[發(fā)明專利]中藥材質(zhì)量評(píng)定方法、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810378213.6
• 申請(qǐng)日: 2018-04-25
• 公開（公告）號(hào): CN108732172A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設(shè)計(jì)）人: 鄧玉林
• 申請(qǐng)（專利權(quán)）人: 亳州中藥材商品交易中心有限公司
• 主分類號(hào): G01N21/84
• 分類號(hào): G01N21/84
• 代理公司: 北京酷愛(ài)智慧知識(shí)產(chǎn)權(quán)代理有限公司 11514
• 代理人: 安娜

1.一種中藥材質(zhì)量評(píng)定方法，其特征在于，包括：

步驟S1，獲取中藥材數(shù)據(jù)，包括中藥材的種植環(huán)境信息；

步驟S2，根據(jù)所述中藥材的種植環(huán)境信息進(jìn)行分類，得到分類結(jié)果，所述分類結(jié)果包括家種藥材數(shù)據(jù)和野生藥材數(shù)據(jù)；

步驟S3，根據(jù)所述分類結(jié)果，根據(jù)預(yù)設(shè)規(guī)則對(duì)所述中藥材的質(zhì)量進(jìn)行評(píng)定，得到評(píng)定結(jié)果，所述預(yù)設(shè)規(guī)則包括第一預(yù)設(shè)規(guī)則和第二預(yù)設(shè)規(guī)則：

當(dāng)所述分類結(jié)果為家種藥材數(shù)據(jù)，根據(jù)所述第一預(yù)設(shè)規(guī)則對(duì)所述家種藥材的質(zhì)量進(jìn)行評(píng)定，得到評(píng)定結(jié)果，所述第一預(yù)設(shè)規(guī)則根據(jù)家種藥材的品牌類指標(biāo)信息、物理規(guī)格類指標(biāo)信息、藥典類指標(biāo)信息和專家綜合評(píng)定類指標(biāo)信息獲得；

當(dāng)所述分類結(jié)果為野生藥材數(shù)據(jù)，根據(jù)所述第二預(yù)設(shè)規(guī)則對(duì)所述野生藥材的質(zhì)量進(jìn)行評(píng)定，得到評(píng)定結(jié)果，所述第二預(yù)設(shè)規(guī)則根據(jù)野生藥材的品牌類指標(biāo)信息、物理規(guī)格類指標(biāo)信息、藥典類指標(biāo)信息和專家綜合評(píng)定類指標(biāo)信息獲得；

步驟S4，基于中藥材的顯微圖像特征進(jìn)行辨別，以得到圖像評(píng)定結(jié)果；

步驟S5，將評(píng)定結(jié)果與圖像質(zhì)量評(píng)定結(jié)果進(jìn)行權(quán)重的重新分配，得到對(duì)所述中藥材的質(zhì)量評(píng)價(jià)分?jǐn)?shù)。

2.根據(jù)權(quán)利要求1所述的中藥材質(zhì)量評(píng)定方法，其特征在于，所述步驟S4，具體包括：

步驟S41，通過(guò)多個(gè)圖像采集設(shè)備采集中藥材的顯微圖像，對(duì)所述中藥材的顯微圖像進(jìn)行預(yù)處理，分割出目標(biāo)區(qū)域的輪廓，進(jìn)行圖像去噪，將神經(jīng)網(wǎng)絡(luò)PCNN與顯微圖像對(duì)應(yīng)，將中心神經(jīng)元與顯微圖像的像素點(diǎn)對(duì)應(yīng)，中心神經(jīng)元的鄰域與鄰域像素點(diǎn)對(duì)應(yīng)，中心神經(jīng)元的輸入為像素點(diǎn)的灰度值；

步驟S42，建立從空間圖像處理信息到時(shí)間信息的PCNN賦時(shí)矩陣，將賦時(shí)矩陣視為不變直方圖矢量重心，經(jīng)PCNN迭代處理所述顯微圖像并提取直方圖矢量小變特征；

步驟S43，把PCNN神經(jīng)元模型與最大模糊熵或超模糊熵判據(jù)相結(jié)合對(duì)圖像進(jìn)行自動(dòng)分割，提取中藥材二值圖像目標(biāo)，建立引入交叉熵分割判據(jù)的PCNN顯微圖像分割算法；

步驟S44，以最大互信息優(yōu)化多值圖像分割并進(jìn)行圖像去噪，建立相鄰分割圖像互信息熵差最小分類判據(jù)，選取所述顯微圖像建立基于最小互信息熵差的PCNN自動(dòng)多值目標(biāo)分割算法，得到完善的多值目標(biāo)圖像；

步驟S45，利用所述PCNN神經(jīng)元模型處理所述顯微圖像，提取各二維圖像的一維時(shí)間序列信號(hào)特征并存儲(chǔ)特征信息，對(duì)該一維時(shí)間序列信號(hào)進(jìn)行熵變換，形成熵序列信號(hào)，并作為PCNN處理的另一圖像特征，并結(jié)合所述顯微圖像體視學(xué)要求的圖像目標(biāo)特征，提取所述顯微圖像的空域特征信息；

步驟S46，將PCNN模型與圖像傅里葉變換小數(shù)冪指數(shù)濾波相結(jié)合，提取圖像變換域特征信息；

步驟S47，分析PCNN迭代圖像處理圖像的形狀、顏色、紋理及原圖像目標(biāo)形狀、結(jié)構(gòu)分布的歸一化轉(zhuǎn)動(dòng)慣量混合特征，引入馬氏距離結(jié)合Pearson積矩相關(guān)法的綜合相似性度量方法，提取所述顯微圖像PCNN的特征信息；

步驟S48，提取同一圖像的步驟S41、步驟S45、步驟S46、步驟S47所述的特征信息，建立中藥材顯微圖像特征信息庫(kù)，搭建中藥材顯微圖像的主輔特征識(shí)別與檢索的智能系統(tǒng)，進(jìn)行中藥材的質(zhì)量評(píng)定，得到中藥材圖像質(zhì)量評(píng)定結(jié)果。

3.根據(jù)權(quán)利要求2所述的中藥材質(zhì)量評(píng)定方法，其特征在于，通過(guò)多個(gè)圖像采集設(shè)備采集中藥材的顯微圖像，具體包括：

對(duì)各圖像采集設(shè)備采集的圖像進(jìn)行目標(biāo)識(shí)別；

根據(jù)目標(biāo)識(shí)別的結(jié)果，確定采集到目標(biāo)的圖像采集設(shè)備，將圖像采集設(shè)備作為當(dāng)前圖像采集設(shè)備；

關(guān)閉除當(dāng)前圖像采集設(shè)備外的其它圖像采集設(shè)備；

確定目標(biāo)在圖像中的位置以及目標(biāo)的運(yùn)動(dòng)方向；

將位置和預(yù)設(shè)閾值進(jìn)行比較，確定目標(biāo)所在的圖像區(qū)域，其中圖像區(qū)域包括第一區(qū)域、第三區(qū)域以及位于第一區(qū)域和第三區(qū)域之間的第二區(qū)域；

若目標(biāo)在第一區(qū)域或第三區(qū)域，根據(jù)第一區(qū)域或第三區(qū)域在圖像上的方位，開啟當(dāng)前圖像采集設(shè)備相應(yīng)方向的圖像采集設(shè)備；

若目標(biāo)在第二區(qū)域，開啟當(dāng)前圖像采集設(shè)備相應(yīng)方向的圖像采集設(shè)備，并關(guān)閉當(dāng)前圖像采集設(shè)備。