[發明專利]藥材智能識別方法及系統

在審

• 申請號: 202210923968.6
• 申請日: 2022-08-02
• 公開（公告）號: CN115471839A
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 葛方振;劉懷愚;李想;董繼寬
• 申請（專利權）人: 淮北師范大學;安徽金誠沃嶸生物科技有限公司
• 主分類號: G06V20/80
• 分類號: G06V20/80;G06V10/764;G06V10/52;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京成高專利代理事務所(普通合伙) 16047
• 代理人: 姚燕春

1.一種藥材智能識別方法，其特征在于，包括：

根據待識別的藥材圖像提取多個分辨率分別對應的藥材特征信息；

將多個分辨率分別對應的藥材特征信息進行小波濾波處理，得到對應的多種特征處理信息；

將所述多個分辨率分別對應的藥材特征信息以及所述多種特征處理信息輸入至預先訓練好的藥材智能識別模型中，分類得到最終藥材類別；

其中，所述藥材智能識別模型包括兩層的分類器模型，第一層分類器以及第二層分類器的數量均為分辨率的數量的2倍；所述多個分辨率分別對應的藥材特征信息以及所述多種特征處理信息分別對應作為第一層分類器以及第二層分類器中每一分類器的輸入信息；第一層分類器中每一分類器用于在預設多個藥材類別中識別對應輸入信息的藥材類別；第二層分類器用于在第一類別中識別對應輸入信息的藥材類別，所述第一類別為第一層分類器中分類結果與第一層分類器中其它分類器的分類結果均不相同的分類器得到的類別，對第二層分類器中所有分類器的分類結果加權得到所述最終藥材類別。

2.根據權利要求1所述的藥材智能識別方法，其特征在于，所述第一層分類器以及第二層分類器均為ET-KNN分類器，每一ET-KNN分類器的輸出為一維向量，所述一維向量中值的個數與所述預設多個藥材類別的數量相同，所述一維向量中的每一個值代表對應藥材類別的預測值，將每一ET-KNN分類器的輸出的一維向量中最大預測值對應的藥材類別作為相應ET-KNN分類器的分類結果。

3.根據權利要求2所述的藥材智能識別方法，其特征在于，所述對第二層分類器中所有分類器的分類結果加權得到所述最終藥材類別的步驟包括：

利用遺傳算法產生的最優加權系數對所述第二層分類器中所有分類器的分類結果加權得到所述最終藥材類別；

其中，所述遺傳算法的個體為N*M的二維向量，N為所述第二層分類器中所有分類器的數量，M為第二層分類器中每一ET-KNN分類器輸出的一維向量中值的個數，所述遺傳算法在利用個體對所述第二層分類器的輸出進行加權時的分類精度達到最大時收斂，所述遺傳算法收斂時對應的個體為所述最優加權系數。

4.根據權利要求3所述的藥材智能識別方法，其特征在于，所述多個分辨率包括從大到小依次排列的第一分辨率、第二分辨率以及第三分辨率；

所述預設多個藥材類別包括花類、根莖類、全草類、葉類、樹皮類、藤木類、樹脂類、菌藻類、動物類、礦物類以及果實種子類。

5.一種藥材智能識別系統，其特征在于，包括；

特征信息提取模塊，用于根據待識別的藥材圖像提取多個分辨率分別對應的藥材特征信息；

特征信息處理模塊，用于將多個分辨率分別對應的藥材特征信息進行小波濾波處理，得到對應的多種特征處理信息；

藥材類別識別模塊，用于將所述多個分辨率分別對應的藥材特征信息以及所述多種特征處理信息輸入至預先訓練好的藥材智能識別模型中，分類得到最終藥材類別；其中，所述藥材智能識別模型包括兩層的分類器模型，第一層分類器以及第二層分類器的數量均為分辨率的數量的2倍；所述多個分辨率分別對應的藥材特征信息以及所述多種特征處理信息分別對應作為第一層分類器以及第二層分類器中每一分類器的輸入信息；第一層分類器中每一分類器用于在預設多個藥材類別中識別對應輸入信息的藥材類別；第二層分類器用于在第一類別中識別對應輸入信息的藥材類別，所述第一類別為第一層分類器中分類結果與第一層分類器中其它分類器的分類結果均不相同的分類器得到的類別，對第二層分類器中所有分類器的分類結果加權得到所述最終藥材類別。

6.根據權利要求5所述的藥材智能識別系統，其特征在于，所述第一層分類器以及第二層分類器均為ET-KNN分類器，每一ET-KNN分類器的輸出為一維向量，所述一維向量中值的個數與所述預設多個藥材類別的數量相同，所述一維向量中的每一個值代表對應藥材類別的預測值，將每一ET-KNN分類器的輸出的一維向量中最大預測值對應的藥材類別作為相應ET-KNN分類器的分類結果。