CN107464035A - 中药材质量评定方法及系统 - Google Patents
中药材质量评定方法及系统 Download PDFInfo
- Publication number
- CN107464035A CN107464035A CN201710524206.8A CN201710524206A CN107464035A CN 107464035 A CN107464035 A CN 107464035A CN 201710524206 A CN201710524206 A CN 201710524206A CN 107464035 A CN107464035 A CN 107464035A
- Authority
- CN
- China
- Prior art keywords
- chinese medicine
- indication information
- evaluation
- preset rules
- class indication
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Abstract
本发明提供的一种中药材质量评定方法及系统,其方法为:获取中药材数据,包括中药材的种植环境信息;根据中药材的种植环境信息进行分类,得到分类结果,分类结果包括家种药材数据和野生药材数据;根据分类结果,根据预设规则对药材的质量进行评定,得到评定结果,预设规则包括第一预设规则和第二预设规则;根据评定结果,得到对中药材的质量评价分数。本发明通过对中药材数据进行系统整理、归纳、分析,通过品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息四位一体对药材质量进行综合评定,可直观判断出中药材质量等级,评价更加准确,更加公正。
Description
技术领域
本发明涉及数据处理领域,尤其涉及中药材质量评定方法及系统。
背景技术
中药材B2B目前已在行业内有影响的,现有的B2B交易方式中对于中药材的品质标准不一,验货流程繁琐。通常都是通过人工结合药材本身的数据进行质量的评定,使得中药材的质量无法得到统一的认证管理,影响中药材的交易速度,不利于中药材的推广。且现有的平台对于中药材的质量评定都是基于人工的方式,不但浪费人力,效率低,且很难实现一个公平公正的评价。使中药材的评定没有可信度。
因此,现有技术中的缺陷是:对于中药材的质量评定,没有统一快速有效的评价标准,通常通过人工的方式进行评定,主观因素大,导致评定结果不准确。
发明内容
针对上述技术问题,本发明提供一种中药材质量评定方法及系统,通过对中药材数据进行系统整理、归纳、分析,通过品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息四位一体对药材质量进行综合评定,可直观判断出中药材质量等级,评价更加准确,更加公正。
第一方面,为了解决上述问题,本发明提供一种中药材质量评定方法,包括:
步骤S1,获取中药材数据,包括中药材的种植环境信息;
步骤S2,根据所述中药材的种植环境信息进行分类,得到分类结果,所述分类结果包括家种药材数据和野生药材数据;
步骤S3,根据所述分类结果,根据预设规则对所述药材的质量进行评定,得到评定结果,所述预设规则包括第一预设规则和第二预设规则:
当所述分类结果为家种药材数据,根据所述第一预设规则对所述家种药材的质量进行评定,得到评定结果,所述第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
当所述分类结果为野生药材数据,根据所述第二预设规则对所述野生药材的质量进行评定,得到评定结果,所述第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
步骤S4,根据所述评定结果,得到对所述中药材的质量评价分数。
本发明提供一种中药材质量评定方法,其技术方案为:获取中药材数据,包括中药材的种植环境信息;根据所述中药材的种植环境信息进行分类,得到分类结果,所述分类结果包括家种药材数据和野生药材数据;根据所述分类结果,根据预设规则对所述药材的质量进行评定,得到评定结果,所述预设规则包括第一预设规则和第二预设规则:当所述分类结果为家种药材数据,根据所述第一预设规则对所述家种药材的质量进行评定,得到评定结果,所述第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;当所述分类结果为野生药材数据,根据所述第二预设规则对所述野生药材的质量进行评定,得到评定结果,所述第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;根据所述评定结果,得到对所述中药材的质量评价分数。
本发明提供的中药材质量评定方法,通过对中药材数据进行系统整理、归纳、分析,通过品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息四位一体对药材质量进行综合评定,可直观判断出中药材质量等级,评价更加准确,更加公正。
进一步地,所述步骤S4,具体为:
根据预设权重分配规则对所述评定结果进行权重分配,得到分配结果,所述评定结果中包括品牌类指标评定结果、物理规格类指标评定结果、药典类指标评定结果和专家综合评定类指标评定结果;
根据所述分配结果,得到对所述中药材的质量评价分数。
进一步地,所述品牌类指标信息包括中药材生长的自然条件信息和生态环境信息,不同自然条件和生态环境对应不同的评价标准。
进一步地,所述物理规格类指标信息包括中药材的形状特征、大小尺寸、炮制方法、干湿度、碎屑和虫蛀霉变信息,不同的物理规格信息对应不同的评价标准。
进一步地,所述药典类指标信息包括中药材中的农残、重金属、有效成分含量、黄曲霉素、水分、灰分和浸出物信息,不同的药典类指标信息对应不同的评价标准。
第二方面,本发明提供一种中药材质量评定系统,包括:
