基于深度学习的中草药粉末显微特征研究.pdfVIP

基于深度学习的中草药粉末显微特征研究 摘 要 随着计算机图像处理技术的不断发展与进步，中草药粉末的显微图像鉴别技 术以其独特的优势在中草药识别领域得到进一步发展，但是传统的图像鉴别算法 在大数据量和多类别的显微特征图像鉴定中存在准确性低和普适性差等问题。针 对这一问题，本文提出基于深度学习的中草药粉末显微特征识别方法研究。 本文的主要工作和创新点如下： （1）根据中草药粉末显微图像检测分类的实际需求制定出一套合理的显微 特征图像分类标准，创建中草药粉末显微特征图像数据集。为了去除图像数据库 中光照变化、角度偏移、尺度不同等干扰因素对实验结果的影响，使用多种图像 增强的预处理方法来获得更具多样性的中草药粉末显微特征图像数据，提高了显 微特征图像检测和识别的准确率。 （2 ）提出了一种基于SSD 网络的改进型检测算法。针对显微特征图像中存 在的目标断裂残缺的问题，在SSD 网络的预测卷积图之后添加SE 模块，对检测 结果起较大作用的特征通道获得较大的权重，使网络更好地对重要的特征通道信 息进行充分学习。另外改进后的网络将前后层特征图包含的信息进行充分融合， 有利于网络对显微特征图像信息的有效学习，提高了最终的检测效果。对厚壁细 胞、导管和花粉孢子这三类显微特征图像进行检测实验，结果表明经过改进后算 法的检测均值平均精度（Mean Average Precision ，mAP ）提升到81.5%。 （3 ）提出了二值图转化方法与图像类型多通道融合识别算法。针对导管的 显微图像特点，将第三章检测网络输出的图像进行类型转化，并且将RGB 图像、 灰度图和二值图通过数据类型的多通道融合来丰富和扩充图像的信息，使得深度 学习网络能学习到更多层次和更有效的图像信息。对融合后的图像采用 ACNet 算法进行中草药类别的识别判定，结果表明融合的显微特征图像的正确识别率达 到94.5%。 关键词：显微特征图像，检测，识别，SSD 算法，多通道融合 I 目 录 摘 要 I ABSTRACT II 第一章 绪论 1 1.1 中草药识别技术介绍 1 1.2 中草药粉末显微特征图像鉴别的特点和优势3 1.3 中草药粉末显微特征图像的研究现状和重点研究问题5 1.3.1 中草药粉末显微特征图像的研究现状5 1.3.2 中草药粉末显微特征图像识别的重点问题7 1.4 本文主要工作内容8 第二章 中草药粉末显微特征图像数据库的建立与图像增强 ... 10 2.1 中草药粉末显微特征图像数据库的建立 10 2.1.1 中草药粉末显微特征图像的采集 10 2.1.2 中草药粉末显微特征图像的类别划分 11 2.2 中草药粉末显微特征图像识别研究方案 15 2.2.1 中草药粉末显微特征图像识别方法选择 15 2.2.2 中草药粉末显微特征图像检测识别技术方案 15 2.3 中草药粉末显微特征图像增强 16 2.3.1 图像数据的色彩调整 17 2.3.2 图像裁剪21 2.3.3 随机水平翻转23 2.3.4 去均值23 2.4 实验结果24 2.5 本章小结25 第三章 基于改进型SSD 算法的中草药特征检测26 3.1 基于SE 模块的SSD 检测算法26 3.1.1 SSD 算法26 3.1.2 SE 模块28 3.1.3 基于SE 模块的改进型SSD 算法29 3.2 基于特征融合和SE 模块的SSD 检测算法30 3.3 实验结果32 3.4 本章小结36 第四章 基于数据类型的多通道融合的中草药种类识别37 4.1 显微图像数据类型37 4.1.1 RGB 图像37 4.1.2 灰度图37 4.1.3 二值图像38 4.2 基于数据类型融合的图像识别42 4.2.1 ACNet 分类识别网络介绍42 4.2.2 基于数据类型的多通道融合识别43 4.3 实验结