换一批摘要中药饮片是中医药体系的重要组成部分,中药饮片的优劣识别及质量评级可促进其发展利用.利用深度学习对中药饮片进行智能识别,则在省时省力节约成本的前提下,合理避免了人为主观因素的制约,为中药饮片的高效识别提供了保障.该研究构建了包含108种中药饮片的数据集(14 058张图片),利用经典的YOLOv4算法对108种中药饮片建立了目标检测模型,模型的平均识别精度(mAP)为85.3％.此外,该研究也将感受野模块(RFB)添加至经典的YOLOv4算法的颈部网络,并利用改进后的YOLOv4算法对108种中药饮片进行计算预测.改进后的YOLOv4模型的mAP达到88.7％,对80种饮片的识别精度超过80％,对48种饮片的识别精度超过90％.此结果说明增加感受野模块可在一定程度上助于尺寸各异且体积较小的中药饮片的识别.最后,该研究分析了改进后的YOLOv4模型对于每类中药饮片的识别精度,通过对预测精度较低的中药饮片原始照片的深入分析,明晰了中药饮片原始照片的数量和质量是对此进行智能识别任务关键.该研究中构建的改进后的YOLOv4模型可用于中药饮片的快速识别,也为中药饮片的人工鉴伪工作提供可参考性的指引建议.
更多相关知识
关键词
中药饮片卷积神经网络深度学习图像识别目标检测Chinese herbal piecesconvolutional neural networksdeep learningimage recognitionobject detection
栏目名称
DOI
10.13422/j.cnki.syfjx.20230614
发布时间
2023-07-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国中医科学院创新工程项目（CI2021A04405）
国家自然科学基金（32202415）
- 浏览6
- 被引8
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
