<td id="wyyyw"><noscript id="wyyyw"></noscript></td>
  • <xmp id="wyyyw"><table id="wyyyw"></table>
  • 基于深度學習的中藥飲片識別算法探討與實現

    論文價格:150元/篇 論文用途:碩士畢業論文 Master Thesis 編輯:碩博論文網 點擊次數:
    論文字數:38856 論文編號:sb2022060615413448118 日期:2022-06-24 來源:碩博論文網

    本文是一篇計算機論文,本文通過深度學習知識對中藥飲片識別進行研究,并開發了相應的系統,取得了較為滿意的效果,但仍存在不足之處有待提升。
    第 1 章  緒論
    1.1  研究背景及意義
    1.1.1  研究背景
    中藥是我國中醫的精華,是中華民族傳承千年的巨大寶藏[6],其獨特的養生保健優勢備受世界矚目,廣泛應用于疾病的預防和治療中。中藥的三大組成包括中藥飲片、中成藥、中藥材,其中中藥飲片是預防治療疾病的重要手段,也是中成藥非常重要的原材料。中藥飲片通過與眾不同的炮制過程提煉得到,其炮制方法也在不斷的發展,目前它已成為中醫臨床預防、治療疾病的重要手段。另外中藥飲片市場銷量逐年增加,據相關報導,2015 年,中藥飲片銷售額達到了 1700億元,較上一年增長了 13.67%;2016 年,中藥飲片銷售額達到了 1956 億元,較上一年增長了 15.06%;2017 年,中藥飲片銷售額達到了 2165 億元,較上一年增長了 10.69%。中藥飲片文化底蘊深厚,藥用療效好,工業價值高,需求量逐年遞增,因此中藥飲片的研究十分具有意義。
    天然藥材的分布和生產需要一定的自然條件。無論什么品種的中藥,其產量和質量都有一定的地域性。我國地域廣闊,生態地貌多樣,雨水充足,滿足了各種中草藥的生長,造就了豐富的中藥材資源[7]。中藥材分布范圍廣、種類繁多[8-11]。因此中藥飲片的識別也變得十分困難,特別是對非專業人士,中藥的知識儲備十分匱乏。在沒有相關說明的前提下使用中藥飲片,容易產生因中藥飲片名稱或藥性不知,而造成誤食現象。輕則沒有達到應有的療效,重則加重病情。同時,中藥飲片在生產和調劑過程中是通過人工進行,人工長時間的工作,會造成視覺疲勞,工作效率降低,不能很好的進行分類[12]。在中藥飲片識別過程中使用智能識別手段代替人工檢測,將會節省大筆資源,且不會受主觀感覺影響。因此智能化的中藥飲片識別是十分有必要的。
    近些年來,隨著科技的迅速發展,智能化產品在生活中的應用越來越多。以視覺和聽覺領域的智能應用較多,如小區門口的車牌識別[13-15],商店中的人臉付款[16],還有垃圾分類識別[17-20]等,這些都是智能科技在我們生活中的具體表現。視覺領域的識別檢測算法有多種,其中基于卷積神經網絡(Convolutional Neural Network,CNN)的目標識別技術在近幾年有了很大的突破[21]。相比用人眼去識別的方法,深度學習處理速度更快,識別結果不受主觀影響,成本也更加便宜?;谏疃葘W習的識別方法已經被廣泛應用在農業[22-23]、工業[24-26]、醫學[27-28]等多個領域。因此,運用深度學習技術進行中藥飲片識別研究,是當前中藥飲片識別的有效手段。傳統的中藥飲片識別是依靠人工檢測為主,通過自己經驗進行檢測中藥飲片的類別和功能,這種方式受主觀影響極大,而基于智能技術的中藥飲片檢測,則不會受主觀條件限制。
    .............................
    1.2  國內外研究現狀
    本節主要對目前常用的深度學習算法進行分析研究,了解相關算法的發展及應用現狀,有助中藥飲片識別的研究。
    第一個成名的 CNN 模型是 LeN et 卷積神經網絡,由圖靈獎得主 Yann LeCun提出[31]。卷積層操作的局部感知,權值共享和池化等都是起源于該網絡,得益于這種網絡結構,網絡內的參數相比于傳統的全連接網絡得到了極大的壓縮,LeN et的模型性能在 Mnist 手寫數據集上,取得了不錯的表現。但是當時的網絡模型受限計算機硬件,計算機的算力限制了網絡模型的進一步發展。直到 2009 年,ImageNet 的公布,以及 GPU 運算的相對普及,才使得在 2012 年,有了劃時代意義的 AlexNet 卷積神經網絡。
    AlexNet 卷積神經網絡的提出,轟動一時,在網絡結構中模型加入了新的非線性激活函數 ReLU,替代傳統的 Sigmoid 和 Tanh 激活函數。另外在 AlexNet 網絡結構中使用了 Dropout 和局部歸一化(Local Response Normalization)。最終AlexNet 在 ImageNet 大賽上取得了卓越的成績,top5 錯誤率比當時的第二名降低了 10.9%,從此深度學習逐漸成為圖像識別領域的熱潮。
    隨著深度學習的發展,VGG[32]、GoogLeNet[33]、ResNet[34]、MobileNet [35]、SENet[36]、CBAM[37]、EfficientNet[38]等優秀卷積神經網絡模型相繼問世,此類深度學習方法使得中藥飲片識別有了更為重大的突破。
    如 2017 年,孫鑫等人基于 VGG16 網絡對中藥飲片圖像進行識別。他們通過對比傳統的中藥飲片圖像識別方法,發現傳統方法在背景較為復雜,或有遮擋的情況下時,測試結果不盡人意。于是他們采用了 VGG16 網絡進行測試,測試了由 50 種中藥飲片制作成的數據集,該數據集圖像總數 2554 張,最終實現 70%的平均精度  [8]。
    .....................
    第 2 章  相關理論知識
    2.1  深度學習的基礎知識
    人工智能的快速發展,使得作為代表的深度學習在目標物體識別領域有了很大的成果,同時也有很多開源的代碼和文章。但是想要理解并掌握好一門算法,并應用與實際,基礎的知識是必不可少的,比如:梯度下降,激活函數等。
    深度學習就是先將一堆數據輸入網絡前,先將其進行向量化,然后將數據輸入到神經網絡中,此時網絡會對輸入進來的數據逐層進行一系列的運算。在簡單的情況下,我們只需要將輸入和權重相乘,再加上偏置項,然后得到輸出,輸出再與一個激活函數相結合,輸入到下一層,接著進行同樣的操作,直到抵達網絡的最后一層,最后的輸出就是我們預測的結果。這時,我們找到了預測概率值和期望數值之間的差距,使用損失函數計算該差距。根據得到的誤差,和每一層的權重,計算出偏導數,遞歸地反向傳播。然后我們利用這些值更新權重,重復這一過程,直到誤差值盡可能地縮小。

