CN112036499A - 一种基于卷积神经网络的中药材识别方法 - Google Patents
一种基于卷积神经网络的中药材识别方法 Download PDFInfo
- Publication number
- CN112036499A CN112036499A CN202010919821.0A CN202010919821A CN112036499A CN 112036499 A CN112036499 A CN 112036499A CN 202010919821 A CN202010919821 A CN 202010919821A CN 112036499 A CN112036499 A CN 112036499A
- Authority
- CN
- China
- Prior art keywords
- traditional chinese
- picture
- identified
- identification
- chinese medicine
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
Abstract
本发明公开了一种基于卷积神经网络的中药材识别方法,该方法先对未知中药材的待识别图片进行植物和非植物的识别,在识别为植物时,采用识别模型对待识别图片对应的中药材名称进行识别,识别率如果大于85%,则直接展示识别结果;识别率如果小于15%,则将待识别图片发送至专家团队人工进行识别;识别率如果在15%到85%之间,则在数据库中查找与待识别图片最相似的样本图片,采用识别模型对样本图片进行识别,如果识别率仍然小于85%,则将待识别图片发送至人工进行识别。本发明能够对中药材进行全面、准确的识别,更重要的是致力于发现稀缺药材,为贫困地区服务。
Description
技术领域
本发明涉及药材识别技术领域,特别是涉及一种基于卷积神经网络的中药材识别方法。
背景技术
目前,中药材在线识别主要基于字典查询技术和图像识别技术进行识别,存在无法识别中药材图片、无法判别是否是中药材图片、中药材识别率低、无法对新出现的中药材进行识别等问题。
其中,基于字典查询技术的中药材在线识别通过字典查询技术对现有中药材进行统计和整理。由于其对现有中药材进行字典方式的统计查询因而会存在无法快速识别中药材图片,无法对中药材图片对应的中药材名称进行识别,而且无法对新出现的中药材进行智能辨别的问题。
图像识别技术的中药材在线识别通过将中药材图片与已有植物图库内的植物进行比对来实现中药材的识别。而大多数已有植物图库缺乏专业性,导致无法准确识别中药材,而且不会分别图片是否是中药材图片,所以存在识别误差极大的问题。此外,已有植物图库缺乏中药材的详细信息,这些详细信息包括功能介绍、性质归属、价值功效。
发明内容
本发明的目的在于提供一种基于卷积神经网络的中药材识别方法,能够对中药材进行全面、准确的识别。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种红外重复码学习方法,包括:
S1:拍摄并上传未知中药材的待识别图片;
S2:调用外部识别接口对所述待识别图片是植物还是非植物,如果是非植物,则进行步骤S3,如果是植物,则进行步骤S4;
S3:过滤所述待识别图片;
S4:采用识别模型对所述待识别图片对应的中药材名称进行识别,得到疑似中药材名称及其识别率,其中,所述识别模型由卷积神经网络对已知中药材的样本图片进行训练得到;
S5:判断所述疑似中药材名称的识别率是否大于85%,如果大于85%,则进行步骤S6,如果不大于85%,则进行步骤S7;
S6:从数据库中获取并展示所述疑似中药材名称对应的详细信息;
S7:判断所述疑似中药材名称的识别率是否大于15%,如果大于15%,则进行步骤S8,如果不大于15%,则进行步骤S11;
S8:将所述待识别图片存入数据库中,并在数据库中查找与所述待识别图片最相似的样本图片,采用识别模型对所述样本图片进行识别,得到替代中药材名称及其识别率;
S9:判断所述替代中药材名称的识别率是否大于85%,如果大于85%,则进行步骤S10,如果不大于85%,则进行步骤S11;
S10:将所述替代中药材名称代替疑似中药材名称,并进行步骤S6;
S11:将所述待识别图片发送至人工进行识别;
S12:接收人工识别的实际中药材名称,将实际中药材名称代替疑似中药材名称,并进行步骤S6。
优选的,所述步骤S6还包括:
同时展示所述疑似中药材名称对应的购买链接,其中,所述购买链接与中药材名称预先关联。
优选的,所述步骤S6还包括:
同时展示识别率。
优选的,所述步骤S1还包括:
获取并上传用户输入的所述待识别图片的文字描述;
