当前位置:主页 > 医学论文 > 中药论文 >

中草药粉末显微特征识别研究

发布时间:2020-06-01 08:25
【摘要】:中草药粉末显微特征图像的鉴别具有重要作用和科学价值。中草药粉末的显微图像具有丰富的纹理信息和结构特征,以此作为依据能有效地对中草药粉末进行识别。但是目前大部分研究是针对小样本数据以及小类别条件,而在大类别的中草药粉末中普适性较差,难以形成通用的识别方法。同时传统识别算法存在准确性低、鲁棒性差等方面的问题。因此,本文提出基于卷积神经网络的中草药粉末显微特征检测与识别方法。本文基于中草药粉末显微图像数据集,对显微特征图像的检测和识别技术进行研究。本文的主要工作总结如下:(1)构建了一套中草药粉末显微特征图像数据集,对显微特征进行归纳和总结。针对中草药粉末显微特征的不同图像类型进行分析与研究,优选显微特征的RGB图像作为待识别图像;根据显微特征的RGB图像的纹理特点,针对采集图像中光照影响、角度偏移、尺度不同的问题,提出了一种组合(多光照扩充、随机裁剪、多角度旋转、尺度标准归一化)预处理方法,有效的提升了显微特征的检测准确率。(2)针对显微图像中导管特征,对Faster-RCNN算法中的推荐区域网络(RPN)进行改进。结合人眼的注意力机制,通过增加卷积池化层和反卷积层来提高显微图像中显著性特征的权重,使得网络能更好对显微图像显著性区域进行学习。进一步优化网络中锚点的尺度参数和损失函数。优化后的改进型Faster-RCNN算法在显微导管特征的检测平均精度从74.50%提升到82.14%,其特征检测准确率从87.64%提高到93.22%。(3)依据中药材粉末的显微导管特征图像并结合显微特征的细粒度属性,截取感兴趣区域ROI的中心区域作为显微特征的细粒度特征图像。设计了一种双通道改进型SqueezeNet卷积神经网络,利用概率加权方式对两通道的识别结果进行融合。优化后的改进型SqueezeNet卷积神经网络分类器,对正确检出的显微特征进行识别,使得中草药粉末的识别正确率达到90.33%。
【图文】:

天花粉,白芷,特征图像,中草药


和结构特征,以此作为依据能有效地识别中草药粉末。不同的中草药粉末的显微逡逑特征在纹理特征,长宽比,面积比以及色彩对比均具有差异性。每种中草药又具逡逑有多种不同的显微特征,如图1-2所示:逡逑分泌mm逦厚壁细胞逦#管逡逑V:逡逑末v|:.'逡逑图1-2粉末显微特征图像逡逑传统的显微图像识别方法是利用显微镜来观察中草药粉末的显微特征和纹逡逑理信息,并与规范的中草药显微特征图像进行比较鉴定。但是,目前关于中草药逡逑粉末的显微特征主要是文字叙述以及部分描绘图。这些特征描述和图像在对比和逡逑参考时很不方便,并且在比较判断过程中由于主观因素参与过多,导致此鉴定方逡逑法的推广应用受到限制。因此应用机器视觉识别算法对中草药粉末的显微特征图逡逑像进行检测和识别有巨大价值和意义。逡逑3逡逑

图像,中草药,显微特征,天花粉


mwmJ逡逑Pi#邋k邋爹逡逑(a)天花粉外在形态与显微导管特征逦(b)白芷外在形态与显微导管特征逡逑图1-1天花粉和白芷的特征图像逡逑由图中可以看出,天花粉和白芷具有不同的外在形态特性,但是当制作成中逡逑草药粉末后,经过切片和研磨操作,使得其形态难以区分。两者的显微导管特征逡逑却具有不同的纹理形态,能有效的对其进行识别。显微图像具有丰富的纹理信息逡逑和结构特征,以此作为依据能有效地识别中草药粉末。不同的中草药粉末的显微逡逑特征在纹理特征,长宽比,面积比以及色彩对比均具有差异性。每种中草药又具逡逑有多种不同的显微特征,如图1-2所示:逡逑分泌mm逦厚壁细胞逦#管逡逑V:逡逑末v|:.'逡逑图1-2粉末显微特征图像逡逑传统的显微图像识别方法是利用显微镜来观察中草药粉末的显微特征和纹逡逑理信息,,并与规范的中草药显微特征图像进行比较鉴定。但是,目前关于中草药逡逑粉末的显微特征主要是文字叙述以及部分描绘图。这些特征描述和图像在对比和逡逑参考时很不方便
【学位授予单位】:北方工业大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP391.41;TP183;R282.5

【相似文献】

相关期刊论文 前10条

1 宋学华;;中药显微特征拾遗[J];中草药;1989年06期

2 吴楠;李娜;刘歆韵;康廷国;;菊花显微特征常数与化学成分相关性研究[J];中国现代中药;2011年02期

3 李娜;宋捷;吴楠;康廷国;;山茱萸显微特征常数与化学成分相关性研究[J];辽宁中医药大学学报;2011年07期

4 李娜;李斌;刘歆韵;康廷国;;牡丹皮显微特征常数与化学成分相关性研究[J];中华中医药学刊;2009年05期

5 张勤,薛非凡,周燕;苍耳药材性状及显微特征鉴定[J];中药材;2000年07期

6 陈瑞华;P浵溉

本文编号:2691214


资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/zhongyaolw/2691214.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户37fbe***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com