集成学习策略在中草药图像自动分类中的创新应用.pdfVIP

第30卷第18期现代计算机

2024年9月25日ModernComputer·99·

文章编号:1007‑1423（2024）18‑0099‑05DOI:10.3969/j.issn.1007‑1423.2024.18.018

集成学习策略在中草药图像自动分类中的创新应用

张超辉*

（广东茂名健康职业学院教育技术与网络中心，茂名525400）

摘要：中草药是传统医学的重要组成部分，但分类效率低。为此，采用深度学习技术自动分类中草药图像。在公

开的中草药数据集上评估了VGG、ResNet、Inception和DenseNet等模型，并建立了性能基线。通过决策级融合策略，

对这四个模型的预测结果进行加权集成，显著提高了分类准确率。实验结果显示，集成模型的测试集准确率达到

96.91%，明显优于任何单一模型。这不仅提高了中草药图像的分类效率和准确性，还为深度学习技术在传统医学领域的

应用开辟了新途径。

关键词：中草药；图像分类；深度学习；模型集成

0引言度开源的61种中草药图像数据集，评估VGG、

ResNet、Inception和DenseNet四种CNN模型的

中草药是中国传统医学的重要组成部分，

基线性能，并设计决策级融合策略，有效集成

在疾病预防和治疗方面具有悠久历史和显著疗

多模型预测结果。实验结果显示，集成模型在

效。随着科技进步，中草药的有效成分及其作

测试集上的准确率达到96.91%，显著优于单一

［1‑3］

用机制逐渐被揭示，受到全球关注。然而，

模型，验证了模型集成策略在中草药图像分类

中草药种类繁多，形态特征复杂，传统分类方

中的有效性。

法依赖于专家经验，效率低且容易受主观因素

［4］1相关工作

干扰。

深度学习技术在图像识别等领域取得突破，中草药图像分类技术已从手工特征提取转

尤其是卷积神经网络（CNN），通过模拟人脑视向深度学习自动化方法。在深度学习之前，中

觉机制，能自动学习图像的层次化特征，克服草药分类依赖手工设计的特征，如颜色、纹理

［5‑6］

了传统方法的局限。在中草药图像分类中，［12‑14］

和形状，这些方法需要专业知识并在特征提

基于深度学习的方法已提高分类准确性，为中［14］

取时需精细调整。例如，Li等通过结合支持

［7‑9］

草药的现代化研究提供技术支持。现有研究向量机（SVM），使用中草药图像的颜色和纹理

多集中于单一模型的优化，尚未充分利用模型特征进行分类，取得了一定成功。然而，这些

集成的优势。模型集成策略通过整合多模型预方法面对复杂图像和大数据时效率较低，难以

［10］

测结果，提高分类准确性和鲁棒性。