[发明专利]药材智能识别方法及系统

说明书

本公开提供一种药材智能识别方法及系统，所述药材智能识别方法包括：根据待识别的药材图像提取多个分辨率分别对应的药材特征信息；将多个分辨率分别对应的药材特征信息进行小波滤波处理，得到对应的多种特征处理信息；将所述多个分辨率分别对应的药材特征信息以及所述多种特征处理信息输入至预先训练好的药材智能识别模型中，分类得到最终药材类别；其中，所述药材智能识别模型包括两层的分类器模型；第一层分类器中每一分类器用于在预设多个药材类别中识别对应输入信息的药材类别；第二层分类器用于在第一类别中识别对应输入信息的药材类别，对第二层分类器中所有分类器的分类结果加权得到所述最终药材类别。

技术领域

本公开涉及药材识别领域，更具体地讲，涉及一种药材智能识别方法及系统。

背景技术

中药材识别是正确用药以及高效用药的第一步，目前中药材的识别有根据专家知识和经验的，也有根据图像识别及人工智能识别的。而人工智能的算法模型对识别的精度以及速度至关重要。因此，如何提供一种有效的药材智能识别模型，以快速准确识别药材种类，成为亟待解决的问题。

发明内容

本公开的实施例的目的在于提供一种药材智能识别方法及系统，以实现快速准确识别药材种类。

第一方面，本发明提供一种药材智能识别方法，其中，根据待识别的药材图像提取多个分辨率分别对应的药材特征信息；

将多个分辨率分别对应的药材特征信息进行小波滤波处理，得到对应的多种特征处理信息；

将所述多个分辨率分别对应的药材特征信息以及所述多种特征处理信息输入至预先训练好的药材智能识别模型中，分类得到最终药材类别；

其中，所述药材智能识别模型包括两层的分类器模型，第一层分类器以及第二层分类器的数量均为分辨率的数量的2倍；所述多个分辨率分别对应的药材特征信息以及所述多种特征处理信息分别对应作为第一层分类器以及第二层分类器中每一分类器的输入信息；第一层分类器中每一分类器用于在预设多个药材类别中识别对应输入信息的药材类别；第二层分类器用于在第一类别中识别对应输入信息的药材类别，所述第一类别为第一层分类器中分类结果与第一层分类器中其它分类器的分类结果均不相同的分类器得到的类别，对第二层分类器中所有分类器的分类结果加权得到所述最终药材类别。

进一步地，所述第一层分类器以及第二层分类器均为ET-KNN分类器，每一ET-KNN分类器的输出为一维向量，所述一维向量中值的个数与所述预设多个药材类别的数量相同，所述一维向量中的每一个值代表对应药材类别的预测值，将每一ET-KNN分类器的输出的一维向量中最大预测值对应的药材类别作为相应ET-KNN分类器的分类结果。

进一步地，所述对第二层分类器中所有分类器的分类结果加权得到所述最终药材类别的步骤包括：

利用遗传算法产生的最优加权系数对所述第二层分类器中所有分类器的分类结果加权得到所述最终药材类别；

其中，所述遗传算法的个体为N*M的二维向量，N为所述第二层分类器中所有分类器的数量，M为第二层分类器中每一ET-KNN分类器输出的一维向量中值的个数，所述遗传算法在利用个体对所述第二层分类器的输出进行加权时的分类精度达到最大时收敛，所述遗传算法收敛时对应的个体为所述最优加权系数。

进一步地，所述多个分辨率包括从大到小依次排列的第一分辨率、第二分辨率以及第三分辨率；

所述预设多个药材类别包括花类、根茎类、全草类、叶类、树皮类、藤木类、树脂类、菌藻类、动物类、矿物类以及果实种子类。

第二方面，本发明提供一种药材智能识别系统包括：

特征信息提取模块，用于根据待识别的药材图像提取多个分辨率分别对应的药材特征信息；

特征信息处理模块，用于将多个分辨率分别对应的药材特征信息进行小波滤波处理，得到对应的多种特征处理信息；