所述步骤S11还包括:
将所述待识别图片的文字描述发送至人工进行识别。
优选的,所述步骤S1还包括:
获取并上传所拍照位置的地理位置信息;
所述步骤S8还包括:
将所述待识别图片的地理位置信息存入数据库中。
优选的,所述步骤S6还包括:
将所述待识别图片的识别结果作为历史记录进行保存,所述识别结果包括疑似中药材名称。
区别于现有技术的情况,本发明的有益效果是:将在线识别中药材、展示中药材详细信息、中药材信息查询、购买链接、地理定位功能集成为一体,可以帮助科研工作者发现新药材及稀缺药材,一定程度上解决新药材的发现消耗大量人力物力财力的问题,帮助中药种植户提供药材售卖的宣传渠道,帮助中药原材料稀缺的制药厂、药企提供中药原材料购买的途径,帮助药农全面熟悉、了解中药材。
附图说明
图1是本发明实施例的基于卷积神经网络的中药材识别方法的流程示意图;
图2是微信小程序的主界面的示意图;
图3是微信小程序的用户个人界面的示意图;
图4是微信小程序的数据库界面的示意图;
图5是微信小程序的历史记录界面的示意图;
图6是微信小程序的识别结果界面的示意图;
图7是微信小程序的详细信息展示界面的示意图;
图8是微信小程序的购买界面的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明实施例的基于卷积神经网络的中药材识别方法的流程示意图。本实施例的中药材识别方法包括以下步骤:
S1:拍摄并上传未知中药材的待识别图片。
其中,对于用户而言,其掌握的中药材是未知的,所以需要拍摄并上传未知中药材的待识别图片。
S2:调用外部识别接口识别待识别图片是植物还是非植物,如果是非植物,则进行步骤S3,如果是植物,则进行步骤S4。
其中,外部识别接口是技术服务商提供给开发者的识别接口,只需要调用外部识别接口就能得到植物还是非植物的识别结果。
S3:过滤待识别图片。
其中,过滤待识别图片可以大大减轻在线识别的负载。在本实施例中,过滤待识别图片后,可以生成用于提示用户上传植物图片的通知。
S4:采用识别模型对待识别图片对应的中药材名称进行识别,得到疑似中药材名称及其识别率,其中,识别模型由卷积神经网络对已知中药材的样本图片进行训练得到。
其中,对于属于植物的待识别图片,采用识别模型对待识别图片对应的中药材名称进行识别。在一些情况下,待识别图片可能会被同时识别为多种疑似中药材名称,每种识别出的疑似中药材名称的识别率各不相同,因此只保留识别率最高的疑似中药材名称。
S5:判断疑似中药材名称的识别率是否大于85%,如果大于85%,则进行步骤S6,如果不大于85%,则进行步骤S7。
其中,85%这个数值是根据调研训练得到的经验值,识别率在85%以上的数据可以认为是识别准确的。
S6:从数据库中获取并展示疑似中药材名称对应的详细信息。
其中,对于识别率大于85%的疑似中药材名称,则向用户展示疑似中药材名称对应的详细信息,以便用户详细了解该中药材。在本实施例中,步骤S6还包括:将待识别图片的识别结果作为历史记录进行保存,识别结果包括疑似中药材名称。通过历史记录,用户可以直接查看以前识别过的中药材的识别结果。
S7:判断疑似中药材名称的识别率是否大于15%,如果大于15%,则进行步骤S8,如果不大于15%,则进行步骤S11;
S8:将待识别图片存入数据库中,并在数据库中查找与待识别图片最相似的样本图片,采用识别模型对样本图片进行识别,得到替代中药材名称及其识别率。
其中,与待识别图片最相似的样本图片是指与待识别图片相同的图像特征最多的样本图片。
S9:判断替代中药材名称的识别率是否大于85%,如果大于85%,则进行步骤S10,如果不大于85%,则进行步骤S11。
S10:将替代中药材名称代替疑似中药材名称,并进行步骤S6。
S11:将待识别图片发送至人工进行识别。
其中,如果替代中药材名称的识别率仍然不大于85%,表示该未知中药材属于新出现药材或稀缺药材的可能性比较大,因此将待识别图片发送至人工进行识别。待识别图片会专门存放在人工识别数据库,与前述数据库可以不同,可以是前述数据库中的单独一部分,药学研究者可以定期浏览该人工识别数据库,依据其专业知识对待识别图片进行识别和判断,并输入其认为的实际中药材名称。
S12:接收人工识别的实际中药材名称,将实际中药材名称代替疑似中药材名称,并进行步骤S6。
在本实施例中,步骤S6还包括:同时展示疑似中药材名称对应的购买链接,其中,购买链接与中药材名称预先关联。
其中,用户通过点击购买链接可以在线购买疑似中药材名称对应的中药材。这样,既可以为需要提供接入服务的商家增加销售渠道,也可以增加用户购买中药材的途径,具有较强的商业性。
进一步的,步骤S6还包括:同时展示识别率。