中药材数据获取模块,用于获取中药材数据,包括中药材的种植环境信息;
分类模块,用于根据所述中药材的种植环境信息进行分类,得到分类结果,所述分类结果包括家种药材数据和野生药材数据;
质量评定模块,用于根据所述分类结果,根据预设规则对所述药材的质量进行评定,得到评定结果,所述预设规则包括第一预设规则和第二预设规则:
当所述分类结果为家种药材数据,根据所述第一预设规则对所述家种药材的质量进行评定,得到评定结果,所述第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
当所述分类结果为野生药材数据,根据所述第二预设规则对所述野生药材的质量进行评定,得到评定结果,所述第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
评价结果模块,用于根据所述评定结果,得到对所述中药材的质量评价分数。
本发明提供一种中药材质量评定系统,其技术方案为:通过中药材数据获取模块,获取中药材数据,包括中药材的种植环境信息;通过分类模块,根据所述中药材的种植环境信息进行分类,得到分类结果,所述分类结果包括家种药材数据和野生药材数据;通过质量评定模块,根据所述分类结果,根据预设规则对所述药材的质量进行评定,得到评定结果,所述预设规则包括第一预设规则和第二预设规则:
当所述分类结果为家种药材数据,根据所述第一预设规则对所述家种药材的质量进行评定,得到评定结果,所述第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;当所述分类结果为野生药材数据,根据所述第二预设规则对所述野生药材的质量进行评定,得到评定结果,所述第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;通过评价结果模块,根据所述评定结果,得到对所述中药材的质量评价分数。
本发明提供一种中药材质量评定系统,通过对中药材数据进行系统整理、归纳、分析,通过品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息四位一体对药材质量进行综合评定,可直观判断出中药材质量等级,评价更加准确,更加公正。
进一步地,所述质量评定模块,具体用于:
根据预设权重分配规则对所述评定结果进行权重分配,得到分配结果,所述评定结果中包括品牌类指标评定结果、物理规格类指标评定结果、药典类指标评定结果和专家综合评定类指标评定结果;
根据所述分配结果,得到对所述中药材的质量评价分数。
进一步地,所述品牌类指标信息包括中药材生长的自然条件信息和生态环境信息,不同自然条件和生态环境对应不同的评价标准。
进一步地,所述物理规格类指标信息包括中药材的形状特征、大小尺寸、炮制方法、干湿度、碎屑和虫蛀霉变信息,不同的物理规格信息对应不同的评价标准。
进一步地,所述药典类指标信息包括中药材中的农残、重金属、有效成分含量、黄曲霉素、水分、灰分和浸出物信息,不同的药典类指标信息对应不同的评价标准。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1示出了本发明实施例所提供的一种中药材质量评定方法的流程图;
图2示出了本发明实施例所提供的一种中药材质量评定系统的示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
实施例一
参见图1,第一方面,为了解决上述问题,本发明提供一种中药材质量评定方法,包括:
步骤S1,获取中药材数据,包括中药材的种植环境信息;
步骤S2,根据中药材的种植环境信息进行分类,得到分类结果,分类结果包括家种药材数据和野生药材数据;
步骤S3,根据分类结果,根据预设规则对药材的质量进行评定,得到评定结果,预设规则包括第一预设规则和第二预设规则:
当分类结果为家种药材数据,根据第一预设规则对家种药材的质量进行评定,得到评定结果,第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
当分类结果为野生药材数据,根据第二预设规则对野生药材的质量进行评定,得到评定结果,第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
步骤S4,根据评定结果,得到对中药材的质量评价分数。
本发明提供一种中药材质量评定方法,其技术方案为:获取中药材数据,包括中药材的种植环境信息;根据中药材的种植环境信息进行分类,得到分类结果,分类结果包括家种药材数据和野生药材数据;根据分类结果,根据预设规则对药材的质量进行评定,得到评定结果,预设规则包括第一预设规则和第二预设规则:当分类结果为家种药材数据,根据第一预设规则对家种药材的质量进行评定,得到评定结果,第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;当分类结果为野生药材数据,根据第二预设规则对野生药材的质量进行评定,得到评定结果,第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;根据评定结果,得到对中药材的质量评价分数。
本发明提供的中药材质量评定方法,通过对中药材数据进行系统整理、归纳、分析,通过品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息四位一体对药材质量进行综合评定,可直观判断出中药材质量等级,评价更加准确,更加公正。
通过本发明中的评定方法,通过系统整理、归纳、分析需适用于绝大多数大宗中药材品种,对于每个品种个性化不同可以灵活调整其不同的评价指标;着重研究常用大宗200个中药材品种。
优选地,步骤S4,具体为:
根据预设权重分配规则对评定结果进行权重分配,得到分配结果,评定结果中包括品牌类指标评定结果、物理规格类指标评定结果、药典类指标评定结果和专家综合评定类指标评定结果;
根据分配结果,得到对中药材的质量评价分数。
