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。
