[发明专利]一种轻量级中药材识别方法

说明书

本发明公开了一种轻量级中药材识别方法，包括如下步骤：S1：采集中药材图片并对图片进行预处理；S2：采用卷积神经网络，对其进行张量分解；S3：微调训练；S4：Softmax分类器接收传递来的向量，并对向量信号进行处理，得到分类结果，对图像作分类。本发明提出的轻量级中药材识别方法，所占内存空间小，计算复杂度较低，可移植性好，能够在手机等边缘端设备上运行；对模型中参数进行张量分解，大幅度减少了模型中的参数，加快了训练的速度；采用深度卷积神经网络，分类效果好，学习能力强。

技术领域

本发明涉及到计算机视觉技术领域，特别涉及一种轻量级中药材识别方法。

背景技术

中药主要由植物药(根、茎、叶、果)、动物药(内脏、皮、骨、器官等)和矿物药组成。因植物药占中药的大多数，所以中药也称中草药。中国各地使用的中药已达5000种，把各种药材相配而形成的方剂，更是数不胜数。在中药资源上，中国占据垄断地位，古代先贤把中草药进行研究总结，经过几千年的研究，已经形成了一本独立的学科，草本学。中药是中医预防和治疗疾病使用的独特的药物，是中医区别于其他医学的重要标志。

目前中药材的识别主要还是依靠专业人员根据自己的知识和经验，或者根据图片对比来鉴别药材。但人的经验识别和鉴定的准确性、重现性、识别准确率较低。但是随着人们对健康的追求，越来越多的人更倾向于选择副作用更小的中药来预防或者治疗疾病，但是由于大部分人都不是专业人员，对中药材方面的知识十分匮乏，还是停在只听从中医的药房，但是却想认识中药材；以及有些人想认识中药材但是身边却没有相关专业人员；同时存在中药材种类繁多，市场庞大，甚至很多采购人员都不能很好地识别出药材，这就会造成误识中药材，甚至会导致严重的后果。

图像识别一直以来都是计算机领域一个重要的研究方向，近年来越来越多的人进入到这个领域来进行研究。深度学习近十几年来在人工智能领域飞速发展，利用深度神经网络学习、训练模型，对图像进行智能识别，从而提高识别的准确率，已经应用非常广泛。但是深度学习目前仍然存在一些问题。为了达到更好的性能，深度神经网络通常深度深，层数多，会造成训练时间长以及参数量大的问题，对深度神经网络的应用造成了很大的障碍。为了解决这两个问题，用张量分解方法对深度卷积网络中的卷积层和全连接层进行分解，可以达到减少训练时间，加快训练速度，减少参数量的目的。

基于上述问题，提出一种轻量级中药材识别方法。

发明内容

本发明的目的在于提供一种轻量级中药材识别方法，具有所占内存空间小，计算复杂度低，可移植性好，能够在手机等边缘端设备上运行，对模型中参数进行张量分解，大幅度减少了模型中的参数，加快了训练的速度；采用深度卷积神经网络，分类效果好，学习能力强的优点，以解决上述背景技术中提出训练时间长、参数量大的问题。

为实现上述目的，本发明提供如下技术方案：S1：采集中药材图片并对图片进行预处理，并化分为训练集和测试集；

S2：采用张量分解的方法对卷积层和全连接层的参数进行压缩，减少参数的数量；

S3：利用训练集对压缩之后得到的新网络进行微调训练；

S4：分类器接收传递来的信号，得到分类结果。

优选的，神经网络的参数可以是利用训练集训练后获取的神经网络的参数，或者可以是直接获取网络上预训练好的神经网络参数。

优选的，S2中的张量分解过程如下：

1)：对神经网络中第一层的参数进行张量分解；

2)：得到分解之后的维度较小的张量，替代分解之前的参数；

3)：将所有的卷积层和全连接层都进行同样的分解和替代过程。

优选的，张量分解方法具体为：，分解时根据张量本身的数据，可以自动求得合适的秩。