其中,本实施中品牌类指标评定结果的权重比例为10%,物理规格类指标评定结果的权重比例为30%,药典类指标评定结果的权重比例为50%,专家综合评定类指标评定结果的权重比例为10%。
根据权重分配比例,得到中药材的质量评价分数,采用百分制计算,分数越高则表示质量越好,分数越低则质量越差。
下面,对品牌类指标、物理规格类指标、药典类指标和专家综合评定类指标进行分别的说明。
1、品牌类指标
中药材在特定自然条件、生态环境的地域内所产的药材,因生产较为集中,栽培技术、采收加工也都有一定的讲究,以致较同种药材在其他地区所产者品质佳、疗效好。由于其所处的地理环境,水土、气候、日照、生物分布不同,其药材本身的质量,即其治疗作用有着显著的差异。因此中药材产地及所处环境是评价中药材质量标准的一个重要指标。
品牌类指标主要从中药材产地道地性、地理标志性等方面评价中药材。
其评价范围包含:包含野生产地、家种主产地和其他产地通过其特定生长环境、栽培技术、采收方式等维度给中药材做出标准评价。
2、物理规格类指标
中药材由于其形状特征、大小尺寸、炮制方法、干湿度、碎屑、虫蛀霉变等不同从而影响其药材质量、疗效,物理类指标即从中药材形状特征、大小尺寸、炮制方法、干湿度、碎屑、虫蛀霉变等;规格(统、选、精选)是指对中药材质量评估的统一作评价,故物理规格类指标以利于交易用户能直观判断其物理性质。
可从国家药监局的检测结果中获得中药材的物理规格类指标。
3、药典类指标
药典,即2015年《中华人民共和国药典》,是现行唯一国家级中药材质量标准的依据,其主要从农残、重金属、有效成分含量、黄曲霉素、水分、灰分、浸出物等方面规定中药材必须达到的最低质量标准,是中药材质量判定的重要依据,也是中药材质量的评价依据。
4.专家综合评定类指标
专家综合评定即依靠行业内对某一中药材有多年种植、炮制、经营经验资深人士对专业内中药材质量依据其多年经验对中药材的认知、感官及以上三个指标等方面做出综合判断并给出一个合理的分值,专家综合评定为保证评定的合理性、科学性、可取性至少需要五名及以上专家采用加权平均法的方式判断中药材质量等级。
评定专家的资格:具有丰富的种植、炮制、经营经验的专业人士。
基于上述方法,对于家种环境下得到的家种药材数据根据第一预设规则进行质量评定,具体为:
品牌类指标分为三个等级,道地产地设定为10分,主产地设定为9分,其他产地设定为8分。
物理规格类指标包括三部分,规格、干度和净度各占10分;其中规格分为5个等级,分别为特选10分、精选9分、统货8分、小统7分、下料6分;干度分为4个等级,分别为95成干10分、9成干9分、8成干8分和7成干 7分;净度分为6个等级,分别为100%净度10分、99%净度9分、98%净度8 分、95%净度7分、92%净度6分和90%净度5分。
药典类指标包括9个等级,分别为水分3-6分,达到标准3分,低于标准2%,4分,低于标准4%,5分,低于标准6%以上,6分;总灰分3-6分,达到标准3分,低于标准1%,4分,低于标准2%,5分,低于标准3%以上,6分;酸不溶性灰分3-6分,达到标准3分,低于标准1%,4分,低于标准2%,5 分,低于标准3%以上,6分;浸出物3-6分,达到标准3分,高于标准1%,4分,高于标准2%,5分,高于标准3%以上,6分;挥发油3-6分,达到标准3 分,高于标准1%,4分,高于标准2%,5分,高于标准2%以上,6分;含量 5-10分,达到标准5分,高于标准1%,6分,高于标准2%,8分,高于标准 2%以上,10分;二氧化硫10-15分,达到标准10分,低于标准1%,11分,低于标准2%,13分,低于标准2%以上,15分;重金属10-15分,达到标准 10分,低于标准1%,11分,低于标准2%,13分,低于标准2%以上,15分;黄曲霉素10-15分,达到标准10分,低于标准1%,11分,低于标准2%,13 分,低于标准2%以上,15分。
基于上述方法,对于野生环境下得到的野生药材数据根据第二预设规进行质量评定,具体为:
品牌类指标分为6个等级,道地产地野生设定为10分,道地产地家种设定为9分,主产地野生设定为9分,主产地家种设定为8分其他产地野生设定为8分,其他产地家种设定为7分。
物理规格类指标包括三部分,规格、干度和净度各占10分;其中规格分为5个等级,分别为特选10分、精选9分、统货8分、小统7分、下料6分;干度分为4个等级,分别为95成干10分、9成干9分、8成干8分和7成干 7分;净度分为6个等级,分别为100%净度10分、99%净度9分、98%净度8 分、95%净度7分、92%净度6分和90%净度5分。
药典类指标包括9个等级,分别为水分3-6分,达到标准3分,低于标准 2%,4分,低于标准4%,5分,低于标准6%以上,6分;总灰分3-6分,达到标准3分,低于标准1%,4分,低于标准2%,5分,低于标准3%以上,6分;酸不溶性灰分3-6分,达到标准3分,低于标准1%,4分,低于标准2%,5 分,低于标准3%以上,6分;浸出物3-6分,达到标准3分,高于标准1%,4分,高于标准2%,5分,高于标准3%以上,6分;挥发油3-6分,达到标准3 分,高于标准1%,4分,高于标准2%,5分,高于标准2%以上,6分;含量 5-10分,达到标准5分,高于标准1%,6分,高于标准2%,8分,高于标准 2%以上,10分;二氧化硫10-15分,达到标准10分,低于标准1%,11分,低于标准2%,13分,低于标准2%以上,15分;重金属10-15分,达到标准 10分,低于标准1%,11分,低于标准2%,13分,低于标准2%以上,15分;黄曲霉素10-15分,达到标准10分,低于标准1%,11分,低于标准2%,13 分,低于标准2%以上,15分。
优选地,为合理判断中药材分数高低,建议评分方法分为:正向指标和反向指标,正向指标即要求判断值越大质量越好的指标如:有效成分含量、浸出物比例等,反向指标即判断值越小质量越好的指标(如:黄曲霉素、灰分、农残、重金属等)。
参见图2,第二方面,本发明提供一种中药材质量评定系统10,包括:
