科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了对藏药材快速准确的识别鉴定，文章采用深度学习图像分类，但由于藏药材的信息化建设较为滞后，在计算机视觉领域尚未公开的标准数据集，因此本文在建立100种常见藏药材标准数据集的基础上，首先进行图像增强操作，增加数据的多样性，然后分别采用ReSNet-50、SENet-50、CBAMNet-50骨干网进行训练，实验结果表明：CBAMNet-50的准确率为97.08%，取得了参数量-复杂度的均衡，实现了性能提升。最后，将CBAMNet模型并部署在JetsonNano上，实现了藏药材智能化的识别，有利于推动藏医产业的快速发展。
- 单位