其中,用户通过识别率可以作为是否接受识别结果的依据。
在本实施例中,步骤S1还包括:获取并上传用户输入的待识别图片的文字描述;步骤S11还包括:将待识别图片的文字描述发送至人工进行识别。
其中,用户可以在上传待识别图片时输入待识别图片的文字描述,文字描述随着待识别图片一起上传,如果该未知中药材是新药材或稀缺药材,则文字描述可以帮助药学研究者进行准确识别。
进一步的,步骤S1还包括:获取并上传所拍照位置的地理位置信息;步骤S8还包括:将待识别图片的地理位置信息存入数据库中。
其中,地理位置信息主要用于药材出产地的分析,通过地理位置信息结合地图,可以发掘稀缺药材的高概率出现地点,方便药学研究者的调研。
本发明实施例的基于卷积神经网络的中药材识别方法可以以微信小程序的方式实现应用。
如图2所示,是微信小程序的主界面的示意图。主界面的中间为拍照按钮,点击拍照按钮拍摄并上传未知中药材的待识别图片。除了拍照外,还可以进行本地图片的上传。
如图3所示,是微信小程序的用户个人界面的示意图。通过选择主界面下方“我的”按钮,进入用户个人界面,用户个人界面包括历史记录、中草药信息库、关于我们三个功能的菜单。
如图4所示,是微信小程序的数据库界面的示意图。用户点击用户个人界面中的中草药信息库进入数据库界面。数据库界面中有各种中药材的性质归属、功能主治等详细信息。
如图5所示,是微信小程序的历史记录界面的示意图。用户点击用户个人界面中的历史记录进入历史记录界面,可以直接查看以前识别过的中药材的识别结果。
如图6所示,是微信小程序的识别结果界面的示意图。该应用中外部识别接口为百度植物识别接口,用户拍摄并上传待识别图片后,微信小程序先调用百度植物识别接口识别是否是植物,如果是植物,则采用识别模型进行识别。如果识别率大于85%,则直接跳转到识别结果界面。识别结果界面会展示疑似中药材名称和识别率,图中展示的是疑似中药材名称为“青蒿”,识别率为89%。需要注意的是,如果待识别图片需要进行人工识别,则不会立即展示识别结果,而是待人工识别结束后,再展示识别结果。如果此时微信小程序没有运行,可以先将识别结果与用户账号进行关联,待用户启动微信小程序后,第一时间推送识别结果进行展示。
如图7所示,是微信小程序的详细信息展示界面的示意图。识别结果界面有“详细信息”按钮,用户点击“详细信息”按钮后,会跳转到详细信息展示界面,在详细信息展示界面可以浏览中药材的详细信息。
如图8所示,是微信小程序的购买界面的示意图。识别结果界面有“购买链接”按钮,用户点击“购买链接”按钮后,会跳转到购买界面,在购买界面销售中药材的网店,用户可以选择满意的网店购买该中药材。
通过上述方式,本发明实施例的基于卷积神经网络的中药材识别方法通过将在线识别中药材、展示中药材详细信息、中药材信息查询、购买链接、地理定位功能集成为一体,从而能够对中药材进行全面、准确的识别,可以帮助科研工作者发现新药材及稀缺药材,一定程度上解决新药材的发现消耗大量人力物力财力的问题,帮助中药种植户提供药材售卖的宣传渠道,帮助中药原材料稀缺的制药厂、药企提供中药原材料购买的途径,帮助药农全面熟悉、了解中药材,更重要的是致力于发现稀缺药材,为贫困地区服务。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (6)
1.一种基于卷积神经网络的中药材识别方法,其特征在于,包括:
S1:拍摄并上传未知中药材的待识别图片;
S2:调用外部识别接口对所述待识别图片是植物还是非植物,如果是非植物,则进行步骤S3,如果是植物,则进行步骤S4;
S3:过滤所述待识别图片;
S4:采用识别模型对所述待识别图片对应的中药材名称进行识别,得到疑似中药材名称及其识别率,其中,所述识别模型由卷积神经网络对已知中药材的样本图片进行训练得到;
S5:判断所述疑似中药材名称的识别率是否大于85%,如果大于85%,则进行步骤S6,如果不大于85%,则进行步骤S7;
S6:从数据库中获取并展示所述疑似中药材名称对应的详细信息;
S7:判断所述疑似中药材名称的识别率是否大于15%,如果大于15%,则进行步骤S8,如果不大于15%,则进行步骤S11;
S8:将所述待识别图片存入数据库中,并在数据库中查找与所述待识别图片最相似的样本图片,采用识别模型对所述样本图片进行识别,得到替代中药材名称及其识别率;
S9:判断所述替代中药材名称的识别率是否大于85%,如果大于85%,则进行步骤S10,如果不大于85%,则进行步骤S11;
S10:将所述替代中药材名称代替疑似中药材名称,并进行步骤S6;
S11:将所述待识别图片发送至人工进行识别;
S12:接收人工识别的实际中药材名称,将实际中药材名称代替疑似中药材名称,并进行步骤S6。