中药材数据获取模块101,用于获取中药材数据,包括中药材的种植环境信息;
分类模块102,用于根据中药材的种植环境信息进行分类,得到分类结果,分类结果包括家种药材数据和野生药材数据;
质量评定模块103,用于根据分类结果,根据预设规则对药材的质量进行评定,得到评定结果,预设规则包括第一预设规则和第二预设规则:
当分类结果为家种药材数据,根据第一预设规则对家种药材的质量进行评定,得到评定结果,第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
当分类结果为野生药材数据,根据第二预设规则对野生药材的质量进行评定,得到评定结果,第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
评价结果模块104,用于根据评定结果,得到对中药材的质量评价分数。
本发明提供一种中药材质量评定系统10,其技术方案为:通过中药材数据获取模块101,获取中药材数据,包括中药材的种植环境信息;通过分类模块102,根据中药材的种植环境信息进行分类,得到分类结果,分类结果包括家种药材数据和野生药材数据;通过质量评定模块103,根据分类结果,根据预设规则对药材的质量进行评定,得到评定结果,预设规则包括第一预设规则和第二预设规则:
当分类结果为家种药材数据,根据第一预设规则对家种药材的质量进行评定,得到评定结果,第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;当分类结果为野生药材数据,根据第二预设规则对野生药材的质量进行评定,得到评定结果,第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;通过评价结果模块104,根据评定结果,得到对中药材的质量评价分数。
本发明提供一种中药材质量评定系统10,通过对中药材数据进行系统整理、归纳、分析,通过品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息四位一体对药材质量进行综合评定,可直观判断出中药材质量等级,评价更加准确,更加公正。
优选地,质量评定模块103,具体用于:
根据预设权重分配规则对评定结果进行权重分配,得到分配结果,评定结果中包括品牌类指标评定结果、物理规格类指标评定结果、药典类指标评定结果和专家综合评定类指标评定结果;
根据分配结果,得到对中药材的质量评价分数。
优选地,品牌类指标信息包括中药材生长的自然条件信息和生态环境信息,不同自然条件和生态环境对应不同的评价标准。
优选地,物理规格类指标信息包括中药材的形状特征、大小尺寸、炮制方法、干湿度、碎屑和虫蛀霉变信息,不同的物理规格信息对应不同的评价标准。
优选地,药典类指标信息包括中药材中的农残、重金属、有效成分含量、黄曲霉素、水分、灰分和浸出物信息,不同的药典类指标信息对应不同的评价标准。
实施例二
基于实施例一中的中药材质量评定方法及系统,是基于中药材数据的四个方面的指标进行质量的评定,为了使中药材的指令评定结果更准确,更公正,还可基于中药材的显微图像特征进行进一步的辨别,结合实施例一中的评定结果,做出更精准的评定。
具体为:
步骤一、通过显微镜采集中药材显微图像,对中药材显微图像进行预处理,分割出目标区域的轮廓,进行图像去噪,将神经网络PCNN与图像对应,将中心神经元与图像的像素点对应,中心神经元的邻域与邻域像素点对应,神经元的输入为像素点的灰度值;
步骤二、建立从空间图像处理信息到时间信息的PCNN赋时矩阵,将赋时矩阵视为不变直方图矢量重心,经PCNN迭代处理中药材显微图像并提取直方图矢量小变特征;
步骤三、把PCNN神经元模型与最大模糊嫡或超模糊嫡判据相结合对图像进行自动分割,提取中药材二值图像目标,建立引入交叉嫡分割判据的PCNN 中药材显微图像分割算法;
步骤四、以最大互信息优化多值图像分割并进行图像去噪,建立相邻分割图像互信息嫡差最小分类判据,选取中药材显微图像建立基于最小互信息嫡差的PCNN自动多值目标分割算法,得到完善的多值目标图像;
步骤五、利用PCNN模型处理中药材显微图像,提取各二维图像的一维时间序列信号特征并存储特征信息,对该一维时间序列信号进行嫡变换,形成嫡序列信号,井作为PCNN处理的另一图像特征,并结合中药材显微图像体视学要求的图像目标特征,提取中药材显微图像空域特征;
步骤六、将PCNN模型与图像傅里叶变换小数幂指数滤波相结合,提取图像变换域特征信息;
步骤七、分析PCNN迭代图像处理图像的形状、颜色、纹理及原图像目标形状、结构分布的归一化转动惯量混合特征,引入马氏距离结合Pearson积矩相关法的综合相似性度量方法,提取中药材显微图像PCNN的特征信息;
步骤八、提取同一图像的步骤二、步骤五、步骤六、步骤七所述的特征信息,建立中药材显微图像特征信息库,搭建中药材显微图像的主辅特征识别与检索的智能专家系统,进行中药材的质量评定,得到中药材图像质量评定结果;
步骤九、将评定结果与图像质量评定结果进行权重的重新分配,得到对所述中药材的质量评价分数。
通过对中药材的图像识别,进一步对评定结果进行优化,使得中药材的质量评定更加准确,更加智能,更加公正。
优选地,中药材显微图像的特征提取具体包括:
步骤一、图像信号的采集、上传及分辨率调整:采集图像信号并将其实时所采集的图像信号通过图像信号传输装置上传,调用分辨率差值调整模块将其所接收到的图像信号的分辨率调整为一定值,得到图像f0(x,y);
步骤二、图像特征提取:通过对所得到的图像f0(x,y)进行分析处理,得出图像的特征P,其分析处理过程如下:
二维小波变换:调用二维小波变换模块对图像f0(x,y)进行二维小波变换,得到:
其中,为f0(x,y)变换后的低频分量,为f0(x,y)变换后的水平高频分量,为f0(x,y)变换后的垂直高频分量,为f0(x,y)变换后的对角线高频分量,为尺度函数,为相应的小波;x和m均为图像的横向坐标,Y和n均为图像的纵向坐标;
对数变换:将经二维小波变换后的低频分量变换到对数空间,得到:
