其特征在于，包括如下步骤：

采集舌头图像；

通过目标检测算法对所述舌头图像进行图像识别，获取目标舌头信息；

将所述目标舌头信息输入已训练好的Unet分割网络进行区域分割，得到舌根信息、舌中信息、舌尖信息、舌边信息，其中，所述Unet分割网络采用全尺度跳跃连接，且在所述Unet分割网络的每一层设置有1*1卷积核；

将所述舌根信息、所述舌中信息、所述舌尖信息、所述舌边信息以及所述目标舌头信息输入到已训练好的深度学习网络进行分类处理，得到舌头属性、舌根属性、舌中属性、舌尖属性以及舌边属性。

2.根据权利要求1所述的舌头区域识别的方法，其特征在于，还包括如下步骤：

获取所述目标舌头信息的置信度；

将所述置信度与预设的置信度值进行比较，并根据比较结果选择是否进行舌头图像重采集以得到满足条件的所述目标舌头信息。

3.根据权利要求1所述的舌头区域识别的方法，其特征在于，

所述Unet分割网络包括像素级特征图、块级特征图以及图像级特征图；

所述Unet分割网络通过指数损失函数对所述像素级特征图进行评估，以确定Unet分割网络的优化方向；

所述Unet分割网络通过focal loss损失函数对所述块级特征图进行评估，以确定Unet分割网络的优化方向；

所述Unet分割网络通过交并比损失函数对所述图像级特征图进行评估，以确定Unet分割网络的优化方向。

4.根据权利要求1所述的舌头区域识别的方法，其特征在于，

所述深度学习网络通过深度学习骨干网络与ASSP结构相结合得到。

5.根据权利要求4所述的舌头区域识别的方法，其特征在于，

所述深度学习网络通过VGG16、VGG19、InceptionV3、Xception、MobileNet、AlexNet、LeNet、ZF_Net、ResNet18、ResNet34、ResNet50、ResNet_152或EfficientNet中的至少一种算法建立所述深度学习骨干网络。

6.根据权利要求5所述的舌头区域识别的方法，其特征在于，

所述深度学习网络通过Xception建立所述深度学习骨干网络，其中，所述Xception采用深度可分离卷积以及空洞分离卷积对任意分辨率的图像进行特征图提取，以得到所述深度学习骨干网络。

7.根据权利要求1至6任一所述的舌头区域识别的方法，其特征在于，

所述深度学习网络以及所述Unet分割网络中进行训练的图像为经过属性标注的图像。

8.根据权利要求1至6任一所述的舌头区域识别的方法，其特征在于，还包括：

根据所述舌头属性、所述舌根属性、所述舌中属性、所述舌尖属性以及所述舌边属性获取用户参数；

将所述用户参数与预设的建议调理方案进行匹配，并将所述用户参数以及所述建议调理方案进行展示。

9.一种舌头区域识别的装置，其特征在于，包括：

数据采集模块，用于采集舌头图像；

目标识别模块，用于通过定目标检测算法获取目标舌头信息；

区域分割模块，用于通过Unet分割网络，得到舌根信息、舌中信息、舌尖信息、舌边信息；

属性确定模块，用于通过深度学习网络，得到舌根属性、舌中属性、舌边属性、舌尖属性。

10.一种计算机存储介质，其特征在于，包括存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1至8中任一项所述的舌头区域识别的方法。