2.根据权利要求1所述的中药材识别方法,其特征在于,所述步骤S6还包括:
同时展示所述疑似中药材名称对应的购买链接,其中,所述购买链接与中药材名称预先关联。
3.根据权利要求2所述的中药材识别方法,其特征在于,所述步骤S6还包括:
同时展示识别率。
4.根据权利要求1所述的中药材识别方法,其特征在于,所述步骤S1还包括:
获取并上传用户输入的所述待识别图片的文字描述;
所述步骤S11还包括:
将所述待识别图片的文字描述发送至人工进行识别。
5.根据权利要求1所述的中药材识别方法,其特征在于,所述步骤S1还包括:
获取并上传所拍照位置的地理位置信息;
所述步骤S8还包括:
将所述待识别图片的地理位置信息存入数据库中。
6.根据权利要求1所述的中药材识别方法,其特征在于,所述步骤S6还包括:
将所述待识别图片的识别结果作为历史记录进行保存,所述识别结果包括疑似中药材名称。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919821.0A CN112036499A (zh) | 2020-09-04 | 2020-09-04 | 一种基于卷积神经网络的中药材识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919821.0A CN112036499A (zh) | 2020-09-04 | 2020-09-04 | 一种基于卷积神经网络的中药材识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112036499A true CN112036499A (zh) | 2020-12-04 |
Family
ID=73591457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010919821.0A Pending CN112036499A (zh) | 2020-09-04 | 2020-09-04 | 一种基于卷积神经网络的中药材识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036499A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449776A (zh) * | 2021-06-04 | 2021-09-28 | 中南民族大学 | 基于深度学习的中草药识别方法、装置及存储介质 |
CN113486205A (zh) * | 2021-07-06 | 2021-10-08 | 北京林业大学 | 基于增强虚拟现实技术的植物科普信息系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092906A (zh) * | 2017-05-01 | 2017-08-25 | 刘至键 | 一种基于深度学习的中药材识别装置 |
CN107784020A (zh) * | 2016-08-31 | 2018-03-09 | 司邦杰 | 一种动植物昆虫品种识别方法 |
CN109190643A (zh) * | 2018-09-14 | 2019-01-11 | 华东交通大学 | 基于卷积神经网络中药识别方法及电子设备 |
-
2020
- 2020-09-04 CN CN202010919821.0A patent/CN112036499A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784020A (zh) * | 2016-08-31 | 2018-03-09 | 司邦杰 | 一种动植物昆虫品种识别方法 |
CN107092906A (zh) * | 2017-05-01 | 2017-08-25 | 刘至键 | 一种基于深度学习的中药材识别装置 |
CN109190643A (zh) * | 2018-09-14 | 2019-01-11 | 华东交通大学 | 基于卷积神经网络中药识别方法及电子设备 |
Non-Patent Citations (1)
Title |
---|
张玉琢等: "植物远程快速识别的方法", 《计算机应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449776A (zh) * | 2021-06-04 | 2021-09-28 | 中南民族大学 | 基于深度学习的中草药识别方法、装置及存储介质 |
CN113486205A (zh) * | 2021-07-06 | 2021-10-08 | 北京林业大学 | 基于增强虚拟现实技术的植物科普信息系统 |
