一种基于图像特征的中药粉末识别方法与流程

本发明涉及一种基于图像特征的中药粉末识别方法，属于粉末图像识别。

背景技术：

1、中药作为中医药传统文化的重要组成部分，有着悠久的历史和广泛的应用。中药在我国的应用非常普遍，在我国人民的健康保障中起着重要的作用。然而许多不良商家为谋取利益，市面上出现了许多中药伪品和中药掺伪现象，大大影响了中药的功效和安全性。因此中药真伪优劣的鉴定对人民医疗健康的保障具有重要意义。目前常用的中药鉴定手段有很多种,如宏观性状辨别法、微观显微鉴定法、色谱法等，另外还有一些特殊的方法，包括水试法、火试法、荧光法等；但是上述方法实施普遍复杂，操作不易，即实际检测工作效率不高。

2、临床应用中常常会把某些中药材打碎成粉末，中药材被磨成粉末后失去了外部特性，不能通过宏观性状来识别判断，因此会采用显微镜观察其微观结构特征，以确定药材粉末的真伪优劣，但是现有的显微观察方式，整体准确度不高。

技术实现思路

1、本发明所要解决的技术问题是提供一种基于图像特征的中药粉末识别方法，采用全新设计逻辑，不断优化特征选择，提高分类网络机器学习精度，进而提高中药粉末识别的准确率与工作效率。

2、本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于图像特征的中药粉末识别方法，针对包括至少一种已知类别中药样本粉末的样本组，执行如下步骤a至步骤b，获得相对应的中药粉末识别模型；进而应用中药粉末识别模型，执行如下步骤i，针对待识别中药粉末进行识别；

3、步骤a.基于样本组中各已知类别中药样本粉末分别对应的vps数字显微图像，获得各已知类别中药样本粉末分别对应预设各基础特征的预设数量的特征值，然后进入步骤b；

4、步骤b.根据各基础特征之间的相关性，基于样本组，以已知类别中药样本粉末所对应的各特征值为输入，以中药样本粉末的已知类别为输出，针对目标分类网络进行训练，获得最优训练后分类网络，以及相对应的各个最优特征，即获得样本组所对应的中药粉末识别模型；

5、步骤i.基于待识别中药粉末对应的vps数字显微图像，获得待识别中药粉末对应各个最优特征的特征值，并执行中药粉末识别模型，实现待识别中药粉末关于样本组中已知各类别中药样本粉末的识别。

6、作为本发明的一种优选技术方案，所述步骤b包括如下步骤b1至步骤b2：

7、步骤b1.根据各已知类别中药样本粉末分别对应预设各基础特征的预设数量的特征值，获得全部各组两两基础特征之间的相关性，并按照将大于预设相关性阈值的相关性所对应的两基础特征划分为一组的方式，针对全部各基础特征进行划分，获得各个特征分组，然后进入步骤b2；

8、步骤b2.分别根据各特征分组中的各基础特征组合，基于样本组，以已知类别中药样本粉末所对应的各特征值为输入，以中药样本粉末的已知类别为输出，针对目标分类网络进行训练，并衡量训练后分类网络的识别准确率、以及训练后分类网络对应的基础特征组合，获得最优训练后分类网络，以及相对应的各个最优特征，即获得样本组所对应的中药粉末识别模型。

9、作为本发明的一种优选技术方案，所述步骤b2包括如下步骤b2-1至步骤b2-7：

10、步骤b2-1.分别针对各个特征分组，以特征分组中各个基础特征分别为节点，大于预设相关性阈值的相关性所对应两基础特征之间以边相连，构建特征分组所对应的无向图，并根据无向图中各节点分别对应的度，按度由大至小的顺序，针对无向图中各节点进行排序，即获得特征分组中各个基础特征的排序，然后进入步骤b2-2；

