CN109933526A - 中药材ai鉴别的图片测试方法 - Google Patents

中药材ai鉴别的图片测试方法 Download PDF

Info

Publication number
CN109933526A
CN109933526A CN201910168794.5A CN201910168794A CN109933526A CN 109933526 A CN109933526 A CN 109933526A CN 201910168794 A CN201910168794 A CN 201910168794A CN 109933526 A CN109933526 A CN 109933526A
Authority
CN
China
Prior art keywords
photo
chinese medicine
picture
identifies
test
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.)
Granted
Application number
CN201910168794.5A
Other languages
English (en)
Other versions
CN109933526B (zh
Inventor
曾文敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yibao Medical Science And Technology (shanghai) Co Ltd
Original Assignee
Yibao Medical Science And Technology (shanghai) Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yibao Medical Science And Technology (shanghai) Co Ltd filed Critical Yibao Medical Science And Technology (shanghai) Co Ltd
Priority to CN201910168794.5A priority Critical patent/CN109933526B/zh
Publication of CN109933526A publication Critical patent/CN109933526A/zh
Application granted granted Critical
Publication of CN109933526B publication Critical patent/CN109933526B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种中药材AI鉴别的图片测试方法，一种中药材AI鉴别的图片测试方法，包括如下方法：获取中药材在标准环境条件下的照片；然后用该照片通过图片增强的方法生成的测试图片模拟不同环境条件下的照片，进行AI鉴别，得到不同环境条件下的测试结果；将测试结果与已知的标准结果进行对比，对比结果达标则表示测试通过，对比结果不达标则表示测试不通过。本发明模仿使用过程中可能出现的各种环境干扰因素进行批量测试，在完成测试需求的同时节省人力、时间成本，大批量的随机生成的测试图片更全面的覆盖到了各种环境条件，更好的去完善软件功能。