CN113486205B (zh) * | 2021-07-06 | 2023-07-25 | 北京林业大学 | 基于增强虚拟现实技术的植物科普信息系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6421724B1 (en) | Web site response measurement tool | |
US10115077B2 (en) | System for facilitating management and organisational development processes | |
JP2005149126A (ja) | 情報取得システム、情報取得方法、及び情報処理プログラム | |
EP2767909A1 (en) | Information processing device, information processing method, information processing program, and recording medium | |
JP2008158823A (ja) | 情報提供システム | |
CN109711929A (zh) | 基于预测模型的业务推荐的方法及装置 | |
US20110251871A1 (en) | Customer Satisfaction Analytics System using On-Site Service Quality Evaluation | |
CN106716472A (zh) | 用于运行营销活动的计算机实现方法和系统 | |
CN112036499A (zh) | 一种基于卷积神经网络的中药材识别方法 | |
WO2021042841A1 (zh) | 智能调节推送屏幕的方法、装置、计算机设备及存储介质 | |
CN111028087B (zh) | 信息展示方法、装置和设备 | |
US20120215554A1 (en) | Pharmaceutical data integration & analysis tool | |
CN107590267A (zh) | 基于图片的信息推送方法及装置、终端和可读存储介质 | |
CN111506727A (zh) | 文本内容类别获取方法、装置、计算机设备和存储介质 | |
CN102053960B (zh) | 依群需特征构建物联互联双网快准搜索引擎的方法及系统 | |
CN111191133B (zh) | 业务搜索处理方法、装置及设备 | |
US20050075922A1 (en) | Influence matrix system and method | |
CN116739836A (zh) | 一种基于知识图谱的餐饮数据分析方法及系统 | |
CN116167457A (zh) | 一种数据标注方法、装置、计算机设备和存储介质 | |
KR20210003421A (ko) | 사용자 선호를 반영한 게시글 정렬방법 및 사용자 선호 게시글 우선노출서버 | |
CN109871494A (zh) | 城市房屋均价的查询方法、装置、设备及可读存储介质 | |
CN111352624A (zh) | 界面展示方法、信息处理方法及装置 | |
KR102462183B1 (ko) | 온라인 쇼핑 키워드 분석 서버 장치 | |
CN113822566A (zh) | 业务考核处理方法、装置、计算机设备和存储介质 | |
CN113420018A (zh) | 用户行为数据分析方法、装置、设备及存储介质 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: He Xin Inventor after: Yang Li Inventor after: Huang Yupeng Inventor after: Li Tianshuo Inventor before: Yang Li Inventor before: He Xin Inventor before: Huang Yupeng Inventor before: Li Tianshuo |
|
CB03 | Change of inventor or designer information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |
|
RJ01 | Rejection of invention patent application after publication |