CN117274986A - 一种药食同源中药材霉变识别方法、装置及存储介质 - Google Patents
一种药食同源中药材霉变识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117274986A CN117274986A CN202311230018.6A CN202311230018A CN117274986A CN 117274986 A CN117274986 A CN 117274986A CN 202311230018 A CN202311230018 A CN 202311230018A CN 117274986 A CN117274986 A CN 117274986A
- Authority
- CN
- China
- Prior art keywords
- traditional chinese
- medicinal materials
- chinese medicinal
- slice
- detected
- 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
Links
- 239000000463 material Substances 0.000 title claims abstract description 115
- 239000003814 drug Substances 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 235000013305 food Nutrition 0.000 title description 3
- 229940079593 drug Drugs 0.000 title description 2
- 230000009545 invasion Effects 0.000 claims abstract description 33
- 238000004140 cleaning Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000001580 bacterial effect Effects 0.000 claims description 13
- 238000009432 framing Methods 0.000 claims description 6
- 238000002425 crystallisation Methods 0.000 claims description 5
- 230000008025 crystallization Effects 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000004381 surface treatment Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 241000411851 herbal medicine Species 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 235000008216 herbs Nutrition 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 229940126680 traditional chinese medicines Drugs 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/693—Acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- 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
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种药食同源中药材霉变识别方法、装置及存储介质,属于中药检测技术领域,包括拍摄收集不同中药材的表面图像信息,建立表面信息数据集;基于收集的不同中药材进行切片处理,获取不同切片深度的切片图像,建立切片信息数据集;基于表面信息数据集和切片信息数据集,建立霉变识别模型;向霉变识别模型输入待检测中药材的表面图像信息,输出待检测中药材的切片信息,判断待检测中药材的表面是否存在霉菌;基于待检测中药材的表面上存在霉菌,根据待检测中药材的切片深度,判断待检测中药材上霉菌的侵入等级;基于待检测中药材上霉菌的侵入等级,设置清洗装置的处理参数。本发明简单有效检测到中药材的霉变,及时处理,挽回损失。
Description
技术领域
本发明涉及中药检测技术领域,具体涉及一种药食同源中药材霉变识别方法、装置及存储介质。
背景技术
药材发霉是贮藏保管中常见的一种变质现象,霉一般呈黄白色、黄绿色或黑灰色,手搓有潮湿感、滑腻感,擦之其色变淡。显微镜下可见分生孢子柄,具霉气,霉药不治病且危害极大。轻微的发霉可挽回部分损失,严重的霉变只有弃毁。另一方面,药材霉变也有假性现象,如不能正确识别,易造成不必要的损失。
对于中药材的鉴别,当前有诸多的检测办法。但是受限于医疗资源分布的不平衡性、快检车空间的局限性、大型仪器设备使用的普及率较低等因素的制约。
如何提供一种中药材霉变识别方法,使其能简单有效的检测到中药材的霉变程度,及时处理,挽回损失,是本领域技术人员亟待解决的技术问题。
发明内容
为此,本发明提供一种药食同源中药材霉变识别方法、装置及存储介质,以解决现有技术中由于中药材霉变识别方法复杂而导致的不能简单有效的检测到中药材的霉变程度的问题。
为了实现上述目的,本发明提供如下技术方案:
根据本发明的第一方面,提供了一种药食同源中药材霉变识别方法,包括以下步骤:
S1:拍摄收集不同中药材的表面图像信息,建立表面信息数据集;
S2:基于收集的不同中药材进行切片处理,获取不同切片深度的切片图像,建立切片信息数据集;
S3:基于所述表面信息数据集和所述切片信息数据集,建立霉变识别模型;
S4:向所述霉变识别模型输入待检测中药材的表面图像信息,输出所述待检测中药材的切片信息,判断所述待检测中药材的表面是否存在霉菌;
S5:基于所述待检测中药材的表面上存在霉菌,根据所述待检测中药材的切片深度,判断所述待检测中药材上霉菌的侵入等级;
S6:基于所述待检测中药材上霉菌的侵入等级,设置清洗装置的处理参数。进一步地,所述S3中的霉变识别模型的建立过程,具体包括以下步骤:
S301:建立表面信息数据集A={A1,A2,A3,A4,…An},其中,A1,A2,A3,A4,…An为中药材的表面数据子集,n为中药材的数量;
S302:建立切片信息数据集B={B1,B2,B3,B4,…Bn},其中,B1,B2,B3,B4,…Bn为中药材的切片数据子集,n为中药材的数量;
S303:将中药材的所述表面信息数据集与所述切片信息数据集一一对应。
进一步地,所述表面信息数据集内包含有多个表面数据子集,所述表面数据子集An={a1,a2,a3},其中,a1为中药材的表面覆盖物的颜色特征值,a2为中药材的表面覆盖物的形状特征值,a3为中药材的表面覆盖物的结晶状态特征值。
进一步地,所述切片信息数据集包含有多个切片数据子集,所述切片数据子集Bn={b1,b2,b3,b4,…bm},其中,b1为第一切片深度的斑点特征值,…bm为第m切片深度的斑点特征值,m为切片图像的切片数量。
进一步地,所述S4中,根据所述表面数据子集和所述切片数据子集均为非空集,则判断中药材上存在霉菌。
进一步地,所述S5中,根据所述待检测中药材的切片深度,判断所述待检测中药材上霉菌的侵入等级,具体包括以下步骤:
S501:根据所述待检测中药材的厚度d,设置第一切片深度阈值h1、第二切片深度阈值h2和第三切片深度阈值h3;其中,h1=k1*d,h2=k2*d,h3=k3*d,k1、k2和k3分别为第一经验概率、第二经验概率和第三经验概率;
S502:截取所述切片数据子集内第一切片深度阈值内的斑点特征值,如果其内斑点特征值存在0,则表示所述霉菌的侵入等级为第一等级,否则,执行下一步骤;
S503:截取所述切片数据子集内第二切片深度阈值内的斑点特征值,如果其内斑点特征值存在0,则表示所述霉菌的侵入等级为第二等级,否则,执行下一步骤;
S504:截取所述切片数据子集内第三切片深度阈值内的斑点特征值,如果其内斑点特征值存在0,则表示所述霉菌的侵入等级为第三等级。
进一步地,基于所述霉菌为第三等级,对于附着有第三等级霉菌的所述待检测中药材进行再次筛选,具体包括以下步骤:
