[发明专利]一种基于深度学习图像识别技术的化学信息识别方法

权利要求书

1.一种基于深度学习图像识别技术的化学信息识别方法，其特征在于，包括以下步骤：

（1）对输入的图像使用基于深度学习图像识别技术的节点目标识别器进行节点的识别；

（2）对步骤（1）中识别的节点使用基于深度学习图像识别技术的手写字体目标识别器进行文本内容的识别，进而确定节点对应的具体原子；

（3）将上述多个识别出的原子两两结合，再次使用基于深度学习图像识别技术的化学键目标识别器对两原子间的化学键进行识别；

（4）在数据库中查找上述识别出的原子的属性，计算结构式的相关属性，输出；

或者，将上述识别出的原子及原子间的化学键存储为自定义king格式的文件，输出；

或者，将上述识别出的原子及原子间的化学键绘制在新的图片中，输出。

2.根据权利要求1所述的一种基于深度学习图像识别技术的化学信息识别方法，其特征在于，还包括以下步骤：

（5）对输入的图像使用基于深度学习图像识别技术的箭头目标识别器进行箭头的识别；

然后将上述识别出的箭头与步骤（2）（3）识别出的原子及原子间的化学键存储为自定义king格式的文件，输出；

或者，将上述识别出的箭头与步骤（2）（3）识别出的原子及原子间的化学键绘制在新的图片中，输出。

3.根据权利要求2所述的一种基于深度学习图像识别技术的化学信息识别方法，其特征在于，步骤（1）（2）（3）（5）中所述的基于深度学习图像识别技术的目标识别器是预先使用基于深度学习图像识别技术进行离线训练得到的。

4.根据权利要求3所述的一种基于深度学习图像识别技术的化学信息识别方法，其特征在于，对所述的目标识别器进行离线训练的步骤包括采用图像集来离线训练所述目标识别器。

5.根据权利要求4所述的一种基于深度学习图像识别技术的化学信息识别方法，其特征在于，训练所述目标识别器使用的图像集包括：（a）手写字体图片；（b）多种及多类型化学键连接的节点；（c）常用化学键；（d）化学中常用箭头图片。

6.根据权利要求5所述的一种基于深度学习图像识别技术的化学信息识别方法，其特征在于，使用所述图像集（a）在LeNet模型中训练一个手写字体识别器，用于确定节点是元素周期表中的元素还是纯文本或者是不用显示的“碳”元素；

使用所述图像集（b）在faster-rcnn算法中训练一个节点目标识别器，用于确定图像中所有节点及其空间坐标；

使用所述图像集（c）在faster-rcnn算法中训练一个化学键目标识别器，用于确定原子间的化学键类型及原子间是否存在化学键；

使用所述图像集（d）在faster-rcnn算法中训练一个箭头目标识别器，用于确定输入图像中是否存在箭头及其空间位置坐标。

7.根据权利要求1~6任意一项所述的一种基于深度学习图像识别技术的化学信息识别方法，其特征在于，步骤（3）具体包括以下步骤：

步骤（31），对于识别出的所有原子，两两组合，使用所述化学键目标识别器，识别其中是否含有化学键，并在含有化学键时识别出化学键的类型；

步骤（32），根据上述识别出是否含有化学键及化学键的类型，对两原子添加关联，关联类型为识别出的化学键类型。

8.根据权利要求1~6任意一项所述的一种基于深度学习图像识别技术的化学信息识别方法，其特征在于，在步骤（4）中所述的计算结构式的相关属性包括：

步骤（41），根据原子及原子间的化学键，保证原子最外层8电子稳定结构，自动补氢，统计原子的类型及原子的个数，生成化学结构式的分子式；

步骤（42），根据原子及原子间的化学键转通用的smiles名称，按照公开的smiles协议格式将结构式转smiles名称；

步骤（43），通过对应的smiles在数据库中查找化学结构式对应的英文名称；

步骤（44），计算分子式的精准分子质量、相对分子质量、质荷比对应丰度。