[发明专利]一种中药识别系统

说明书

本发明公开了一种中药识别系统，属于图像识别领域。一种中药识别系统，包括：图像采集模块、图像处理模块与数据库。所述图像采集模块从多个角度的采集所述中药的图像，并传输至所述图像处理模块；所述图像处理模块提取所述中药特征信息，形成所述中药的特征信息参数；将所述特征信息参数与所述数据库存储的标准信息参数进行对比。

技术领域

本发明涉及图像识别领域，具体涉及一种中药识别系统。

背景技术

20世纪20年代兴起了图像处理，随后便结合了模式识别得到极大的发展，广泛地应用于不同的领域。中药学是一门博大精深的学问，近些年来，人们对中医药的认可度也在不断提高，但是市场上假冒伪劣的药材横行，人工鉴别繁琐且可能出错。

发明内容

针对现有技术的不足，本发明提出了一种中药识别系统。

本发明的目的可以通过以下技术方案实现：

一种中药识别系统，包括：

图像采集模块、图像处理模块与数据库。

所述图像采集模块从多个角度的采集所述中药的图像，并传输至所述图像处理模块；所述图像处理模块提取所述中药特征信息，形成所述中药的特征信息参数；

将所述特征信息参数与所述数据库存储的标准信息参数进行对比。

可选地，所述特征信息包括中药的颜色、形状与纹理。

可选地，所述图像处理模块为Matlab平台。

可选地，所述图像采集设备为摄像机或智能手机。

可选地，还包括报告生成模块，用于显示所述特征信息与所述数据库存储的标准信息的对比结果。

可选地，所述图像采集模块与所述图像处理模块通过Wifi或数据线信号连接。

可选地，还包括步骤1，收集样本中药图像和待识别中药图像，存储在所述数据库中；在所述数据库中，对所收集到的样本中药图像进行颜色、形状、纹理的标记；

步骤2,将样本中药图像输入深度卷积祌经网络中进行训练，建立深度卷积神经网络模型，所述深度卷积神经网络中输入层、卷积层、池化层、全连接层、输出层的总层数应在10层以上，其中所述输入层接收输入图像，所述卷积层和池化层用于图像特征提取，所述全连接层用于特征分类，所述输出层用于输出结果；所述输出层同时具有3个输出值，分别为该中药的颜色、形状、纹理标记。

步骤3，所述深度卷积神经网络的损失函数为中药颜色、形状、纹理的交叉熵损失的加权和，然后求解所述神经网络的损失函数，通过随机梯度下降算法进一步训练所述神经网络；将待识别中药图像输入到所述步骤2己训练好的所述神经网络中，依据输出标记得到最终识别结果。

可选地，每种所述中药图像数量在300张以上。

可选地，将收集的样本中药图像和待识别中药图像输入所述神经网络训练前，先进行数据增强处理，所述数据增强处理包括取样处理或放大取样；所述旋转取样是指将每一张中药图像每旋转n度后进行一次釆样，0〈n360；所述放大取样是指多次随机将图像中的一部分放大后再进行采样。

一种中药识别方法，包括以下步骤：

步骤1：构建数据库，存储中药的标准信息参数；

步骤2：通过图像采集模块从多角度采集所述中药的图像；

步骤3：所述图像处理模块提取所述中药特征信息，形成所述中药的特征信息参数；

步骤4：将所述特征信息参数与所述数据库存储的标准信息参数进行对比，判断所述中药实际种类。

有益效果：