将附着有第三等级霉菌的所述待检测中药材重新进行筛选,初步框选所述待检测中药材上的菌斑,进行图像识别,获取初步框选的菌斑的色彩饱和度;
对附着有第三等级霉菌的所述待检测中药材进行表面处理,再次框选所述待检测中药材上的菌斑,进行图像识别,获取再次框选的菌斑的色彩饱和度;
比较两次框选的色彩饱和度得到色彩饱和度偏差,如果色彩饱和度偏差大于其预设阈值,则重新划分为所述待检测中药材上的霉菌等级为第二等级。
进一步地,所述S6中所述清洗装置的处理参数包括撞击力度、撞击次数和撞击频率。
根据本发明的第二方面,提供了一种药食同源中药材霉变识别装置,用于实现上述任一项所述的药食同源中药材霉变识别方法,包括:
信息收集单元,用于收集不同中药材的表面图像信息和切片图像;
信息处理单元,用于处理不同中药材的表面图像信息和切片图像,建立所述表面信息数据集和所述切片信息数据集;
模型生产单元,用于基于所述表面信息数据集和所述切片信息数据集,建立霉变识别模型。
根据本发明的第三方面,提供了一种存储介质,包括程序和指令,当所述程序或指令在计算机上运行时,上述任一项所述的药食同源中药材霉变识别方法被实现。
本发明具有如下优点:
本发明拍摄收集不同中药材的表面图像信息,建立表面信息数据集。基于收集的不同中药材进行切片处理,获取不同切片深度的切片图像,建立切片信息数据集。基于表面信息数据集和切片信息数据集,建立霉变识别模型。向霉变识别模型输入待检测中药材的表面图像信息,输出待检测中药材的切片信息,判断待检测中药材的表面是否存在霉菌。基于待检测中药材的表面上存在霉菌,根据待检测中药材的切片深度,判断待检测中药材上霉菌的侵入等级。基于待检测中药材上霉菌的侵入等级,设置清洗装置的处理参数。
本发明通过霉变识别模型检测中药材是否发生霉变以及其霉变的程度,从而将不同的中药材进行分级。当霉菌的侵入等级为第一等级时,说明此中药材为轻微损失,通过清洗即能继续应用;当霉菌的侵入等级为第二等级时,说明此中药材为中度损失,通过切除即能继续应用;当霉菌的侵入等级为第二等级时,说明此中药材为重度损失,只能舍弃掉。本发明能简单有效的检测到中药材的霉变程度,及时处理,挽回损失。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对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。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明提供的一种药食同源中药材霉变识别方法的流程图;
图2为本发明提供的霉变识别方法中步骤S3的具体流程图;
图3为本发明提供的霉变识别方法中步骤S5的具体流程图;
图4为本发明提供的一种药食同源中药材霉变识别装置的连接框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,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。
根据本发明的第一方面,提供了一种药食同源中药材霉变识别方法,如图1所示的,包括以下步骤:
S1:拍摄收集不同中药材的表面图像信息,建立表面信息数据集;
S2:基于收集的不同中药材进行切片处理,获取不同切片深度的切片图像,建立切片信息数据集;
S3:基于表面信息数据集和切片信息数据集,建立霉变识别模型;
S4:向霉变识别模型输入待检测中药材的表面图像信息,输出待检测中药材的切片信息,判断待检测中药材的表面是否存在霉菌;
S5:基于待检测中药材的表面上存在霉菌,根据待检测中药材的切片深度,判断待检测中药材上霉菌的侵入等级;
S6:基于待检测中药材上霉菌的侵入等级,设置清洗装置的处理参数。
本发明通过霉变识别模型检测中药材是否发生霉变以及其霉变的程度,从而将不同的中药材进行分级。当霉菌的侵入等级为第一等级时,说明此中药材为轻微损失,通过清洗即能继续应用;当霉菌的侵入等级为第二等级时,说明此中药材为中度损失,通过切除即能继续应用;当霉菌的侵入等级为第二等级时,说明此中药材为重度损失,只能舍弃掉。本发明能简单有效的检测到中药材的霉变程度,及时处理,挽回损失。