卷积计算:并使用k种不同的高斯滤波系数与对数空间中的低频小波系数 I(x,y)进行卷积计算,得到:其中k为搞死滤波系数的种类数;
加权平均计算:对卷积计算所得结果gk(x,y)与对数空间中的低频小波系数 I(x,y)的偏差进行加权平均计算,得到:其中N为不小于3的自然数;
均值方差归一化处理:对上述加权平均结果R(x,y)进行灰度值线性拉伸,得到:R'(x,y)=G×R(x,y)+offset,其中,R'(x,y)为图像小波系数的变换输出值,R"(x,y)为均值方差归一化后用来显示的灰度值,G为增益系数,offset为R'(x,y)的偏移量,rmin为修正后图像小波系数中的最小值,rmax为修正后图像小波系数中的最大值;
二维小波反变换:将所得到的小波域中的三种高频分量和与上述所得到的用来显示的灰度值R"(x,y)作二维小波反变换,得到分辨率为M×N的图像 f1(x,y),其中M和H均为自然数;
对L个图像信号进行采集、处理,调用定点独立分量分析模块,对L个经过所得到的图像信号进行特征提取,得出L个图像的特征P,其中,L为自然数;
步骤三、处理结果同步输出:步骤二中进行图像特征提取过程中,对步骤二中的图像信号处理过程及图像特征提取结果进行同步显示;
调用定点独立分量分析:对所得到的图像信号进行特征提取的步骤如下:
将L个经过处理后的图像分别按行展开后再进行组合,形成一个L行、 M×N列的矩阵X=(x1,x2,x3,Λ,xL)T;
对矩阵X进行均值化,使得E(X)=0;
对矩阵X进行白化处理,使得E(XTX)=I;
初始化独立分量的个数,使得n=1,其中,n为独立分量的个数;
初始化Wn,随机选取wn=wn/||wn||;
根据公式迭代出wn+1;
根据公式和wn+1=wn+1/||wn+1||迭代出wn+1;
判断得到的wn+1是否收敛,如果wn+1不收敛,返回求取wn;
取n=n+l,在n<M的情况下,逐一提取出所有的独立分量:
将各个独立分量构成矩阵S=(s1,s2,Λ,sp)T,根据公式P=FS-1计算出L个图像的特征P。
通过上述方法提取的特征,特征点准确,使得评定结果也更加准确。
本实施例中,采用多个图像采集设备对中待评定药材进行图像的采集,具体的采集方法包括:
对各图像采集设备采集的图像进行目标识别;
根据目标识别的结果,确定采集到目标的图像采集设备,将图像采集设备作为当前图像采集设备;
关闭除当前图像采集设备外的其它图像采集设备;
确定目标在图像中的位置以及目标的运动方向;
将位置和预设阂值进行比较,确定目标所在的图像区域,其中图像区域包括第一区域、第三区域以及位于第一区域和第三区域之间的第二区域;
若目标在第一区域或第三区域,根据第一区域或第三区域在图像上的方位,开启当前图像采集设备相应方向的图像采集设备;
若目标在第二区域,根据目标的运动方向开启当前图像采集设备相应方向的图像采集设备,并关闭当前图像采集设备。
其中,确定目标在图像中的位置以及目标的运动方向,包括:
对当前图像采集设备采集的当前图像以及当前图像的下一个图像进行边缘提取,获取当前图像的第一目标边缘信息和当前图像的下一个图像的第二目标边缘信息;
将第二目标边缘信息与第一目标边缘信息相减,得到黑点和白点;
根据黑点和白点的痕迹确定目标的运动方向以及目标在图像中的位置;
预设阂值包括第一阈值和第二阈值,其中第一阈值小于第二阈值。
其中,将位置和预设阈值进行比较,确定目标所在的图像区域,包括:
若位置小于第一阈值,确定目标位于第一区域;
若位置大于等于第一阈值、小于等于第二阈值,确定目标位于第二区域;
若位置大于第二阈值,确定目标位于第三区域。
本发明引入PCNN赋时矩阵信息处理方法,结合PCNN与图像傅里叶变换和小数幂指数滤波相,提取变换域中图像特征信息,以马氏距离结合Pearson 积矩相关法的综合相似性度量为依据,提出中药材显微图像信息快速存储、识别检索算法,构建中药材显微组织图像、花粉图像特征提取与识别检索系统,进一步提高中药材质量评价的客观性、准确性、可重复性和智能化程度,为中药材检测与分析的现代化提供一种新的途径。
实施例三
基于实施例一中的中药材质量评定方法及系统,需要对四个评定指标进行权重的分配,根据权重进行质量的评定,因此,权重分配的合理性,准确性直接影响质量评定的结果,基于此,本实施例通过大量的样本(标准质量的中药材指标数据)进行训练,提供一种权重分配的方法,具体为:
步骤1,调入训练样本集合X={X1,X2,...,XN},各个训练样本Xk,k =1,2,...,N均用m个特征属性和1个类别属性进行描述,即Xk=(xk1,xk2,..., xkm,xkc),k=1,2,...,N,其中xki,i=1,...,m为样本Xk的特征属性;xkc为样本Xk的类别属性,该属性定义了样本Xk的归属类别,共n类,若样本的描述特征中包含标称型、二元型或序数型特征时,需将其转化为数值型特征;
对于标称型特征,采用数值0表示该特征的第一种取值,数值1表示第二种取值,以此类推,直至该特征的所有可能取值均用离散型数值对应表示;
对于二元型特征,采用数值0表示该特征的第一种取值,数值1表示第二种取值;
对于序数型特征,采用数值0表示该特征的第一种取值,数值1表示第二种取值,以此类推,直至该特征的所有可能取值均用离散型数值对应表示。
步骤2,对训练样本Xk,k=1,2,...,N的各个特征属性值进行归一化处理,得到归一化后的特征值归一化公式为:其中为归一化后的特征值,xki为原始特征值,ximax,ximin分别表示归一化前所有训练样本的第i个特征的最大值与最小值,即ximax=max{xki,k=1,2,...,N},ximin= min{xki,k=1,2,...,N};经过归一化处理后训练样本Xk表示为
步骤3,对于经步骤2归一化处理后的训练样本根据公式确定样本的权重系数ck,k=1,2,...,N,其中Nkc为训练样本 Xk所属类别的样本容量;
显然,属于多数类的样本其对应权重系数ck较小,属于少数类的样本其对应权重系数ck较大,属于同一类的样本具有相同的权重系数。
