[发明专利]一种基于人工智能的中药材采收时间的鉴别方法

说明书

本发明公开了一种基于人工智能的中药材采收时间的鉴别方法，包括的方法有：收集不同采收时间的中药材若干，并对不同采收时间的每种中药材拍摄图像照片至少一百张；利用已训练的深度学习卷积神经网络框架提取每张图片的多维特征值；将每张图片的多维特征值及其已知的采收时间信息输入SVM进行训练，训练器自动总结不同采收时间的不同中药材饮片图片中的细微差别特点，生成分类模型；对分类模型进行分类并保存，可封装成客户端软件，供客户进行中药材采收时间的鉴别。本发明使用面广，分类精度高，分类精度达到90%以上，达到了实际商用的要求，适于推广应用。

技术领域

本发明涉及一种中药材的鉴别方法，特别是涉及一种基于人工智能的中药材采收时间的鉴别方法。

背景技术

如今市场上中药材的质量参差不齐，中药材的采收时间跟其药效质量往往息息相关，不同采收时间的中药材药效相差较大，但是普通人却难以对其进行分辨鉴别。

以丹参为例，其主要有效成分为丹参酮ⅡA及丹酚酸B，据研究发现，在其他条件一致的情况下，十一月采收丹参的丹参酮ⅡA及丹酚酸B含量最高，即其质量最好；而次年一月采收的丹参的丹参酮ⅡA及丹酚酸B含量一般，即其质量也一般，八月采收的丹参的丹参酮ⅡA及丹酚酸B含量较低，则即其质量也较差；

一般来说，若需要鉴别丹参质量，则需要委托权威的鉴别机构对其有效成分含量进行鉴别，鉴别所消耗的时间及金钱代价较大，普通民众或技术实力一般的中药制药厂往往无法明确其质量。

发明内容

本发明的目的就是提供一种基于人工智能的中药材采收时间的鉴别方法，能完全解决上述现有技术的不足之处。

本发明的目的通过下述技术方案来实现：

一种基于人工智能的中药材采收时间的鉴别方法，包括的方法有：

1）、收集不同时间段采收的同类中药材若干，并对每一时间段的该中药材各拍摄图像照片至少一百张；

2）、利用已训练的深度学习卷积神经网络框架提取每张图片的多维特征值；

3）、将每张图片的多维特征值及其针对该图片已知的采收时间输入SVM进行训练，训练器自动总结同一中药材不同采收时间的图片中的细微差别特点，生成分类模型，对分类模型进行分类并保存；

4）、对于待鉴别的中药材饮片，首先拍照其断面图片，再提取其多维特征值，输入已训练好的SVM分类器，即可得到其采收时间的预测值。

进一步，方法1）中拍摄的是中药材饮片的端面信息，拍摄时照片的分辨率需大于299x299，使其照片中的药材细节清晰可见。

进一步，方法2）中利用已训练的深度学习卷积神经网络框架提取每张图片的1024维特征值。

进一步，将所得的每张图片的1024维数值特征保存成矩阵数组格式，并将同一中药材每一采收时间的图片根据8：2的比例分成训练集图片和测试集图片。

进一步，将每一时间段训练集图片的1024维特征值及其该图片已知的采收时间信息输入SVM进行训练，训练器自动总结不同采收时间中药材图片中的细微差别特点，生成分类模型；将测试集图片所得的1024维特征，利用生成的分类模型对其采收时间进行分类，并对比其已知的实际采收时间即可得到分类器的分类精度。

进一步，分类器的初始参数C和Gamma是可变的，训练时采用多种不同的参数C和Gamma进行组合测试，最后选取分类效果最好的参数组合，为分类器的分类达标精度，确认此模型参数并保存此分类器。

进一步，分类精度不达标，调整模型的相关参数C和Gamma，再进行重复训练和测试，直到分类精度达标为止。

与现有技术相比，本发明的有益效果在于：