[发明专利]一种对植物切片进行人工智能识别的方法

说明书

本申请涉及一种对植物切片进行人工智能识别的方法，包括以下步骤：获取待识别图像；主分类器识别：将所述图像输入至植物切片识别模型的主分类器，基于Faster‑RCNN算法进行分类，输出主类结果和识别精度，其中，输入的图像采用多尺度特征图；子分类器识别：将所述图像输入至主类结果对应的子分类器，基于ResNet算法进行分类，输出分类结果。本申请具有提高识别精确度和降低识别系统的复杂度使识别效率得到提升的效果。

技术领域

本申请涉及植物切片识别的领域，尤其是涉及一种对植物切片进行人工智能识别的方法。

背景技术

中药材是中医药源头，更是行业发展基础。中药切片当前仅靠眼看、手摸、鼻闻、口尝、水试、火试等绝活把握每种中药材的真伪优劣，难上加难。中药材产地初加工和中药饮片炮制密切相连，掺杂掺假手段多样，情况复杂，鉴别药材必须借助仪器设备或者由有经验的老药工进行。传统的中药材性状鉴别人才流失，必要的仪器设备缺乏，这些为中药材辨别真伪带来极大难度。

目前鉴别中药切片的方法主要有形态特征鉴别、显微镜观察鉴别和植物成分鉴别，其中显微镜观察鉴别和植物成分鉴别耗时较长，且人工成本较高；形态特征鉴别需要工作人员根据形态检索表，特征符合开始项号的，逐号下查，特征不符合开始项号的，查与该项相对应的项号，直到查到种，最后与已确定学名的植物标本相对照进行定种。

由于药材的掺杂掺假手段多样，鉴别时需要对大量范围的药材进行鉴别，发明人发现，目前的鉴别手段在应用于大量药材鉴别时具有工作效率低的缺陷。

发明内容

为了提高中药饮片的鉴别效率，本申请提供了一种对植物切片进行人工智能识别的方法

本申请提供的一种对植物切片进行人工智能识别的方法采用如下的技术方案：

一种对植物切片进行人工智能识别的方法，包括以下步骤：

获取训练图像；

主分类器识别：将所述图像输入至植物切片识别模型的主分类器，基于Faster-RCNN算法进行分类，输出主类结果和识别精度，其中，输入的图像采用多尺度特征图；

子分类器识别：将所述图像输入至主类结果对应的子分类器，基于组合ResNet算法进行分类，输出分类结果。

通过采用上述技术方案，引入多尺度特征图，针对采集图像分辨率高，采集图像中多个目标大小差异较大的情况，从而让模型来适应不同的尺寸，尤其是小尺寸的目标检测。

可选的，主分类器训练步骤中，进行分类前，对识别精度小于精度阈值的目标进行过滤。

通过采用上述技术方案，使主分类器输出的目标置信度也都大于等于精度阈值，从而降低主分类器的复杂度，提高主分类器输出目标的精确度。

可选的，主分类器训练步骤中，采用CIOU损失函数。

通过采用上述技术方案，通过采用CIOU损失函数，提高目标检测的鲁棒性，从而提高主分类器输出的主分类结果的可靠性。

可选的，主分类器训练步骤中，进行分类后，输出图像中多个目标的位置和目标分类，还输出每个目标分类对应的置信度；

根据每个目标分类对应的置信度、目标的面积以及目标的总数计算得到每个分类的置信分数，取置信分数最高的分类为主类结果。

通过采用上述技术方案，通过计算置信分数选择主类结果，使主类结果精确度更高，还可以减少由于多个目标导致主类结果为复数时的矛盾。

可选的，置信分数的排序中，第一位与第二位的置信分数差小于第一位置信分数的20%，则认为分类失败。

通过采用上述技术方案，尽可能避免了前两位相近的置信分数使选择第一位主类结果的精准度较低的情况，从而减少误差，使训练得到的模型更加精准。

可选的，多个子分类器单独进行识别和训练。