11、步骤b2-2.初始化i＝1，随机选择一个未参与步骤b2-2至步骤b2-5处理的特征分组，作为当前迭代特征分组，并进入步骤b2-3；

12、步骤b2-3.选择当前迭代特征分组中顺序第i个基础特征，加入当前迭代特征分组下的待分析特征组，然后基于样本组，以已知类别中药样本粉末对应当前迭代特征分组下待分析特征组中各基础特征的特征值为输入，以中药样本粉末的已知类别为输出，针对原始的目标分类网络进行训练，获得训练后分类网络、以及训练后分类网络所对应的识别准确率，然后进入步骤b2-4；

13、步骤b2-4.判断i是否等于当前迭代特征分组中基础特征的数量，是则进入步骤b2-5；否则针对i的值进行加1更新，并返回步骤b2-3；

14、步骤b2-5.针对当前迭代特征分组下所获各训练后分类网络的识别准确率，判断其中最大识别准确率下浮预设波动范围内是否存在其它识别准确率，是则针对最大识别准确率、以及该其它各个识别准确率分别对应的训练后分类网络，获得其中对应最少待分析特征数量的训练后分类网络，作为当前迭代特征分组下中级训练后分类网络，然后进入步骤b2-6；否则选择最大识别准确率对应的训练后分类网络，作为当前迭代特征分组下中级训练后分类网络，然后进入步骤b2-6；

15、步骤b2-6.判断是否存在未参与步骤b2-2至步骤b2-5处理的特征分组，是则返回步骤b2-2；否则进入步骤b2-7；

16、步骤b2-7.基于各个特征分组下的中级训练后分类网络，获得最优训练后分类网络，以及相对应的各个最优特征，即获得样本组所对应的中药粉末识别模型。

17、作为本发明的一种优选技术方案，所述步骤b2-7包括如下步骤b2-7-1至步骤b2-7-2；

18、步骤b2-7-1.针对各个特征分组下的中级训练后分类网络，判断其中最大识别准确率下浮预设波动范围内是否存在其它识别准确率，是则选择最大识别准确率、以及该其它各个识别准确率分别所对应的中级训练后分类网络作为各个待分析训练后网络，并进入步骤b2-7-2；

19、否则选择最大识别准确率对应的中级训练后分类网络作为最优训练后分类网络，相应各待分析特征作为最优训练后分类网络对应的各个最优特征，即获得样本组所对应的中药粉末识别模型；

20、步骤b2-7-2.针对各个待分析训练后网络，判断其中对应最少待分析特征数量的待分析训练后网络的数量是否大于1，是则分别针对该各个待分析训练后网络，获得待分析训练后网络所对应各待分析特征在所属特征分组中度的和，构成该待分析训练后网络对应的特征复杂度，进而选择其中最小特征复杂度对应的待分析训练后网络作为最优训练后分类网络，相应各待分析特征作为最优训练后分类网络对应的各个最优特征，即获得样本组所对应的中药粉末识别模型；

21、若其中对应最少待分析特征数量的待分析训练后网络的数量等于1个，则选择该待分析训练后网络作为最优训练后分类网络，相应各待分析特征作为最优训练后分类网络对应的各个最优特征，即获得样本组所对应的中药粉末识别模型。

22、作为本发明的一种优选技术方案，所述针对目标分类网络训练过程中的迭代，以识别准确率不断增长、并趋向于一个数据范围内波动作为目标。

23、与上述相对应，本发明还设计了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

24、相应本发明还设计了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

25、本发明所述一种基于图像特征的中药粉末识别方法，采用以上技术方案与现有技术相比，具有以下技术效果：

26、(1)本发明所设计一种基于图像特征的中药粉末识别方法，基于vps数字显微图像方式，为中药粉末提供高精度图像采集，并引入分类网络机器学习，在以样本对目标分类网络进行训练的过程中，考虑各基础特征彼此间的相关性，构建各个特征分组，并基于各特征分组中各基础特征复杂度下的排序，顺序筛选各基础特征的输入组合，执行目标分类网络训练，再以提高识别准确率、减少输入特征维度为衡量因素，筛选最优训练后分类网络，即获得中药粉末识别模型；在实际应用下，基于vps数字显微图像，应用中药粉末识别模型，高效实现关于待识别中药粉末的识别。