清洗装置的处理参数包括撞击力度、撞击次数和撞击频率。基于霉菌为第一等级,设置参数值较低的处理动作,霉菌能轻松从中药材上脱落;基于霉菌为第二等级,提高处理动作的参数值,使中药材上的霉菌部分切除;基于霉菌为第三等级,对中药材开启舍弃指示。
步骤S3中的霉变识别模型的建立过程,如图2所示的,具体包括以下步骤:
S301:建立表面信息数据集A={A1,A2,A3,A4,…An},其中,A1,A2,A3,A4,…An为中药材的表面数据子集,n为中药材的数量;
S302:建立切片信息数据集B={B1,B2,B3,B4,…Bn},其中,B1,B2,B3,B4,…Bn为中药材的切片数据子集,n为中药材的数量;
S303:将中药材的表面信息数据集与切片信息数据集一一对应。
通过霉变识别模型能对多个中药材的信息进行收集,分别检测每个中药材上的表面图像信息,从而得到每个中药材上的霉菌情况。
表面信息数据集内包含有多个表面数据子集,表面数据子集An={a1,a2,a3},其中,a1为中药材的表面覆盖物的颜色特征值,a2为中药材的表面覆盖物的形状特征值,a3为中药材的表面覆盖物的结晶状态特征值。
颜色特征值根据表面覆盖物颜色的显色程度进行赋予特征值,如暗红色为1,大红色为2;形状特征值根据表面覆盖物形状的复杂程度进行赋予特征值,复杂重叠度越高,赋值越大;结晶状态特征值根据表面覆盖物结晶状态的复杂程度进行赋予特征值,复杂重叠度越高,赋值越大。
切片信息数据集包含有多个切片数据子集,切片数据子集Bn={b1,b2,b3,b4,…bm},其中,b1为第一切片深度的斑点特征值,…bm为第m切片深度的斑点特征值,m为切片图像的切片数量。
斑点特征值由切片图像上的斑点大小和颜色深度决定,斑点和颜色深度越大,其斑点特征值也相应越大。获取多个切片图像,直到斑点特征值为0,停止切片。
如果中药材上没有表面覆盖物,则表面数据子集为空;如果中药材内没有被霉菌侵蚀,则切片数据子集为空。由于现有技术中存在假性霉菌,其表面数据子集为非空集,切片数据子集为空集。由此,根据表面数据子集和切片数据子集均为非空集,判断中药材上存在霉菌。
步骤S5中,根据待检测中药材的切片深度,判断待检测中药材上霉菌的侵入等级,如图3所示的,具体包括以下步骤:
S501:根据待检测中药材的厚度d,设置第一切片深度阈值h1、第二切片深度阈值h2和第三切片深度阈值h3;其中,h1=k1*d,h2=k2*d,h3=k3*d,k1、k2和k3分别为第一经验概率、第二经验概率和第三经验概率;
S502:截取切片数据子集内第一切片深度阈值内的斑点特征值,如果其内斑点特征值存在0,则表示霉菌的侵入等级为第一等级,否则,执行下一步骤;
S503:截取切片数据子集内第二切片深度阈值内的斑点特征值,如果其内斑点特征值存在0,则表示霉菌的侵入等级为第二等级,否则,执行下一步骤;
S504:截取切片数据子集内第三切片深度阈值内的斑点特征值,如果其内斑点特征值存在0,则表示霉菌的侵入等级为第三等级。
当霉菌的侵入等级为第一等级时,说明此中药材为轻微损失,通过清洗即能继续应用;当霉菌的侵入等级为第二等级时,说明此中药材为中度损失,通过切除即能继续应用;当霉菌的侵入等级为第二等级时,说明此中药材为重度损失,只能舍弃掉。本发明能简单有效的检测到中药材的霉变程度,及时处理,挽回损失。
为了避免中药材被大量浪费,再次提出筛选。基于霉菌为第三等级,对于附着有第三等级霉菌的待检测中药材进行再次筛选,具体包括以下步骤:
将附着有第三等级霉菌的待检测中药材重新进行筛选,初步框选待检测中药材上的菌斑,进行图像识别,获取初步框选的菌斑的色彩饱和度;
对附着有第三等级霉菌的待检测中药材进行表面处理,优选为表面擦拭,再次框选待检测中药材上的菌斑,进行图像识别,获取再次框选的菌斑的色彩饱和度;
比较两次框选的色彩饱和度得到色彩饱和度偏差,如果色彩饱和度偏差大于其预设阈值,则重新划分为待检测中药材上的霉菌等级为第二等级。
低纯度的色彩饱和度取值范围为0-30,中纯度的色彩饱和度取值范围为30-70,高纯度的色彩饱和度取值范围为70-100,设置预设阈值为40。如果色彩饱和度偏差大于40,表示颜色纯度变化跨度较大。如,菌斑颜色由大红色经过擦拭后变为浅红色,其颜色跨度较大。
如果待检测中药材上的霉菌经过表面处理后,色彩饱和度偏差增大,其霉菌情况得到显著的改善,表明其仍可以通过切除等操作进行清理。在其中被舍弃的中药材进行分拣,重新划分等级,使少量的中药材被保留下来。