步骤4,计算经步骤2归一化处理后的特征属性与类别属性xc=[x1c,x2c,...,xNc]'之间的相关性衡量指标REi,i=1,2,...,m以及与其他特征属性之间的相关性衡量指标RIi,i=1,
2,...,m,并根据REi,i=1,2,...,m与RIi,i=1,2,...,m计算各特征的综合性能衡量指标Ri,i=1,2,...,m;
步骤5,根据步骤4中得到的各特征的综合性能衡量指标Ri,i=1,2,..., m确定特征权重ωi,i=1,2,...,m,使用的公式为
其中,本实施例中特征属性指物理规格类指标信息、药典类指标信息和专家综合评定类指标信息。
其中,本实施例中类别属性指家种药材数据和野生药材数据。
其中,本实施例中其他属性指品牌类指标信息。
实质上,训练样本集合X为N×(m+1)的矩阵,其中行向量对应于样本向量,记为Xk=(xk1,xk2,...,xkm,xkc),k=1,2,...,N,前m列向量对应于特征向量,记为xi=[x1i,x2i,...,xNi]',i=1,2,...,m,最后一列为类别属性向量,记为xc=[x1c,x2c,...,xNc]'。
其中,计算各个特征的综合性能衡量指标,计算方法如下:
计算特征属性与类别属性xc=[x1c,x2c,...,xNc]'之间的相关性衡量指标REi,i=1,2,...,m,计算公式为:
其中为特征属性的平均值,即: 为类别属性xc=[x1c,x2c,...,xNc]'的平均值,即:ck为由步骤3 计算得到的第k个样本的权重系数。
REi通过衡量特征属性xi与类别属性xc间相关性的方式来判定特征属性 xi是否为不相关特征或无效特征,不相关特征或无效特征对应于小的REi值,而有效特征对应于大的REi值。另外,上述计算公式充分考虑了类别分布不平衡现象的影响:对少数类样本赋予大的权重(对应于大的ck值),增大了少数类样本对计算结果的影响;对多数类样本赋予小的权重(对应于小的ck值),降低了多数类样本的影响。通过这种处理方式避免了现有技术存在的计算结果倾向多数类的缺陷。
其中,计算特征属性与其他特征属性之间的相关性衡量指标RIi,i=1,2,...,m,计算公式为:
其中分别为特征属性和特征属性的均值,即:ck为由步骤3计算得到的第k个样本的权重系数。
RIi通过衡量特征属性xi与其他属性xj间相关性的方式来判定特征属性xi是否为冗余特征,冗余特征将获得大的RIi值,同时,上述计算公式充分考虑了类别分布不平衡现象的影响,通过少数类样本赋予大的权重(对应于大的ck值),对多数类样本赋予小的权重(对应于小的ck值),提高了少数类样本的影响,避免了现有技术存在的计算结果倾向多数类的缺陷。
根据REi和RIi计算得到各特征的综合性能衡量指标Ri,计算公式为:
可以看出,不相关特征因其REi值小、冗余特征因其RIi值大,均将获得小的Ri值。对于有效且非冗余的特征,其特点是REi值大、冗余特征RIi值小,因而将获得最大的Ri值。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种中药材质量评定方法,其特征在于,包括:
步骤S1,获取中药材数据,包括中药材的种植环境信息;
步骤S2,根据所述中药材的种植环境信息进行分类,得到分类结果,所述分类结果包括家种药材数据和野生药材数据;
步骤S3,根据所述分类结果,根据预设规则对所述药材的质量进行评定,得到评定结果,所述预设规则包括第一预设规则和第二预设规则:
当所述分类结果为家种药材数据,根据所述第一预设规则对所述家种药材的质量进行评定,得到评定结果,所述第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
当所述分类结果为野生药材数据,根据所述第二预设规则对所述野生药材的质量进行评定,得到评定结果,所述第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
步骤S4,根据所述评定结果,得到对所述中药材的质量评价分数。
2.根据权利要求1所述的中药材质量评定方法,其特征在于,
所述步骤S4,具体为:
根据预设权重分配规则对所述评定结果进行权重分配,得到分配结果,所述评定结果中包括品牌类指标评定结果、物理规格类指标评定结果、药典类指标评定结果和专家综合评定类指标评定结果;
根据所述分配结果,得到对所述中药材的质量评价分数。
3.根据权利要求1所述的中药材质量评定方法,其特征在于,
所述品牌类指标信息包括中药材生长的自然条件信息和生态环境信息,不同自然条件和生态环境对应不同的评价标准。
4.根据权利要求1所述的中药材质量评定方法,其特征在于,
所述物理规格类指标信息包括中药材的形状特征、大小尺寸、炮制方法、干湿度、碎屑和虫蛀霉变信息,不同的物理规格信息对应不同的评价标准。
5.根据权利要求1所述的中药材质量评定方法,其特征在于,
所述药典类指标信息包括中药材中的农残、重金属、有效成分含量、黄曲霉素、水分、灰分和浸出物信息,不同的药典类指标信息对应不同的评价标准。
6.一种中药材质量评定系统,其特征在于,包括:
中药材数据获取模块,用于获取中药材数据,包括中药材的种植环境信息;
分类模块,用于根据所述中药材的种植环境信息进行分类,得到分类结果,所述分类结果包括家种药材数据和野生药材数据;
质量评定模块,用于根据所述分类结果,根据预设规则对所述药材的质量进行评定,得到评定结果,所述预设规则包括第一预设规则和第二预设规则:
当所述分类结果为家种药材数据,根据所述第一预设规则对所述家种药材的质量进行评定,得到评定结果,所述第一预设规则根据家种药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
当所述分类结果为野生药材数据,根据所述第二预设规则对所述野生药材的质量进行评定,得到评定结果,所述第二预设规则根据野生药材的品牌类指标信息、物理规格类指标信息、药典类指标信息和专家综合评定类指标信息获得;
