[發明專利]一種基于深度學習的中藥材識別裝置

在審

• 申請號: 201710299118.2
• 申請日: 2017-05-01
• 公開（公告）號: CN107092906A
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 劉至鍵
• 申請（專利權）人: 劉至鍵
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及計算機視覺技術領域，尤其涉及一種基于深度學習的中藥材識別裝置。

背景技術

神農嘗百草，就是人類歷史上第一次系統性規模化地認識中草藥以及了解和確定功效的學習與研究的過程。但人的經驗識別和鑒定的準確性、重現性、識別準確率較低。中藥行業要傳承與發展，必須創新，提高技術水平。深度學習和現代電子信息技術的結合利用圖像傳感器代替人眼獲取物體圖像，利用計算機模擬人的判別準則去理解和識別圖像，達到分析圖像和提取被檢測物體特征的目的，這方面的應用在中藥行業中還未見較多的報道。

發明內容

本發明的目的是公開一種基于深度學習的中藥材識別裝置及裝置，以解決現有技術中的對中藥材識別方法單一、效率低、準確率低的問題。

本發明的一種基于深度學習的中藥材識別裝置，包括攝像模塊、圖像采集模塊、亮度均衡控制模塊、深度卷積網絡服務器、顯示驅動模塊、微顯示終端、補光燈，其特征在于所述的攝像模塊與圖像采集模塊連接，所述的圖像采集模塊與亮度均衡控制模塊連接，所述的亮度均衡控制模塊與深度卷積網絡服務器連接，所述的深度卷積網絡服務器與顯示驅動模塊連接，所述顯示驅動模塊與微顯示終端連接，所述亮度均衡控制模塊與補光燈連接；所述的亮度均衡控制模塊用于對來自攝像模塊的圖像亮度平均值進行檢測，根據亮度平均值結果控制補光燈；所述的微顯示終端是0.37英寸的 LCoS透視顯示器；所述的深度卷積網絡服務器采用深度學習網絡，所述深度學習網絡包括卷積層1、池化層1、卷積層2、池化層2、卷積層3、卷積層4、池化層3、卷積層5、池化層4、全連接層1和全連接層2。

本發明的一種基于深度學習的中藥材識別裝置中，所述的深度學習網絡，其特征在于所述深度學習網絡的訓練步驟具體包括：步驟一，獲取帶有屬性及參數標記的中藥材圖像樣本；步驟二，利用預先設置有初始參數的深度學習網絡對所述中藥材圖像樣本進行分類；根據所述深度學習網絡輸出結果與所述中藥材的屬性信息之間的差異逐層反傳至所述深度學習網絡，訓練所述深度學習網絡的參數；步驟三所述利用預先設置有初始參數的深度學習網絡對所述中藥材圖像樣本進行分類具體為：利用預先設置有初始參數的卷積核與所述中藥材圖像樣本進行卷積計算；經過池化層的池化操作以及全連接層1和全連接層2的全連接操作，得到所述中藥材圖像樣本的中藥材屬性概率；所述根據所述深度學習網絡輸出結果與所述中藥材的屬性信息之間的差異逐層反傳至所述深度學習網絡，訓練所述深度學習網絡的參數，具體為：當所述中藥材屬性概率與所述中藥材的屬性信息之間存在差異時，調整所述卷積核中的參數，直至輸出的中藥材屬性概率與所述中藥材的屬性信息相符；所述的深度學習網絡，其特征在于所述深度學習網絡的運行步驟包括：獲取待識別中藥材圖像，利用預先訓練得到的深度學習網絡識別所述待識別中藥材圖像；識別通過所述卷積層1、池化層1、卷積層2、池化層2、卷積層3、卷積層4、池化層3、卷積層5、池化層4、全連接層1和全連接層2，于全連接層2輸出節點為所述中藥材圖像的中藥材屬性概率，根據所述中藥材屬性概率確定所述待識別中藥材圖像的中藥材屬性信息。在獲取待識別中藥材圖像之后、在所述利用預先訓練得到的深度學習網絡識別所述待識別中藥材圖像之前，進一步包括：對所述待識別中藥材圖像進行預處理；所述預處理至少包括以下一種操作：裁剪、邊界填充、翻轉、飽和度平衡、色調平衡、對比度平衡、直方圖均衡、鏡像操作、隨機剪切、中心化、均值化、調整大小resize；步驟包括：獲取待識別中藥材圖像；訓練深度學習網絡；所述深度學習網絡的網絡結構包括卷積層、池化層和全連接層，所述卷積層的后面連接所述池化層，所述池化層后面連接所述全連接層，最后的全連接層上的每個輸出節點為所述中藥材圖像的中藥材屬性概率；識別步驟是利用預先訓練得到的深度學習網絡識別所述待識別中藥材圖像；根據所述中藥材屬性概率確定所述待識別中藥材圖像的中藥材屬性信息。 本發明的一種基于深度學習的中藥材識別裝置中，所述的深度學習網絡，其特征在于，所述訓練所述深度學習網絡的參數具體為使用深度學習網絡的訓練工具通過tensorflow進行訓練，從輸入到輸出的計算過程為：

，其中表示輸入，表示卷積核，表示偏置表示輸出；

，其中表示輸入，表示權值，表示偏置，表示輸出；

，其中池化面）是輸入，表示卷積核 ，表示偏置，其中 ,) ，表示輸出；

,其中表示輸入，表示權值，表示偏置，表示輸出；

，其中池化面）是輸入，表示卷積核 ，表示偏置，其中 ,) ，表示輸出；