[發明專利]基于深度學習的中草藥識別方法、裝置及存儲介質有效
| 申請號： | 202110628514.1 | 申請日： | 2021-06-04 |
| 公開（公告）號： | CN113449776B | 公開（公告）日： | 2023-07-25 |
| 發明（設計）人： | 鄭祿;文曉國;龍文漢;帖軍;徐勝舟;藍佳寧 | 申請（專利權）人： | 中南民族大學 |
| 主分類號： | G06V10/764 | 分類號： | G06V10/764;G06V10/774;G06V10/82;G06N3/096;G06N3/047;G06N3/0464 |
| 代理公司： | 深圳市世紀恒程知識產權代理事務所 44287 | 代理人： | 鄺艷菊 |
| 地址： | 430074 湖北省武漢*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 深度 學習 中草藥 識別 方法 裝置 存儲 介質 | ||
1.一種基于深度學習的中草藥識別方法，其特征在于，所述基于深度學習的中草藥識別方法包括：
獲取待識別草藥圖片，并對所述待識別草藥圖片進行特征提取，獲得待處理草藥特征信息；
根據所述待處理草藥特征信息中形狀信息、顏色信息以及輪廓信息確定草藥類別信息；
將所述待處理草藥特征信息和所述草藥類別信息輸入至預設雙教師蒸餾模型中，獲得所述待識別草藥圖片的草藥名稱和草藥置信度；
在所述草藥置信度大于預設閾值時，根據所述草藥名稱從中草藥資料數據庫中提取所述草藥名稱對應的草藥知識信息；
所述獲取待識別草藥圖片，并對所述待識別草藥圖片進行特征提取，獲得待處理草藥特征信息的步驟之前，還包括：
獲取樣本草藥對應的訓練圖像集，對所述訓練圖像集進行遍歷，獲得遍歷到的當前訓練圖像；
根據不同的圖像增廣策略對所述當前訓練圖像進行變換，獲得變換圖像集；
對所述變換圖像集中的每個變換圖像進行裁剪，獲得裁剪圖像集；
在遍歷結束時，根據獲得的所有裁剪圖像集生成裁剪圖像集集合；
將所述訓練圖像集和所述裁剪圖像集集合輸入至ResNet50_vd_ssld模型，獲得第一預測類別概率分布；
將所述訓練圖像集和所述裁剪圖像集集合輸入至DenseNet模型，獲得第二預測類別概率分布；
根據所述第一預測類別概率分布和所述第二預測類別概率分布確定綜合類別概率分布；
根據所述綜合類別概率分布確定教師軟標簽，并根據所述教師軟標簽和預設溫度確定教師概率變換值；
將所述訓練圖像集和所述裁剪圖像集集合輸入至MobileNet_v3模型，獲得第三預測類別概率分布；
根據所述第三預測類別概率分布和所述預設溫度確定學生概率變換值；
根據所述教師概率變換值和所述學生概率變換值通過JS散度獲得軟標簽損失函數值；
獲取所述MobileNet_v3模型的硬標簽，并根據所述硬標簽和所述第三預測類別概率分布確定硬標簽損失函數值；
獲取所述軟標簽損失函數值和所述硬標簽損失函數值之間的損失權重值，根據所述軟標簽損失函數值、所述硬標簽損失函數值及所述損失權重值通過預設損失公式計算綜合損失函數值；
所述預設損失公式為：
；
式中，Loss為綜合損失函數值，Lsoft為軟標簽損失函數值，Lhard為硬標簽損失函數值，為損失權重值；
根據所述綜合損失函數值及預設學習下降策略對所述MobileNet_v3模型進行訓練，獲得預設雙教師蒸餾模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中南民族大學，未經中南民族大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110628514.1/1.html，轉載請聲明來源鉆瓜專利網。