根据本发明的第二方面,提供了一种药食同源中药材霉变识别装置,用于实现一种药食同源中药材霉变识别方法,如图4所示的,包括:
信息收集单元,用于收集不同中药材的表面图像信息和切片图像;
信息处理单元,用于处理不同中药材的表面图像信息和切片图像,建立表面信息数据集和切片信息数据集;
模型生产单元,用于基于表面信息数据集和切片信息数据集,建立霉变识别模型。
信息收集单元拍摄收集不同中药材的表面图像信息,信息处理单元建立表面信息数据集。信息收集单元基于收集的不同中药材进行切片处理,获取不同切片深度的切片图像,信息处理单元建立切片信息数据集。基于表面信息数据集和切片信息数据集,模型生产单元建立霉变识别模型。
使用时,向霉变识别模型输入待检测中药材的表面图像信息,输出待检测中药材的切片信息,判断待检测中药材的表面是否存在霉菌。基于待检测中药材的表面上存在霉菌,根据待检测中药材的切片深度,判断待检测中药材上霉菌的侵入等级。基于待检测中药材上霉菌的侵入等级,设置清洗装置的处理参数。
根据本发明的第三方面,提供了一种存储介质,包括程序和指令,当程序或指令在计算机上运行时,一种药食同源中药材霉变识别方法被实现。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种药食同源中药材霉变识别方法,其特征在于,包括以下步骤:
S1:拍摄收集不同中药材的表面图像信息,建立表面信息数据集;
S2:基于收集的不同中药材进行切片处理,获取不同切片深度的切片图像,建立切片信息数据集;
S3:基于所述表面信息数据集和所述切片信息数据集,建立霉变识别模型;
S4:向所述霉变识别模型输入待检测中药材的表面图像信息,输出所述待检测中药材的切片信息,判断所述待检测中药材的表面是否存在霉菌;
S5:基于所述待检测中药材的表面上存在霉菌,根据所述待检测中药材的切片深度,判断所述待检测中药材上霉菌的侵入等级;
S6:基于所述待检测中药材上霉菌的侵入等级,设置清洗装置的处理参数。
2.如权利要求1所述的药食同源中药材霉变识别方法,其特征在于,所述S3中的霉变识别模型的建立过程,具体包括以下步骤:
S301:建立表面信息数据集A={A1,A2,A3,A4,…An},其中,A1,A2,A3,A4,…An为中药材的表面数据子集,n为中药材的数量;
S302:建立切片信息数据集B={B1,B2,B3,B4,…Bn},其中,B1,B2,B3,B4,…Bn为中药材的切片数据子集,n为中药材的数量;
S303:将中药材的所述表面信息数据集与所述切片信息数据集一一对应。
3.如权利要求2所述的药食同源中药材霉变识别方法,其特征在于,所述表面信息数据集内包含有多个表面数据子集,所述表面数据子集An={a1,a2,a3},其中,a1为中药材的表面覆盖物的颜色特征值,a2为中药材的表面覆盖物的形状特征值,a3为中药材的表面覆盖物的结晶状态特征值。
4.如权利要求3所述的药食同源中药材霉变识别方法,其特征在于,所述切片信息数据集包含有多个切片数据子集,所述切片数据子集Bn={b1,b2,b3,b4,…bm},其中,b1为第一切片深度的斑点特征值,…bm为第m切片深度的斑点特征值,m为切片图像的切片数量。
5.如权利要求4所述的药食同源中药材霉变识别方法,其特征在于,所述S4中,根据所述表面数据子集和所述切片数据子集均为非空集,则判断中药材上存在霉菌。
6.如权利要求4所述的药食同源中药材霉变识别方法,其特征在于,所述S5中,根据所述待检测中药材的切片深度,判断所述待检测中药材上霉菌的侵入等级,具体包括以下步骤:
S501:根据所述待检测中药材的厚度d,设置第一切片深度阈值h1、第二切片深度阈值h2和第三切片深度阈值h3;其中,h1=k1*d,h2=k2*d,h3=k3*d,k1、k2和k3分别为第一经验概率、第二经验概率和第三经验概率;
S502:截取所述切片数据子集内第一切片深度阈值内的斑点特征值,如果其内斑点特征值存在0,则表示所述霉菌的侵入等级为第一等级,否则,执行下一步骤;
S503:截取所述切片数据子集内第二切片深度阈值内的斑点特征值,如果其内斑点特征值存在0,则表示所述霉菌的侵入等级为第二等级,否则,执行下一步骤;
S504:截取所述切片数据子集内第三切片深度阈值内的斑点特征值,如果其内斑点特征值存在0,则表示所述霉菌的侵入等级为第三等级。
