[发明专利]一种基于改进的Tiny-YOLO v4自然环境下舌像检测定位方法

说明书

一种基于改进的Tiny‑YOLO v4自然环境下舌像检测定位方法，包括：收集舌像数据，并制作舌像数据集；构建改进Tiny‑YOLO v4网络结构，实施与结构相匹配的Tiny‑YOLO v4目标检测方法；对与结构相匹配的Tiny‑YOLO v4目标检测方法进行训练，将训练后最佳的权重文件加载至Tiny‑YOLO v4目标检测方法中得到目标检测网络模型；目标检测网络模型训练完成后进行多组独立数据集测试，在自然环境下快速定位检测舌体的位置并评价模型检测效果。本发明避免传统舌像识别算法的复杂度，利用检测准确率极高的Tiny‑YOLO v4算法和神经网络在轻量化的CSPDarknet53框架上实现，加上协同注意力机制的空间信息特征和通道信息特征相融合，能够快速有效在自然环境下定位检测舌像。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于改进的Tiny-YOLO v4的自然环境下舌像检测定位方法。

背景技术

舌诊作为中医望诊的重要组成部分，通过获取舌像特征进行辩证论治，可以实现无创诊断、降低诊断费用，在临床诊断中起着重要的作用。传统舌诊，主要依靠医生的肉眼观察，并进行分析判断，诊断结果往往与医生的临床经验和知识储备水平有直接关系，而且易受环境的影响，存在主观性差异和评判标准不一致等问题。另外由于舌诊辅助系统在对舌像进行采集时对环境要求极为严苛，即在密闭、光照稳定的环境下采集，且仪器设备笨重，不适于大规模推广舌像采集。并且自然环境下存在光源色温、光线强弱、拍摄角度、设备差异等诸多不确定因素的影响，会导致所采集到的舌像颜色失真、分辨率低、曝光过度等问题，与同标准环境下所采集的相比，会存在一定程度的偏差，影响后续处理。因此，在自然环境下对所采集到的舌像数据快速、准确地定位舌像区域尤为重要。

由于环境差异、个体差异、设备差异等干扰因素的影响，实现高效、准确、鲁棒性能好的舌像定位有一定的难度。

目前的舌像检测定位方法大致上可以分为两类。一类是基于传统方法，利用外观信息如亮度、对比度，对舌像进行检测与定位；另一类是基于深度学习方法，利用深度卷积神经网络提取图片的信息，对舌像进行检测与定位。这类算法虽然在一定程度上提高了定位准确率，但舌像信息的采集，对环境要求极为严苛，不适宜在自然环境下采集舌像。近年来，研究者们也提出将这两类方法相结合，实现舌像的定位。但上述两种方法相结合都无法在自然环境下去精确地定位舌像，这无疑对舌像的大规模采集造成了巨大的阻碍，给舌像分析过程增加难度。

发明内容

本发明的目的在于提供一种基于改进的Tiny-YOLO v4的自然环境下舌像检测定位方法，能够在一套系统中精确快速地定位自然环境下所采集的舌像位置，相对于传统的检测定位算法提高了识别的精度和速度，同时还降低了相应定位算法的复杂度。

一种基于改进的Tiny-YOLO v4的自然环境下的舌像检测定位方法，包括以下步骤：

a步骤、收集舌像数据，并制作舌像数据集；

b步骤、构建改进Tiny-YOLO v4网络结构，在所述改进网络结构基础上实施与结构相匹配的Tiny-YOLO v4目标检测方法，所述改进网络结构包括特征提取骨干网络、协同注意力机制模块、特征融合模块和多分类器模块。

c步骤、利用a步骤的数据集对所述与结构匹配的Tiny-YOLO v4目标检测方法进行训练，将训练后最佳的权重文件加载至Tiny-YOLO v4目标检测方法中得到目标检测网络模型，训练中采用Mosaic数据增强方法对舌像数据集进行扩充，采用K-Means聚类方法对舌像尺寸进行分类。

d步骤、目标检测网络模型训练完成后进行多组独立数据集测试，在自然环境下快速定位检测舌体的位置并评价模型检测效果；