[发明专利]基于深度学习的药品识别系统及其识别方法

摘要

本发明是一种基于深度学习的药品识别系统及其识别方法，包括1.药品图像训练样本、测试样本、目标图像的预处理。包括求取灰度图，边缘检测及外框处理。2.构建模型单元，用于建立基于深度学习的药品识别模型。包括设置CNN的各个网络层及分类器的初始参数，将上述经过预处理的图像输入CNN以得到我们需要的特征。3.识别单元，用于输入带识别的药品，然后由上述的已建立基于深度学习的药品识别模型，在深度学习模型中获取图像的卷积特征，并将所获得的卷积特征级联输入分类器，最后输出识别结果。4.识别系统的硬件部分。在各种复杂的背景及药品信息中具有较精确的识别率及速率，能够较好的降低药品应用时的错误率，以及后续个体药品安全应用平台。

主权项

基于深度学习的药品识别系统及其识别方法，其特征在于：利用深度学习构建药品的识别系统，识别药品的关键性特征。传统识别方法的不足是因为药品复杂性，特征提取方法不能处理多变的图像，特征点提取方法需要人工专家定义重要的特征点位置。而且，对于哪些特征点重要也不能给出统一的标准。基于深度学习的卷积神经网络(CNN)可以自动生成特征，这就避免人为特征提取上的不稳定性以及盲点。与传统特征提取方法不同，CNN通过卷积核提取特征，每一个神经元和前一层的局部感受区域相连，通过卷积核计算局部特征。每个较低层的输出作为更高层的输入，可以从大量输入数据中学习有效的特征表示，学习到的高阶表示中包含输入数据的许多结构信息，是一种从数据中提取特征表示的好方法，能够用于分类、回归和信息检索等特定问题中。方法的主要三个部分包括：药品图像训练样本、测试样本、目标图像的预处理；构建模型单元；识别输出单元。