评价结果模块,用于根据所述评定结果,得到对所述中药材的质量评价分数。
7.根据权利要求6所述的中药材质量评定系统,其特征在于,
所述质量评定模块,具体用于:
根据预设权重分配规则对所述评定结果进行权重分配,得到分配结果,所述评定结果中包括品牌类指标评定结果、物理规格类指标评定结果、药典类指标评定结果和专家综合评定类指标评定结果;
根据所述分配结果,得到对所述中药材的质量评价分数。
8.根据权利要求6所述的中药材质量评定系统,其特征在于,
所述品牌类指标信息包括中药材生长的自然条件信息和生态环境信息,不同自然条件和生态环境对应不同的评价标准。
9.根据权利要求6所述的中药材质量评定系统,其特征在于,
所述物理规格类指标信息包括中药材的形状特征、大小尺寸、炮制方法、干湿度、碎屑和虫蛀霉变信息,不同的物理规格信息对应不同的评价标准。
10.根据权利要求6所述的中药材质量评定系统,其特征在于,
所述药典类指标信息包括中药材中的农残、重金属、有效成分含量、黄曲霉素、水分、灰分和浸出物信息,不同的药典类指标信息对应不同的评价标准。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710524206.8A CN107464035A (zh) | 2017-06-30 | 2017-06-30 | 中药材质量评定方法及系统 |
CN201810378213.6A CN108732172A (zh) | 2017-06-30 | 2018-04-25 | 中药材质量评定方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710524206.8A CN107464035A (zh) | 2017-06-30 | 2017-06-30 | 中药材质量评定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107464035A true CN107464035A (zh) | 2017-12-12 |
Family
ID=60546463
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710524206.8A Pending CN107464035A (zh) | 2017-06-30 | 2017-06-30 | 中药材质量评定方法及系统 |
CN201810378213.6A Withdrawn CN108732172A (zh) | 2017-06-30 | 2018-04-25 | 中药材质量评定方法、设备及介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810378213.6A Withdrawn CN108732172A (zh) | 2017-06-30 | 2018-04-25 | 中药材质量评定方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN107464035A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364184A (zh) * | 2018-01-26 | 2018-08-03 | 天津市未来星科技有限公司 | 一种消费品评定方法 |
CN108982788A (zh) * | 2018-06-07 | 2018-12-11 | 沈同平 | 一种基于大数据的中药材质量评估系统 |
CN111398538A (zh) * | 2020-06-08 | 2020-07-10 | 江西汇仁药业股份有限公司 | 中药综合品质评价方法 |
CN113612847A (zh) * | 2021-08-05 | 2021-11-05 | 王耘 | 一种中药质量监控系统及其质量评估方法 |
CN114130680A (zh) * | 2021-12-03 | 2022-03-04 | 中国农业大学 | 基于二维码信息管理的分拣剔除装置 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637595B (zh) * | 2018-12-12 | 2020-04-10 | 中国人民解放军军事科学院军事医学研究院 | 一种药物重定位方法、装置、电子设备及存储介质 |
CN110232584B (zh) * | 2019-04-11 | 2022-08-02 | 深圳市城市交通规划设计研究中心有限公司 | 停车场选址方法、装置、计算机可读存储介质及终端设备 |
CN112966541B (zh) * | 2020-09-23 | 2023-12-05 | 北京豆牛网络科技有限公司 | 果蔬自动验货方法、系统、电子设备以及计算机可读介质 |
CN112495841B (zh) * | 2021-02-04 | 2021-05-11 | 中国科学院自动化研究所 | 基于神经网络的中药分拣系统 |
CN113533581B (zh) * | 2021-08-11 | 2022-08-02 | 贵州中烟工业有限责任公司 | 基于信息熵分析物质质量的方法及计算机可读存储介质 |
CN114720582B (zh) * | 2021-11-26 | 2023-10-20 | 韩山师范学院 | 一种不同陈化年份老香黄的综合评价方法 |
CN115239994B (zh) * | 2022-07-12 | 2023-02-17 | 中关村科学城城市大脑股份有限公司 | 应用于甘草饮片的等级信息生成方法、装置和电子设备 |
CN115184283B (zh) * | 2022-09-09 | 2022-12-27 | 张家港市绿色中药饮片有限公司 | 一种中药饮片的智能筛选方法及系统 |
-
2017
- 2017-06-30 CN CN201710524206.8A patent/CN107464035A/zh active Pending
