[发明专利]一种基于深度神经网络的中药识别与表面缺陷检测方法

说明书

本发明涉及一种基于深度神经网络的中药识别与表面缺陷检测方法，包括：将两个基于ImageNet数据集完成训练的VGG‑16神经网络模型并列，去掉两VGG‑16神经网络模型末尾全连接层和softmax分类器后，加上池化层、空白的全连接层和空白的随机森林分类器，构建目标深度神经网络模型；收集各类中药图像形成数据集，采用比例分层随机抽样，将数据集分为训练集和测试集；将每一训练集图像划分为若干局部图像块输入目标深度神经网络模型中，进行迁移学习训练；将测试集图像输入训练好的目标深度神经网络模型中进行中药识别与表面缺陷检测，输出识别结果。本发明识别准确率更高，且采用小批量数据集作为输入，极大减少因中药种类繁多带来的数据收集难问题。

技术领域

本发明属于图像检测技术领域，具体涉及一种基于深度神经网络的中药识别 与表面缺陷检测方法。

背景技术

当前，中药生产中的“净选”环节(即表面缺陷检测环节)依然需要人工完成， 原因在于：中药与工业化产品不同，不同类型的中药存在很大差异，即使同一类 中药也很难找到两个完全一样的形状特征(个体差异性大)，导致中药表面的缺 陷特征差异性很大，传统的应用于工业产品的表面缺陷视觉检测算法很难获得良 好的检测效果。

现有技术中，中国专利CN201310244538.2公开了一种中药识别方法及其系 统，其采用显微图像，对显微图像进行去燥和分割处理，从而获得待识别中药的 显微特征图像，然后将显微特征图像在预设的中药显微特征图像库中进行匹配， 根据匹配的结果确定中药的品种。该方法局限于特定的显微图像，图像匹配的方 式泛化能力较弱，对于图像库中没有的图像很难获得识别，而中药的特征图像是 难以穷举的。

中国专利CN201811074722.6公开了一种基于卷积神经网络中药识别方法， 其将中药分为M层，卷积神经网络每层分类器与该层中药种类的数目相同且一 一对应，成熟的卷积神经网络中每一分类器具有与所在层所在种类对应的特征匹 配模型和下一层种类或中药名称对应的参考特征参数。将非参考中药图片输入卷 积神经网络中，多层分类器按照层次依据对应的特征匹配模型和参考特征参数对 非参考中药图片进行特征识别从而获取所述非参考中药图片的下一层类别或者 名称，将其输送至下一层对应类别的分类器中，直至通过第M层对应种类的分 类器识别非参考中药图片的名称。该识别方法理论上具有可行性，但是其泛化能 力和实用性较弱，以整张图片作为神经网络的输入，对于局部特征的学习较弱， 无法解决中药表面缺陷检测问题。

发明内容

本发明提出一种识别准确率高的基于深度神经网络的中药识别与表面缺陷 检测方法。

本发明所采用的技术方案为：

一种基于深度神经网络的中药识别与表面缺陷检测方法，包括如下步骤：

步骤1)、将两个基于ImageNet数据集完成训练的VGG-16神经网络模型 并列，去掉两VGG-16神经网络模型末尾全连接层和softmax分类器后，加上池 化层、空白的全连接层和空白的随机森林分类器，构建目标深度神经网络模型；

步骤2)、收集各类中药图像形成数据集，采用比例分层随机抽样，将数据 集分为训练集和测试集；将每一训练集图像划分为若干局部图像块输入目标深度 神经网络模型中，进行迁移学习训练，并保存训练好的目标深度神经网络模型；

步骤3)、将测试集图像输入训练好的目标深度神经网络模型中进行中药识 别与表面缺陷检测，输出识别结果。

进一步地，步骤2)中，从每一类中药图像中随机选取80％作为训练集，20％ 作为测试集。