7.如权利要求6所述的药食同源中药材霉变识别方法,其特征在于,基于所述霉菌为第三等级,对于附着有第三等级霉菌的所述待检测中药材进行再次筛选,具体包括以下步骤:
将附着有第三等级霉菌的所述待检测中药材重新进行筛选,初步框选所述待检测中药材上的菌斑,进行图像识别,获取初步框选的菌斑的色彩饱和度;
对附着有第三等级霉菌的所述待检测中药材进行表面处理,再次框选所述待检测中药材上的菌斑,进行图像识别,获取再次框选的菌斑的色彩饱和度;
比较两次框选的色彩饱和度得到色彩饱和度偏差,如果色彩饱和度偏差大于其预设阈值,则重新划分为所述待检测中药材上的霉菌等级为第二等级。
8.如权利要求1所述的药食同源中药材霉变识别方法,其特征在于,所述S6中所述清洗装置的处理参数包括撞击力度、撞击次数和撞击频率。
9.一种药食同源中药材霉变识别装置,用于实现如权利要求1-8任一项所述的药食同源中药材霉变识别方法,其特征在于,包括:
信息收集单元,用于收集不同中药材的表面图像信息和切片图像;
信息处理单元,用于处理不同中药材的表面图像信息和切片图像,建立所述表面信息数据集和所述切片信息数据集;
模型生产单元,用于基于所述表面信息数据集和所述切片信息数据集,建立霉变识别模型。
10.一种存储介质,其特征在于,包括程序和指令,当所述程序或指令在计算机上运行时,如权利要求1-8任一项所述的药食同源中药材霉变识别方法被实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311230018.6A CN117274986B (zh) | 2023-09-22 | 2023-09-22 | 一种药食同源中药材霉变识别方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311230018.6A CN117274986B (zh) | 2023-09-22 | 2023-09-22 | 一种药食同源中药材霉变识别方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117274986A true CN117274986A (zh) | 2023-12-22 |
CN117274986B CN117274986B (zh) | 2024-04-05 |
Family
ID=89209977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311230018.6A Active CN117274986B (zh) | 2023-09-22 | 2023-09-22 | 一种药食同源中药材霉变识别方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274986B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111940305A (zh) * | 2019-05-17 | 2020-11-17 | 东驹股份有限公司 | 具有转盘的咖啡豆筛选系统 |
CN113600508A (zh) * | 2021-07-06 | 2021-11-05 | 杭州安脉盛智能技术有限公司 | 一种基于机器视觉的烟叶烟包霉变及杂物监测系统 |
US20210353035A1 (en) * | 2020-05-12 | 2021-11-18 | Chromavis S.P.A. | Makeup product |
CN113808084A (zh) * | 2021-08-25 | 2021-12-17 | 杭州安脉盛智能技术有限公司 | 一种模型融合的在线烟包表面霉变检测方法及系统 |
CN114267002A (zh) * | 2022-03-02 | 2022-04-01 | 深圳市华付信息技术有限公司 | 卷烟厂制丝车间工况监测方法、装置、设备及存储介质 |
CN115578371A (zh) * | 2022-10-31 | 2023-01-06 | 湖北中烟工业有限责任公司 | 一种基于烟包切片前霉变杂物的检测方法及装置 |
-
2023
