[发明专利]舌头区域识别的方法、装置及计算机存储介质

说明书

本发明公开了一种舌头区域识别的方法、装置及计算机存储介质，涉及人工智能领域。所述舌头区域识别的方法包括如下步骤：采集舌头图像；通过目标检测算法对舌头图像进行图像识别，获取目标舌头信息；将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，Unet分割网络采用全尺度跳跃连接，且在Unet分割网络的每一层设置有1*1卷积核；将舌根信息、舌中信息、舌尖信息、舌边信息以及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；从而可以通过上述方式，提升舌头区域的识别的准确性以辅助舌诊判断。

技术领域

本发明涉及人工智能领域，特别涉及一种舌头区域识别的方法、装置及计算机存储介质。

背景技术

舌诊是中医望诊中的一个重点观测指标，舌头也被中医称为心之苗，脾之外候，苔由肺气所生。在中医中又有舌尖属心肺，舌边属肝胆，舌中属脾胃，舌根属肾。因此通过观察舌面苔迹、舌质相关属性，包括颜色、形态等可以了解人的身体状况。在舌诊检测过程中也有通过计算机识别进行辅助判断，但是现有的识别方式通常仅能识别整个舌体部分，对于摄图各区域的识别正确率不高，无法用于辅助舌诊。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提供了一种舌头区域识别的方法、装置以及计算机存储介质，可以提升舌头区域的识别的准确性。

根据本发明第一方面实施例的一种舌头区域识别的方法，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。

根据本发明的上述实施例，至少具有如下有益效果：通过建立有深度监督机制以及全尺度跳跃连接的Unet分割网络，提升舌头不同区域的识别的准确性。同时，通过深度学习网络对分割后的目标舌头信息进行学习以获得舌头不同区域的信息，从而提供进行舌诊的数据。因此，通过上述实施例，可以提升舌头区域的识别的准确性。

根据本发明第一方面的一些实施例，所述舌头区域识别的方法还包括如下的步骤：

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。

因此，通过获取置信度大于等于预设的置信度值的目标舌头信息，从而可以保证输入Unet分割网络、以及深度学习网络的图像质量符合要求，提升后续特征识别的准确率。

根据本发明第一方面的一些实施例，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。通过在Unet的不同的层次特征图选用不同的损失函数，可以对图像的特征提取在不同层次进行优化，以使分割的图像与的所需的图像更加接近，从而可以提升舌头区域的识别的准确率。