基于深度学习的中药材鉴别方法研究

发布时间：2021-02-28 17:48

　　我国中医药发展至今已形成了完整的理论体系,中药材更是其不可或缺的组成部分。中药材种类繁多,但其市面上伪劣产品数见不鲜,非专业人员更是难以正确鉴别,严重阻碍了中医药行业的良性发展。因此,发展并建立系统的中药材鉴别技术迫在眉睫。而传统鉴别方法过于依赖人工干预,主观性强且成本高。其次现有的计算机辅助鉴别方法主要基于传统机器学习算法进行研究,其鉴别精度较低且耗时长。针对以上问题,本文主要研究基于深度学习的中药材图像分类鉴别算法,并与传统机器学习算法进行比较,对神经网络进行优化训练并构建了独立的中药材图像库,最终提升了中药材分类鉴别的准确性与客观性。针对上述内容,本文的主要研究工作如下所示:1)针对中药材图像鉴别领域目前并没有可直接使用的公开标准数据集的问题,本文构建了一个具有5组11种常见的易混淆果实种子类中药材数据集,共计11379张图片。同时,通过AlexNet和ResNet网络模型对其有效性进行了验证,也为将来的研究提供了样本数据集。2)针对传统中药材微性状鉴定法过于依赖人工且效果不佳等问题,提出了一种基于引导滤波与特征提取的计算机辅助中药材鉴别方法。首先基于引导滤波进行图像融合替代传统... 

【文章来源】：桂林电子科技大学广西壮族自治区

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    §1.1研究背景及意义
    §1.2国内外研究现状
        §1.2.1中药材鉴别的研究现状
        §1.2.2深度学习的历史与发展
    §1.3论文主要工作及组织结构
        §1.3.1论文的主要工作
        §1.3.2论文的组织结构
第二章 相关知识介绍
    §2.1多聚焦图像融合方法
        §2.1.1基于变换域的多聚焦图像融合方法
        §2.1.2基于空间域的多聚焦图像融合方法
        §2.1.3基于深度学习的多聚焦图像融合方法
    §2.2深度学习
        §2.2.1深度学习概述
        §2.2.2神经网络算法
        §2.2.3卷积神经网络
    §2.3基于深度学习的图像分类算法
        §2.3.1 AlexNet
        §2.3.2 VGGNet
        §2.3.3 ResNet
    §2.4本章小结
第三章 基于中药材图像数据集的图像分类算法
    §3.1实验材料与方法
        §3.1.1实验样品
        §3.1.2实验仪器
        §3.1.3中药材图像的采集
    §3.2中药材数据集构建
        §3.2.1中药材图像整理
        §3.2.2中药材数据集建立
    §3.3基于中药材数据集的分类实验
        §3.3.1实验环境及评价指标
        §3.3.2实验结果
    §3.4本章小结
第四章 结合引导滤波与特征融合的中药材微性状鉴别
    §4.1整体算法框图
    §4.2中药材鉴别算法设计
        §4.2.1图像融合
        §4.2.2图像特征提取
        §4.2.3特征融合
        §4.2.4分类
    §4.3实验结果与分析
        §4.3.1评价指标
        §4.3.2真伪鉴别实验
        §4.3.3类别分类实验
    §4.4本章小结
第五章 深度卷积神经网络在中药材微性状鉴别中的应用研究
    §5.1整体算法框图
    §5.2中药材鉴别算法设计
        §5.2.1图像融合
        §5.2.2数据增广
        §5.2.3 ZCA白化
        §5.2.4 ZCA-DSC模型
    §5.3实验结果与分析
        §5.3.1评价指标
        §5.3.2真伪鉴别实验
        §5.3.3类别分类实验
    §5.4本章小结
第六章 总结与展望
    §6.1全文总结
    §6.2工作展望
参考文献
致谢
作者在攻读硕士期间的主要研究成果


【参考文献】：
期刊论文
[1]木榄的性状鉴别及显微鉴别[J]. 李雅琦,郭庆梅,周凤琴.  华西药学杂志. 2018(02)
[2]基于深度卷积网络的中药饮片图像识别[J]. 孙鑫,钱会南.  世界科学技术-中医药现代化. 2017(02)
[3]深度学习在语音识别中的研究进展综述[J]. 侯一民,周慧琼,王政一.  计算机应用研究. 2017(08)
[4]生物等效性研究方法及其在中药制剂产品中的应用[J]. 张多多,韩秀娟,侯雪峰,汪刚,顾俊菲,宋捷,封亮,贾晓斌.  中草药. 2016(20)
[5]基于多特征融合的交通标志分类[J]. 王斌,常发亮,刘春生.  山东大学学报(工学版). 2016(04)
[6]不同产地枸杞子微性状鉴别研究[J]. 张天天,侯芳洁,李英,黄璐琦,王浩,郑玉光.  中药材. 2016(05)
[7]中药掺假使伪的主要方式及鉴别方法[J]. 张裕民,廖建萍,刘绍贵.  中医药导报. 2015(16)
[8]中药学的发展现状与前景[J]. 吴秀玲.  中国卫生产业. 2015(11)
[9]中药分子鉴定发展中的若干问题探讨[J]. 黄璐琦,袁媛,袁庆军,金效华,张伟,钱丹,蒋超.  中国中药杂志. 2014(19)
[10]浅谈传统经验在中药材鉴别过程中的应用[J]. 王少华.  当代医药论丛. 2014(12)

博士论文
[1]像素级多源图像融合方法研究[D]. 刘羽.中国科学技术大学 2016
[2]多聚焦图像像素级融合算法研究[D]. 张永新.西北大学 2014

硕士论文
[1]基于卷积神经网络的多聚焦图像融合算法研究[D]. 李子奇.河北大学 2018
[2]像素级多聚焦图像融合算法研究[D]. 李子恒.东南大学 2017
[3]基于DNA条形码的细小种子类及含靛玉红类中药材的鉴定研究[D]. 凃媛.湖北中医药大学 2015
[4]31种中药材的微性状鉴定研究[D]. 幕元熹.安徽中医药大学 2015



本文编号：3056218