    計算機論文怎么寫
    計算機論文怎么寫

    ..............................
    2.2  卷積神經網絡基本結構
    卷積神經網絡結構第一次被明確定義是在 1998 年,LeCun 發表的 LeNet 網絡。該網絡定義了 CNN 的基礎架構,包括卷積層和池化層等。卷積是指對圖片上每一小塊的像素處理,而不是一個像素的處理,該方法加強了圖片信息的連續性,使得網絡看得更加的全面,同時也加強了神經網絡的學習能力。卷積過程中,神經元會失去部分信息,而池化的作用有利于解決該現象,因此壓縮尺寸的工作盡量交給池化完成。最后全連接層將提取到的特征結合在一起,給出圖片是某種事物的概率。
    2.2.1  卷積層
    卷積層主要用于獲取局部信息,對傳入神經網絡的圖片進行降維和信息提取。卷積運算是簡單計算過程,而神經網絡是復雜的擬合過程,因此還需要加入激活函數。卷積層中使用卷積核來獲取圖片局部信息,不同大小的卷積核代表了不同的感受野,一般在卷積神經網絡前部卷積層使用較小的感受野,捕捉較淺層的信息,后面部分卷積層的感受野逐層加大,用于捕捉更深層的信息。
    卷積的計算如圖 2-6 所示,以 5×5 尺寸的圖片為例,傳入到 CNN 中進行計算。使用卷積核尺寸為 3×3,設置移動距離為 1,卷積的計算過程是從左上開始,對應位置的數值累乘和,然后向右移動一步,再次計算,當無法再次向右移動時,則會從最左側向下移動一步,繼續計算,直至計算整個圖像,最后輸出新的特征圖像。
    .........................
    第 3 章  算法改進與結果驗證.......................... 35
    3.1  實驗環境的配置.................................. 35
    3.2  評價指標..................................... 35
    3.3  基于目標檢測的中藥飲片識別實驗...................... 37
    第 4 章  中藥飲片識別系統的分析與設計.......................... 49
    4.1  中藥飲片識別系統需求分析................................... 49
    4.1.1  用戶需求分析.............................. 49
    4.1.2  系統需求分析.................................... 50
    結論.......................... 57
    第 4 章  中藥飲片識別系統的分析與設計

