科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前市场上对防风药材的质量鉴定，仍停留在依靠专业人员的自身经验，对药材表型观察进行划分定级，这样的做法具有一定的主观性和局限性。针对上述问题，该研究建立具有18 543张包含5个主要产区防风药材图像的标准数据集，并基于深度学习的方法改进稠密连接网络来区分防风药材的产地，对防风药材品质进行精确、高效的智能分类，判断防风药材的道地性及品质优劣。该神经网络的具体建立过程为：首先对残差模块进行优化改进，将协调注意力（Coordinate Attention,CA）模型与残差模块进行融合，以增加特征图中待识别区域的特征权值，降低背景信息对识别任务的干扰；然后将改进的残差模块嵌入到稠密连接网络，以减少模型运算参数、增强网络对特征信息的高效利用能力；最后重构全连接层，来适应对数据集的识别分类，并增强网络的学习能力。在迁移学习和数据扩充方式下新模型的识别准确率可达97.23%；且训练约48轮便可达到收敛状态，极大地提高了收敛速度。该方法能够高效准确地识别防风药材的产地及道地性并有较强的鲁棒性，可为防风药材质量智能鉴定提供参考。
- 单位
