[发明专利]一种中药饮片图像的自动识别方法

权利要求书

1.一种中药饮片图像的自动识别方法，其特征在于，包括以下步骤：

(1)分类别采集常用中药饮片数据图像；

(2)对采集的图像进行分割，得到单个饮片图像；

(3)对所得单个饮片图像进行预处理，构建常见中药饮片数据库；

(4)构建基于ResNeSt的识别模型，所述的识别模型对ResNeSt卷积神经网络模型进行修改，在基数组内Split Attention操作中的Global pooling之前增加最大池化操作，同时在通道间注意力之后添加空间注意力；

(5)将预处理后的饮片图像数据集输入识别模型进行模型训练；

(6)模型训练完毕后，将待识别的中药饮片图像输入训练后的识别模型进行识别。

2.根据权利要求1所述的中药饮片图像的自动识别方法，其特征在于，步骤(1)中，所述的中药饮片数据图像通过图像采集设备采集自专业中药饮片生产销售机构，中药饮片为中药材经过遵循中国药典、中药炮制规范的炮制加工后所得。

3.根据权利要求1所述的中药饮片图像的自动识别方法，其特征在于，步骤(2)中，得到的单个饮片图像覆盖了在外观、数量、纹理、状态上各有差异的饮片图像。

4.根据权利要求1所述的中药饮片图像的自动识别方法，其特征在于，步骤(3)中，所述的预处理包括缩放和归一化处理。

5.根据权利要求1所述的中药饮片图像的自动识别方法，其特征在于，步骤(4)中，对ResNeSt卷积神经网络模型进行修改，具体包括:

(4-1)在Split Attention操作中的Global pooling之前增加最大池化Max pooling操作，准确的获得全局上下文信息，从而更好的保留和提取纹理特征，该层的具体表示方式如下：G(F)＝maxPool(F)；

(4-2)在Split Attention操作中添加空间注意力,具体步骤如下：

(4-2-1)特征图经过max pooling和GlobalAvg pooling两个池化层聚合特征图的通道信息，以更好保留并提取纹理特征，其公式如下：

G1(F)＝[avgPool(F),maxPool(F)]

(4-2-2)特征图经过3个3*3的卷积核，获得一个较大的感受野以决定空间区域的重要性，其公式如下：G2(F)＝f^3*3(f^3*3(f^3*3(F)))

(4-2-3)特征图经过sigmoid函数，生成最终空间注意力的权重系数,sigmoid函数的具体公式如下：

(4-2-4)将获得的最终空间注意力的权重系数加权到原始特征图中，具体公式如下：G4(F)＝W*F。

6.根据权利要求1所述的中药饮片图像的自动识别方法，其特征在于，步骤(5)中，进行模型训练时，具体包括：

(5-1)对不同的迭代周期进行实验，确定其对识别率结果的影响，最终确定固定迭代周期(epoch＝150)；

(5-2)对不同的学习速率和批尺寸进行网格搜索，确定其对图像识别率的影响，综合考虑识别率与训练时长，确定学习速率(lr＝0.001)和批尺寸(batch-size＝64)，以得到训练后的模型。

7.根据权利要求1所述的中药饮片图像的自动识别方法，其特征在于，步骤(5-1)中，固定迭代周期是通过分析对最终识别率的影响而择优确定的。

8.根据权利要求1所述的中药饮片图像的自动识别方法，其特征在于，步骤(5-2)中，确定学习速率和批尺寸时，考虑到了模型的收敛程度和速度。