(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210412607.5 (22)申请日 2022.04.19 (71)申请人 安徽农业大 学 地址 230000 安徽省合肥市蜀山区琥珀街 道长江西路13 0号安徽农业大 学 (72)发明人 董梦龙　吴云志　徐淳　庄永志　 毕家泽　 (74)专利代理 机构 安徽思沃达知识产权代理有 限公司 342 20 专利代理师 朱海东 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01)G06T 5/50(2006.01) G06F 16/951(2019.01) G06F 16/55(2019.01) (54)发明名称 一种基于深度学习的中药 材品类识别方法 (57)摘要 本发明公开了一种基于深度学习的中药材 品类识别方法， 包括建立学习模 型和识别中药材 饮片两个部分。 本发明利用网络爬虫和线下采集 方式并通过对 数据集进行数据增强后， 供卷积神 经网络建立识别数据模型， 识别中药材饮片过程 前对其进行样品处理并连续采像后， 利用同态滤 波对采集的图像与基于卷积神经网络进行图像 融合， 通过ZCA白化对图像进行处理后， 再使用 Transformer提取特征， 并将图像特征导入卷积 神经网络模 型中进行特征对比， 以快速获取样本 中药材类别， 极大地排出了处理过程中影响识别 准确性的因素数量， 提升了识别率， 可为中药材 快速识别方法研究提供理论支撑， 为推重中医药 现代化具有非常深远的意 义。 权利要求书2页 说明书5页 附图2页 CN 114998639 A 2022.09.02 CN 114998639 A 1.一种基于深度学习的中药材品类识别方法， 其特征在于， 包括建立学习模型和识别 中药材饮片两个部分， 所述建立学习模型包括以下步骤： S10、 中药材饮片类别划分： 采用功能分类法标记中药材种类， 根据同一类药物在药性、 配伍、 禁忌方面的共性， 且利用同类药物间按作用的强弱、 作用部位的异同分组类比； S11、 数据 集采集： 将使用Python爬虫， 在Scrapy框架上对百度图片进行多线程爬取， 并 进行线下交易市场使用高清相 机拍摄采集中药材数据， 对采集到的中药材数据， 根据步骤 S10中所述中药 材种类加以标签注释； S12、 数据集预处理： 根据所述中药材种类将中药材RGB图像数据中的重 复数据剔除， 按 6:2:2的比例分为训练集、 验证集、 测试集后， 进行数据增强， 采用2D的one ‑hot编码标签建 立样本标签数组； S13、 模型训练： 选择Alex  Net、 Goog  Le Net、 Squeeze  Net作为基础结构， 使用使用 Alex Net、 Squeez e Net、 Goog  Le Net在Image Net数据集上训练得到的参数来为模型参数 初始化后， 进行微调训练； 所述识别中药 材饮片包括以下步骤： S20、 检测样品制片； S21、 获取检测样品图像并整理； S22、 将步骤S2 2中获得的检测样品图像导入所述卷积神经网络模型中进行 卷积处理。 2.根据权利要求1所述的基于深度学习的中药材品类识别方法， 其特征在于， 在步骤 S10中， 所述中药材种类包括解表药、 清热药、 泻下药、 祛风湿药、 芳香化湿药、 利水渗湿药、 温里药、 理气药、 消导药、 驱虫药、 止血药、 活血药、 化痰止咳平喘药、 安神药、 平 肝熄风药、 开 窍药、 补益药、 固涩药、 涌吐药共19种。 3.根据权利要求1所述的基于深度学习的中药材品类识别方法， 其特征在于， 在步骤 S12中， 所述数据增强为将中药材图像随机旋转30 °， 水平方向和垂 直方向随机平移20％， 随 机错切变换强度为0.2， 图像随机缩放的幅度设置为0.2， 对图像进行图像随机水平翻转后， 将所有中药 材图像调整为15 0×150像素。 4.根据权利要求1所述的基于深度学习的中药材品类识别方法， 其特征在于， 在步骤 S13中， 所述模型训练包括以下步骤： S130、 基于Ba gging方法的子训练集划分； S131、 利用各子训练集， 根据特 征融合网络训练方式训练得到多个弱分类 器； S132、 将各个弱分类 器集成为强分类 器。 5.根据权利要求1所述的基于深度学习的中药材品类识别方法， 其特征在于， 在步骤 S20中， 所述检测样品制片为利用毛刷扫去中药材饮片表面细 小灰尘， 利用醋酸乙烯乳液将 所述中药 材饮片固定 于载玻片上。 6.根据权利要求5所述的基于深度学习的中药材品类识别方法， 其特征在于， 在步骤 S21中， 所述获取检测样品图像并整理包括以下内容： S220、 使用电子目镜对步骤S20中所述中药 材饮片进行调节间距至边 缘； S221、 逐步向中心进行调节焦距并连续拍摄采集， 直至拍摄完成整个图像； S222、 对步骤S2 21中所采集的图像分辨 率统一为28×28像素后， 删除冗余图像。 7.根据权利要求1所述的基于深度学习的中药材品类识别方法， 其特征在于， 在步骤权　利　要　求　书 1/2 页 2 CN 114998639 A 2S22中， 包括以下步骤： S220、 利用同态滤波对 采集的图像与基于卷积神经网络进行图像融合； S221、 通过ZCA白化对步骤S2 20处理后的图像进行处 理； S222、 利用Transformer提取 特征； S223、 通过Softmax分类 器进行鉴别。 8.根据权利要求7所述的基于深度学习的中药材品类识别方法， 其特征在于， 在步骤 S220中， 通过所述基于卷积神经网络模型进行胶垫检测判定图像聚焦程度， 通过确定阈值 将得到的焦点转换为二进制图， 通过取出小区域和引导滤波优化均值滤波器二进制图后， 加权平均法融合图像。权　利　要　求　书 2/2 页 3 CN 114998639 A 3