[發(fā)明專利]一種基于雙注意力機制的卷積神經(jīng)網(wǎng)絡(luò)的中藥種類識別方法

在審

• 申請?zhí)枺?/td>: 202210538035.5
• 申請日: 2022-05-18
• 公開（公告）號: CN114723745A
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計）人: 張琪凱
• 申請（專利權(quán)）人: 南京工業(yè)大學(xué);紹興蘭紅智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/00;G06N3/08;G06N3/04
• 代理公司: 紹興市寅越專利代理事務(wù)所(普通合伙) 33285
• 代理人: 潘敏

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于雙注意力機制的卷積神經(jīng)網(wǎng)絡(luò)的中藥種類識別方法；所提供的識別發(fā)方法包括：中藥樣本圖像采集、中藥樣本圖像處理、訓(xùn)練中藥的類型品級識別模型以及中藥圖像識別步驟。本發(fā)明的方法可以精確地識別中藥的種類及品級，識別的平均準確率在90％以上，彌補了目前中藥市場對于中藥無法有效鑒定的情況，并且識別的準確性較好，識別速度快，不需要漫長的等待。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于雙注意力機制的卷積神經(jīng)網(wǎng)絡(luò)的中藥種類識別方法。

背景技術(shù)

目前，中藥種類和品級鑒定方法仍以感官審評為主，易受到評茶師經(jīng)驗、生理狀態(tài)、環(huán)境等因素影響，審評結(jié)果具有一定的主觀性。該方法不適于對中藥品質(zhì)的流水線、規(guī)模化的批量品質(zhì)檢測。

近幾年隨著人工智能領(lǐng)域的興起，深度學(xué)習技術(shù)的到了飛速發(fā)展，基于深度學(xué)習技術(shù)的圖像識別方法被廣泛應(yīng)用于各個領(lǐng)域。目前已有的中藥識別研究，大多應(yīng)用于新鮮中藥和單個中藥的識別分類上。由于中藥圖像獲取方式較為苛刻，必須使用專門的設(shè)備進行拍攝，拍攝條件也有所限制，無法應(yīng)用于中藥市場。對于中藥識別鑒定的研究相對匱乏，尚沒有一套完整的中藥種類和品級識別方法。

綜上所述，研發(fā)一種基于雙注意力機制的卷積神經(jīng)網(wǎng)絡(luò)的中藥種類識別方法，仍是圖像處理技術(shù)領(lǐng)域中急需解決的關(guān)鍵問題。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)所存在的上述缺點，本發(fā)明通過上傳手機拍攝中藥的照片，可以實現(xiàn)中藥的識別，彌補了中藥無法有效識別鑒定的問題。

為實現(xiàn)上述目的，本發(fā)明提供了如下技術(shù)方案：

本發(fā)明提供了一種基于雙注意力機制的卷積神經(jīng)網(wǎng)絡(luò)的中藥種類識別方法，包括以下步驟：

(1)中藥樣本圖像采集：選取若干種已知中藥種類的中藥樣本，對各種類的中藥進行圖像采集，將任一樣本平鋪，通過手機拍攝獲取該樣本中藥的圖像n張；

(2)中藥樣本圖像處理：對任一樣本的n張圖像分別進行圖像分割和數(shù)據(jù)增強處理，獲取該樣本中藥的圖像庫；

(3)訓(xùn)練中藥的類型品級識別模型：對各種已知中藥種類的中藥樣本分別執(zhí)行步驟(1)-步驟(2)的操作，獲得相應(yīng)樣本的圖像庫，將各樣本中藥種類標簽與對應(yīng)的圖像庫輸入基于雙注意力機制的卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練；

(4)中藥圖像識別：將待識別中藥平鋪，通過手機拍攝獲取待識別的中藥圖像，輸入至中藥的類型品級識別模型，獲取中藥類型品級的識別結(jié)果。

本發(fā)明進一步的設(shè)置為：在步驟(1)中，手機拍攝時，將中藥區(qū)域在手機屏幕居中，占據(jù)屏幕大小的3/4。

本發(fā)明進一步的設(shè)置為：在步驟(2)中，所述圖像分割的方法為：

將原始圖像轉(zhuǎn)化為灰度圖像，然后采用高斯濾波對灰度圖像進行去噪；對去燥后的灰度圖像二值化處理以獲得中藥區(qū)域的邊界，根據(jù)邊界對原始圖像進行裁剪，獲取邊界內(nèi)的最大正方形作為裁剪的中藥圖像；以預(yù)設(shè)窗口和步長對裁剪的中藥圖像進行分割，獲得該中藥樣本分割后的若干張圖像數(shù)據(jù)。

本發(fā)明進一步的設(shè)置為：所述窗口尺寸為400*400或600*600中的任一種。

本發(fā)明進一步的設(shè)置為：所述步長為窗口邊長的1/3-2/3，將分割后的圖像部分重疊。

本發(fā)明進一步的設(shè)置為：在步驟(2)中，所述數(shù)據(jù)增強是對分割后的圖像數(shù)據(jù)進行翻轉(zhuǎn)、旋轉(zhuǎn)、縮放、加噪處理和亮度調(diào)節(jié)中的一種或多種操作。

本發(fā)明進一步的設(shè)置為：在步驟(3)中，所述卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練的方法為：

(31)通過特征提取網(wǎng)絡(luò)提取中藥圖像特征層X_k，共G組，k∈G；