[发明专利]基于深度学习的中草药识别方法、装置及存储介质

权利要求书

1.一种基于深度学习的中草药识别方法，其特征在于，所述基于深度学习的中草药识别方法包括：

获取待识别草药图片，并对所述待识别草药图片进行特征提取，获得待处理草药特征信息；

根据所述待处理草药特征信息中形状信息、颜色信息以及轮廓信息确定草药类别信息；

将所述待处理草药特征信息和所述草药类别信息输入至预设双教师蒸馏模型中，获得所述待识别草药图片的草药名称和草药置信度；

在所述草药置信度大于预设阈值时，根据所述草药名称从中草药资料数据库中提取所述草药名称对应的草药知识信息；

所述获取待识别草药图片，并对所述待识别草药图片进行特征提取，获得待处理草药特征信息的步骤之前，还包括：

获取样本草药对应的训练图像集，对所述训练图像集进行遍历，获得遍历到的当前训练图像；

根据不同的图像增广策略对所述当前训练图像进行变换，获得变换图像集；

对所述变换图像集中的每个变换图像进行裁剪，获得裁剪图像集；

在遍历结束时，根据获得的所有裁剪图像集生成裁剪图像集集合；

将所述训练图像集和所述裁剪图像集集合输入至ResNet50_vd_ssld模型，获得第一预测类别概率分布；

将所述训练图像集和所述裁剪图像集集合输入至DenseNet模型，获得第二预测类别概率分布；

根据所述第一预测类别概率分布和所述第二预测类别概率分布确定综合类别概率分布；

根据所述综合类别概率分布确定教师软标签，并根据所述教师软标签和预设温度确定教师概率变换值；

将所述训练图像集和所述裁剪图像集集合输入至MobileNet_v3模型，获得第三预测类别概率分布；

根据所述第三预测类别概率分布和所述预设温度确定学生概率变换值；

根据所述教师概率变换值和所述学生概率变换值通过JS散度获得软标签损失函数值；

获取所述MobileNet_v3模型的硬标签，并根据所述硬标签和所述第三预测类别概率分布确定硬标签损失函数值；

获取所述软标签损失函数值和所述硬标签损失函数值之间的损失权重值，根据所述软标签损失函数值、所述硬标签损失函数值及所述损失权重值通过预设损失公式计算综合损失函数值；

所述预设损失公式为：

；

式中，Loss为综合损失函数值，L_soft为软标签损失函数值，L_hard为硬标签损失函数值，为损失权重值；

根据所述综合损失函数值及预设学习下降策略对所述MobileNet_v3模型进行训练，获得预设双教师蒸馏模型。