Description

中药材AI鉴别的图片测试方法
技术领域
本发明属于一种图片测试方法，特别是涉及一种中药材AI鉴别的图片测试方法。
背景技术
中药是我国的文化瑰宝，随着中药越来越多的出现在人们生活中，人们也逐渐接触到各种中药材，古有《神农本草经》、《新修本草》、《本草纲目》等书籍教人们一一识别各种中药材，但同时需要花费巨大的时间和心力，对于非中医专业的人士，常常望而却步。随着科技的发展，中药材识别类软件应运而生。目前，关于中药材鉴别只有单一的教科书式展现方式，即给出标准图片和相应的药材名称。中药材用于不同的中药药方中常有多种不同的形态，显然单一图片形态的中药材已经不能满足人们认知的需求。现有中药材识别技术只能针对中药材的种类进行识别，而同一种类的中药材，不同的品质、采收时间、产地等都会对药材中的有效成分有很大的影响。
发明内容
本发明的目的就是提供一种中药材AI鉴别的图片测试方法，能完全解决上述现有技术的不足之处。
本发明的目的通过下述技术方案来实现：
一种中药材AI鉴别的图片测试方法，包括如下方法：
1）.获取中药材在标准环境条件下的照片；
2）.然后用方法1）中的照片通过图片增强的方法生成的测试图片模拟不同环境条件下的照片，进行AI鉴别，得到不同环境条件下的测试结果；
3）.将测试结果与已知的标准结果进行对比，对比结果达标则表示测试通过，对比结果不达标则表示测试不通过。
进一步，不同环境条件下的照片包括不同角度下的照片、不同高度下的照片和不同光照条件下的照片。
进一步，不同角度下的照片采用翻转变换、平移变换或旋转变换的方式进行模拟。
进一步，不同高度下的照片采用尺度变换的方式进行模拟。
进一步，不同光照条件下的照片采用对比度变换或色彩抖动的方式进行模拟。
进一步，用不同角度下的照片进行鉴别的达标精度至少为98%。
进一步，用不同高度下的照片进行鉴别的达标精度至少为96%。
进一步，用不同光照条件下的照片进行鉴别的达标精度至少为95%。
进一步，方法1）中标准环境条件下的照片是指以白色无杂质背景作为照片底面，在白炽灯光照充足，且无其它干扰因素的环境下所取得背景干净无杂质，图片中药材居中且清晰可见、无阴影的照片。
与现有技术相比，本发明的有益效果在于：模仿使用过程中可能出现的各种环境干扰因素进行批量测试，在完成测试需求的同时节省人力、时间成本，大批量的随机生成的测试图片更全面的覆盖到了各种环境条件，更好的去完善软件功能。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合具体实施例和附图对本发明作进一步的说明。
如图1所示，获取标准环境条件下的照片，将其进行AI鉴别，得到一个标准结果。标准环境为白色无杂质底面，白炽灯光照充足，且无其它干扰因素的环境下，标准环境下所取得的照片应为背景干净无杂质，图片中药材居中且清晰可见，无阴影。中药材的AI鉴别既使用中药材AI鉴别App通过拍摄照片或者使用已经拍好的照片的方式来识别所拍摄图片中的中药材的种类，包括采收时间、产地、和真伪等。以黄芪的地域鉴别为例，拍摄一张标准环境下的黄芪照片，通过中药材鉴别师识别，得到地域为内蒙，把内蒙作为这次测试的标准结果。
然后用上述标准环境下的照片通过图片增强的方法生成的测试图片模拟各种环境条件下的照片：包括用翻转变换、平移变换、旋转变换模拟不同角度下的照片；用尺度变换模拟不同高度下的照片；用对比度变换、色彩抖动模拟不同光照条件下的照片。得到各种环境条件下的测试结果。把测试结果与标准结果进行对比。若结果相同则表示测试通过，若得到与标准结果不同的测试结果，表示所对应环境下的照片易产生偏差。把标准黄芪照片用翻转变换、平移变换、旋转变换模拟不同角度下的黄芪照片，进行AI鉴别，得到的结果进行概率统计，显示98%为内蒙，与标准结果相同；把标准的黄芪照片用尺度变换模拟不同高度下的黄芪照片，进行AI鉴别，得到的结果进行概率统计，显示96%为内蒙，与标准结果相同；把标准的黄芪照片用对比度变换、色彩抖动模拟不同光照条件下的黄芪照片，进行AI鉴别，得到的结果进行概率统计，显示85%为内蒙，小于95%，即与标准结果不同，即光照条件下的照片易产生误差。
把产生误差的环境条件及相关的失败案列反馈给相关工程师，从而及时作出相应的调整，完善软件功能。
同样的，该方法还可用于丹参、天麻、川贝等中药材的鉴别。在进行测试时，通过标准环境条件下的照片进行AI鉴别，得到一个标准结果。然后用上述标准环境下的图片通过图片增强的方法生成的测试图片模拟各种环境条件下的照片，进行AI鉴别，得到各种环境条件下的测试结果，进行概率统计得到统计结果，若统计结果与标准结果的相似度大于等于95%，则视为结果相同，反之，表示所对应环境下的照片易产生偏差，反馈测试结果，从而完善软件功能。本方法是模仿使用过程中可能出现的各种环境干扰因素进行批量测试，在完成测试需求的同时节省人力、时间成本，大批量的随机生成的测试图片更全面的覆盖到了各种环境条件，更好的去完善软件功能。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种中药材AI鉴别的图片测试方法，其特征在于，包括如下方法：
1）获取中药材在标准环境条件下的照片；
2）然后用方法1）中的照片通过图片增强的方法生成的测试图片模拟不同环境条件下的照片，进行AI鉴别，得到不同环境条件下的测试结果；
3）将测试结果与已知的标准结果进行对比，对比结果达标则表示测试通过，对比结果不达标则表示测试不通过。
2.根据权利要求1所述的中药材AI鉴别的图片测试方法，其特征在于，不同环境条件下的照片包括不同角度下的照片、不同高度下的照片和不同光照条件下的照片。
3.根据权利要求2所述的中药材AI鉴别的图片测试方法，其特征在于，不同角度下的照片采用翻转变换、平移变换或旋转变换的方式进行模拟。
4.根据权利要求2所述的中药材AI鉴别的图片测试方法，其特征在于，不同高度下的照片采用尺度变换的方式进行模拟。
5.根据权利要求2所述的中药材AI鉴别的图片测试方法，其特征在于，不同光照条件下的照片采用对比度变换或色彩抖动的方式进行模拟。
6.根据权利要求3所述的中药材AI鉴别的图片测试方法，其特征在于，用不同角度下的照片进行鉴别的达标精度至少为98%。
7.根据权利要求4所述的中药材AI鉴别的图片测试方法，其特征在于，用不同高度下的照片进行鉴别的达标精度至少为96%。
8.根据权利要求5所述的中药材AI鉴别的图片测试方法，其特征在于，用不同光照条件下的照片进行鉴别的达标精度至少为95%。
9.根据权利要求1所述的中药材AI鉴别的图片测试方法，其特征在于，方法1）中标准环境条件下的照片是指以白色无杂质背景作为照片底面，在白炽灯光照充足，且无其它干扰因素的环境下所取得背景干净无杂质，图片中药材居中且清晰可见、无阴影的照片。
CN201910168794.5A 2019-03-06 2019-03-06 中药材ai鉴别的图片测试方法 Active CN109933526B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910168794.5A CN109933526B (zh) 2019-03-06 2019-03-06 中药材ai鉴别的图片测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910168794.5A CN109933526B (zh) 2019-03-06 2019-03-06 中药材ai鉴别的图片测试方法

Publications (2)

Publication Number Publication Date
CN109933526A true CN109933526A (zh) 2019-06-25
CN109933526B CN109933526B (zh) 2023-01-20

Family

ID=66986460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910168794.5A Active CN109933526B (zh) 2019-03-06 2019-03-06 中药材ai鉴别的图片测试方法

Country Status (1)

