换一批基于超图神经网络的双模态特征融合藏药材植株识别算法
Bimodal feature fusion algorithm of Tibetan medicinal materials recognition based on hypergraph neural network
摘要目的 准确识别藏药材,实现藏药材智能化挖掘及管理.方法 提出基于超图的双模态特征融合藏药材植株识别算法HerbiFusionNet模型.首先,利用改进的ResNet152-CA模型提取藏药材图像的空间特征,将基于Transformer架构的BERT模型提取藏药材文本的语义特征,实现 2 种模态特征的互补与融合;其次,计算融合后特征向量的相似性,构建超图网络;最后,通过超图神经网络捕获藏药材植株复杂关联关系,获得藏药材准确的分类.结果 相比于单一模态ResNet-152-CA模型,引入融合双模态特征并基于超图神经网络的HerbiFusionNe模型,藏药材识别准确率为 96.28%,其准确率增加了 4.40%.提出的 HerbiFusionNet 模型实证了融合图像和文本的双模态特征利用超图结构挖掘藏药材数据内复杂关系的有效性.结论 HerbiFusionNet模型提升了藏药材识别的准确率,能有效捕捉藏药材图像与文本之间的高阶关系,展现了超图神经网络在处理藏药植株复杂数据结构中的优势,为后续深入挖掘"症状-方剂-药材"关系及安全使用奠定了标准化基础,推动了藏药研究和应用的发展.
更多相关知识
关键词
藏药材超图双模态特征融合卷积神经网络HerbiFusionNet模型Tibetan medicinal materialshypergraphbimodal feature fusionconvolutional neural networksHerbiFusionNet model
分类号
TP18R282.5（中药学）
栏目名称
DOI
10.7501/j.issn.0253-2670.2025.04.019
发布时间
2025-02-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
青海省海南州可持续发展议程创新示范区科技创新平台项目（2024-HN-P04）
中国高校产学研创新基金（2024HY004）
- 浏览5
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