- 2023-09-22 CN CN202311230018.6A patent/CN117274986B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111940305A (zh) * | 2019-05-17 | 2020-11-17 | 东驹股份有限公司 | 具有转盘的咖啡豆筛选系统 |
US20210353035A1 (en) * | 2020-05-12 | 2021-11-18 | Chromavis S.P.A. | Makeup product |
CN113600508A (zh) * | 2021-07-06 | 2021-11-05 | 杭州安脉盛智能技术有限公司 | 一种基于机器视觉的烟叶烟包霉变及杂物监测系统 |
CN113808084A (zh) * | 2021-08-25 | 2021-12-17 | 杭州安脉盛智能技术有限公司 | 一种模型融合的在线烟包表面霉变检测方法及系统 |
CN114267002A (zh) * | 2022-03-02 | 2022-04-01 | 深圳市华付信息技术有限公司 | 卷烟厂制丝车间工况监测方法、装置、设备及存储介质 |
CN115578371A (zh) * | 2022-10-31 | 2023-01-06 | 湖北中烟工业有限责任公司 | 一种基于烟包切片前霉变杂物的检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117274986B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967475A (zh) | 一种基于窗口滑动和卷积神经网络的验证码识别方法 | |
CN110458808B (zh) | 基于形态学与yolo算法的女性生殖道病原体识别方法 | |
CN115457037B (zh) | 一种用于阿胶制品生产的原材料质检方法 | |
CN103394472B (zh) | 一种基于机器视觉的绿化马铃薯检测分级方法 | |
CN106447020A (zh) | 一种智能菌落计数方法 | |
CN115049657A (zh) | 一种玻璃缺陷检测方法 | |
CN117274986B (zh) | 一种药食同源中药材霉变识别方法、装置及存储介质 | |
CN107169975B (zh) | 超声图像的分析方法及装置 | |
CN101655977B (zh) | 基于差分图像检测、多窗口滤波去除图像脉冲噪声的方法 | |
CN112084851A (zh) | 手卫生效果检测方法、装置、设备及介质 | |
CN115731493A (zh) | 基于视频图像识别的降水微物理特征参量提取与分析方法 | |
CN110874572B (zh) | 一种信息检测方法及装置、存储介质 | |
CN114627116A (zh) | 一种基于人工智能的织物疵点识别方法及系统 | |
CN107240093B (zh) | 一种癌变细胞的自动诊断方法 | |
CN101339652B (zh) | 一种固体发动机ct图像的分割方法 | |
KR20180068150A (ko) | 영상 분석을 이용한 건해삼 등급 분류 시스템 | |
CN111402232A (zh) | 精液中精子聚集检测方法 | |
CN115601298A (zh) | 室内真菌污染等级的判别方法、装置、设备及介质 | |
CN104764402A (zh) | 柑橘体积的视觉检测方法 | |
CN113516193A (zh) | 基于图像处理的红枣缺陷识别分类方法及装置 | |
JP2016104124A (ja) | 皮膚表面のキメの画像処理方法及びこれを用いた皮膚表面のキメの評価方法 | |
US20060036369A1 (en) | Automated histological grading of tubules | |
CN104657741B (zh) | 一种基于视频图像的目标分类方法 | |
CN114049265A (zh) | 一种通过纤维管束识别竹条青黄面的方法 | |
CN204719776U (zh) | 滑石矿品分选处理系统 |
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 |