Country Link
CN (1) CN109933526B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509123A (zh) * 2011-12-01 2012-06-20 中国科学院自动化研究所 一种基于复杂网络的脑功能磁共振图像分类方法
CN102841103A (zh) * 2011-06-23 2012-12-26 神讯电脑(昆山)有限公司 键盘外观检测装置及方法
DE102012205347A1 (de) * 2012-04-02 2013-10-02 3D-Micromac Ag Verfahren und System zur Authentifizierung und Identifizierung von Objekten
CN103995775A (zh) * 2014-05-20 2014-08-20 浪潮电子信息产业股份有限公司 一种基于神经网络的测试数据生成方法
CN107506702A (zh) * 2017-08-08 2017-12-22 江西高创保安服务技术有限公司 基于多角度的人脸识别模型训练及测试系统及方法
CN108038850A (zh) * 2017-12-08 2018-05-15 天津大学 一种基于深度学习的排水管道异常类型自动检测方法
CN108764342A (zh) * 2018-05-29 2018-11-06 广东技术师范学院 一种对于眼底图中视盘和视杯的语义分割方法
CN109118504A (zh) * 2018-07-26 2019-01-01 深圳辰视智能科技有限公司 一种基于神经网络的图像边缘检测方法、装置及其设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102841103A (zh) * 2011-06-23 2012-12-26 神讯电脑(昆山)有限公司 键盘外观检测装置及方法
CN102509123A (zh) * 2011-12-01 2012-06-20 中国科学院自动化研究所 一种基于复杂网络的脑功能磁共振图像分类方法
DE102012205347A1 (de) * 2012-04-02 2013-10-02 3D-Micromac Ag Verfahren und System zur Authentifizierung und Identifizierung von Objekten
CN103995775A (zh) * 2014-05-20 2014-08-20 浪潮电子信息产业股份有限公司 一种基于神经网络的测试数据生成方法
CN107506702A (zh) * 2017-08-08 2017-12-22 江西高创保安服务技术有限公司 基于多角度的人脸识别模型训练及测试系统及方法
CN108038850A (zh) * 2017-12-08 2018-05-15 天津大学 一种基于深度学习的排水管道异常类型自动检测方法
CN108764342A (zh) * 2018-05-29 2018-11-06 广东技术师范学院 一种对于眼底图中视盘和视杯的语义分割方法
CN109118504A (zh) * 2018-07-26 2019-01-01 深圳辰视智能科技有限公司 一种基于神经网络的图像边缘检测方法、装置及其设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KONSTANTIN SHMELKOV ET AL.: "How good is my GAN？", 《ECCV 2018》 *
吴镜锋: "基于半监督CNN的接触网巡检图像异常检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
葛程，孙国强: "基于卷积神经网络的图像分类研究", 《软件导刊》 *
谢娟英 等: "蝴蝶种类自动识别研究", 《计算机研究与发展》 *

Also Published As

Publication number Publication date
CN109933526B (zh) 2023-01-20

Similar Documents

Publication Publication Date Title
Wittenborn A factor analysis of Rorschach scoring categories.
CN103984741B (zh) 用户属性信息提取方法及其系统
CN107239790A (zh) 一种基于深度学习的服务机器人目标检测与定位方法
CN106354872A (zh) 文本聚类的方法及系统
CN110307871B (zh) 一种采用电子感官融合快速检测中药饮片质量的方法
Oakley Greek vase painting
CN204813808U (zh) 一种基于绿色单色光源的中医舌像采集系统
CN103839074B (zh) 一种基于素描线段信息和空间金字塔匹配的图像分类方法
Zhu et al. Flora and vegetation of Yunnan, Southwestern China: diversity, origin and evolution
CN109613134A (zh) 一种桑白皮药材uplc指纹图谱的构建方法及其应用
Gutiérrez del Pozo et al. Seed geometry in the Arecaceae
CN109933526A (zh) 中药材ai鉴别的图片测试方法
Newman et al. The Story of Elaeagia Resin (Mopa-Mopa), So Far
Wang et al. Image quality metrics, personality traits, and subjective evaluation of indoor environment images
Torres-Flores et al. Star formation in the intragroup medium and other diagnostics of the evolutionary stages of compact groups of galaxies
Tummers et al. The Eye Versus Chemistry? From Twentieth to Twenty-First Century Connoisseurship
Xing et al. Research on image recognition technology of traditional Chinese medicine based on deep transfer learning
Cruz et al. Leaf Classification of Costus Plant Species Using Convolutional Neural Network
Sarigu et al. Discovering Plum, Watermelon and Grape Cultivars Founded in a Middle Age Site of Sassari (Sardinia, Italy) through a Computer Image Analysis Approach
Capotorto et al. A Virtual Space Built on a Canvas Painting for an “Augmented” Experience to Catch the Artist’s Message
Wang et al. Three-dimensional modeling of tea-shoots using images and models
Youguo et al. Changes in Chinese people's mental health of China from 1986 to 2017: A cross-temporal meta-analysis
Kremer et al. Minerva in Colours: First Results on a Polychrome Roman Sculpture from Carnuntum (Pannonia)
Nante et al. History and Medicine: ex voto as a tool for health and epidemiological surveillance
Wu et al. Study on the Selection of Processing Process and Parameters of Platycodon grandiflorum Seeds Assisted by Machine Vision Technology

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
GR01 Patent grant
GR01 Patent grant