    4.1  中藥飲片識別系統需求分析
    中藥是傳承千年的巨大寶藏,是中醫的精髓,其獨特的養生保健優勢備受世界矚目。隨著“治未病”理念的深入人心,人們對身體健康重視程度的提高,中藥被廣泛的應用在疾病的預防和治療。中藥產業是我國經濟和社會發展的重要戰略產業,中藥的三大組成包括中藥飲片、中成藥、中藥材,其中中藥飲片是預防治療疾病的重要手段,也是中成藥非常重要的原材料。中藥飲片通過與眾不同的炮制過程提煉得到,其炮制方法也在不斷的發展,目前它已成為中醫臨床預防、治療疾病的重要手段。然而中藥飲片的種類繁多,對非專業人士來說無從鑒別,尤其是在使用時,不能了解中藥飲片的類別或其主治功能,就會造成誤食現象。因此需要實現一款便捷的在線識別中藥飲片的系統,不僅能識別中藥飲片的類別,還能有對應的中藥飲片相關介紹,包括產地、外貌、功效等等,幫助人們鑒別中藥飲片的同時也可以學習中藥飲片的知識。
    智能科技應用在生活的方方面面,比如小區門口的車牌識別,商場結賬時的人臉付款,智能語音音箱,另外還有垃圾自動分類識別等等。未來必定是智能化代替人工的時代,同樣中藥領域也會由智能化機器生產替代人工。中藥飲片的生產和調劑過程,由智能檢測代替人工,可節省大量的財力和人力。因此,中藥飲片識別技術研究有望在未來應用在中藥飲片生產中。

    計算機論文參考
    計算機論文參考

    ............................
    結論
    隨著中藥理念的大力發展,越來越多人開始注重養生保健,中藥飲片使用時,容易出現中藥飲片混淆的情況,或是使用者不知道藥名或藥性,導致誤食。另外,中藥飲片的生產和調劑過程主要以人工監督為主,這會浪費大量的人力和財力。因此對中藥飲片的識別研究是十分有必要的,本文基于 YOLOv4 目標檢測算法,對該算法進行改進后,設計了一款在線的中藥飲片識別小程序,并拓展了一些中藥知識功能,提供給學習者,這有助于推動中醫藥的發展。
    本文利用深度學習算法對中藥飲片進行研究,相關工作及結論如下:
    1)制作中藥飲片數據集。由于目前沒有公開的數據集,因此需要通過當地中醫院獲取中藥飲片,進行拍照,打標簽,制作成中藥飲片數據集。
    2)學習關于深度學習的相關算法,最終使用 YOLOv4 目標檢測進行實驗。對 YOLOv4 算法進行改進,在中藥飲片數據集上進行訓練,以 mAP 為性能評價指標,測試改進后的算法性能,得到改進后算法的結果優于原 YOLOv4 算法,并且原高于其他經典算法。然后處理中藥飲片圖像的亮度,模擬實際檢測中,不同光照背景下的中藥飲片對算法檢測的影響,測試結果為改進后的算法仍優于原YOLOv4 算法。最后在 VOC 數據集上進行測試,加強算法的可靠性,實驗結果表明,改進后的算法有提升效果,但是單獨添加 RFB 模塊,沒有得到提升,因此對于不同類型的數據集,需要根據數據集的情況,進行相應的改進。
    3)完成中藥飲片在線識別小程序的開發。在對算法進行改進后,得到一個較為滿意的識別效果后,將算法部署在小程序上,實現在線的中藥飲片識別。點擊在線識別按鈕,通過拍照的方式進行加載中藥飲片圖像,上傳到后端,算法處理后,返回識別結果到小程序界面。然后點擊詳細介紹,就可以了解識別的中藥飲片的詳細信息,包括產地、外貌和主治功效等。接著在系統主界面上開發了幾個不同的功能模塊,幫助學習者更好地學習中藥飲片相關知識。
    參考文獻(略)


    如果您有論文代寫需求,可以通過下面的方式聯系我們
    點擊聯系客服
    QQ 1429724474 電話 18964107217
    老熟女乱子伦你,11—12周岁毛片免费,好硬好大好爽水好多视频国语
    <td id="wyyyw"><noscript id="wyyyw"></noscript></td>
  • <xmp id="wyyyw"><table id="wyyyw"></table>