-
2018
- 2018-04-25 CN CN201810378213.6A patent/CN108732172A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364184A (zh) * | 2018-01-26 | 2018-08-03 | 天津市未来星科技有限公司 | 一种消费品评定方法 |
CN108982788A (zh) * | 2018-06-07 | 2018-12-11 | 沈同平 | 一种基于大数据的中药材质量评估系统 |
CN111398538A (zh) * | 2020-06-08 | 2020-07-10 | 江西汇仁药业股份有限公司 | 中药综合品质评价方法 |
CN111398538B (zh) * | 2020-06-08 | 2020-10-09 | 江西汇仁药业股份有限公司 | 中药综合品质评价方法 |
CN113612847A (zh) * | 2021-08-05 | 2021-11-05 | 王耘 | 一种中药质量监控系统及其质量评估方法 |
CN114130680A (zh) * | 2021-12-03 | 2022-03-04 | 中国农业大学 | 基于二维码信息管理的分拣剔除装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108732172A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107464035A (zh) | 中药材质量评定方法及系统 | |
Altaheri et al. | Date fruit classification for robotic harvesting in a natural environment using deep learning | |
Li et al. | Apple leaf disease identification and classification using resnet models | |
Sannakki et al. | Diagnosis and classification of grape leaf diseases using neural networks | |
CN109784204B (zh) | 一种用于并联机器人的堆叠串类水果主果梗识别和提取方法 | |
CN107330892A (zh) | 一种基于随机森林法的向日葵病害识别方法 | |
CN107194937A (zh) | 一种开放环境下中医舌象图像分割方法 | |
CN107239514A (zh) | 一种基于卷积神经网络的植物识别方法及系统 | |
CN109522924A (zh) | 一种基于单张照片的阔叶林树种识别方法 | |
CN106340000A (zh) | 骨龄评估方法 | |
Tumang | Pests and diseases identification in mango using MATLAB | |
CN108764330A (zh) | 基于超像素分割和卷积反卷积网络的sar图像分类方法 | |
CN116129260A (zh) | 基于深度学习的牧草图像识别方法 | |
CN112528947A (zh) | 一种通过增加方向维度的假菌丝检测方法、设备及存储介质 | |
Sugiarti et al. | Model Naive Bayes classifiers for detection apple diseases | |
Borman et al. | Classification of Medicinal Wild Plants Using Radial Basis Function Neural Network with Least Mean Square | |
Yumang et al. | Detection of Anthracnose on Mango Tree Leaf Using Convolutional Neural Network | |
CN107038410A (zh) | 一种基于深度堆叠网络的杂草图像识别方法 | |
Sosa et al. | An algorithm for detection of nutritional deficiencies from digital images of coffee leaves based on descriptors and neural networks | |
CN201041547Y (zh) | 基于多光谱图像的纹理分析鉴别不同品种绿茶的装置 | |
CN108741342A (zh) | 一种基于因子分析和概率神经网络的人体体型聚类方法 | |
Favorskaya et al. | Recognition of natural objects on air photographs using neural networks | |
Zhou et al. | An automatic non-invasive classification for plant phenotyping by MRI images: An application for quality control on cauliflower at primary meristem stage | |
CN115439842A (zh) | 一种基于深度学习的桑葚菌核病严重度的检测方法 | |
Ashish et al. | Survey on detection and classification of plant leaf disease in agriculture environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171212 |