当前位置:首页 > 教育资讯

科研新课题, 智能识别防风, 实现诊断中药材地道性

想要充分发挥中医的疗效,与中药材的品质、产地、采摘时间等因素息息相关。其中,道地药材又称地道药材,是经过中医临床长期应用优选出来的,产在特定地域。

农业科研

与其他地区所产同种中药材相比,品质和疗效更好且质量稳定,具有较高知名度的中药材。道地药材的确定,与药材产地、品种、质量等多种因素有关,而临床疗效则是其关键因素。

防风的部分数据集图像

对于防风药材产地和品质的鉴别方法主要是根据其物理或化学特征,其方法需对中药材进行分离提取,存在耗时长,费用高,专业性强,技术难度大等问题,不利于推广应用。随着深度学习的不断发展,其无需人工提取特征、分类精度高等优点被广泛应用在中药材的识别之中。

识别模型

针对大多数卷积神经网络模型在识别防风药材时计算量大、精度低的问题,吉林农业大学信息技术学院携手生命科学学院、无锡学院物联网工程学院,组成了李东明教授团队,提出了一种改进的ShuffleNet V2的轻量级防风道地性识别模型。

在不降低网络性能的情况下调整模型架构,减少模型参数量和计算量,用沙漏残差网络(Hourglass Residual Network)代替传统残差网络,同时引入SE(Squeeze-and-Excitation)注意力机制,把具有附加信道注意力的沙漏残差网络嵌入到ShuffleNet V2中,使用SiLU激活函数替换 ReLU 激活函数,丰富局部特征学习,从而提出轻量化的中药防风道地性识别模型 Shuffle-Hourglass SE。为了验证本文所提出模型的有效性,选用VGG16、MobileNet V2、ShuffleNet V2和SqueezeNet V2四种经典网络模型进行对比实验。

结果表明,该研究提出的模型Shuffle-Hourglass SE获得了最佳性能。在测试集上取得95.32%的准确率、95.28%的召回率,F1分数达到95.27%,测试时间、模型大小为246.34 ms和3.23 M,不仅在传统CNN网络中是最优的,在轻量级网络中也具有较大优势。

防风中药材

该团队提出的模型在保持较高识别精度的同时占用较少的储存空间,有助于在未来的低性能终端上实现防风道地性的实时诊断。

本文来自网络,不代表教育资讯立场,转载请注明出处。