基于深度神经网络的中药材识别

《基于深度神经网络的中药材识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于深度神经网络的中药材识别作者姓名庄奕珊工程领域计算机技术校内指导教师文贵华教授校外指导教师张宇高级工程师所在学院计算机科学与工程论文提交日期2018年3月IdentificationofChineseHerbalMedicinesBasedonDeepNeuralNetworkADissertationSubmittedfortheDegreeofMasterCandidate：ZhuangYishanSupervisor：Prof.WenGuihuaSouthChinaUniversityo

2、fTechnologyGuangzhou,China分类号：TP3学校代号：10561学号：201521031867华南理工大学硕士学位论文基于深度神经网络的中药材识别作者姓名：庄奕珊指导教师姓名、职称：文贵华教授申请学位级别：工程硕士工程领域名称：计算机技术论文形式：□产品研发□工程设计5应用研究□工程/项目管理□调研报告研究方向：机器学习与人工智能论文提交日期：2018年3月1日论文答辩日期：2018年3月20日学位授予单位：华南理工大学学位授予日期：2018年月日答辩委员会成员：主席：陈胜勇委员：唐韶华余志

3、文高英詹志辉摘要自从2006年，深度学习被提出以来，它在文本、语音、图像等信息载体的智能应用领域取得巨大的进步。现如今，越来越多领域正在或已经应用了深度学习技术，并且取得了优秀的成果。目前，人们对中医健康养生越来越重视，而中药材是中医健康养生体系的重要组成部分。中药材种类纷繁复杂，普通人对中药材的辨识知识比较匮乏，这可能会导致误用等不良后果。在中药材识别研究领域中，现有的研究只局限于少量药材或者需要专业器材，缺乏实用意义，而应用深度学习的研究还处于空白阶段。如果引入深度学习技术并实现智能化的中药材识别，中药材产业

4、和人们都将会受益。本文的识别模型采用深度卷积神经网络，考虑到中药材的领域特性，尤其是类属相近的中药材往往需要利用纹理等底层信息来进行区分，本文提出一种新的特征融合方法，将网络底层信息与高层信息融合，从而提高分类效果。进一步地，采用集成学习中的Bagging方法，训练得到多个弱分类器，并通过投票法集成为中药材识别强分类器。实验结果表明，该算法能够在我们98个类别的中药材数据集上取得了较高的准确率。同时本文还实现了可实时运行的中药材识别APP，运行流畅且准确率高，具有实用价值。关键字：深度卷积神经网络，中药材识别，特

5、征融合，集成学习IAbstractSincethedeeplearningwasputforwardin2006,ithasmadegreatachievementsinthefieldofintelligentapplicationssuchastext,voice,imageandotherinformationcarriers.Today,deeplearninghasbeenappliedtomorefieldsofintelligence,andhasachievedremarkablesuccesse

6、sinthesefields.Atpresent,peoplearepayingmoreandmoreattentiontohealthcareintraditionalChinesemedicine(TCM).TraditionalChinesemedicinalmaterialsaretheimportantpartsofTCM,butmostofpeoplearenotexpertsinTCMandlackoftheknowledgetorecognizethevarietyoftraditionalChi

7、nesemedicinalmaterials.IntheresearchfieldofChinesemedicinalmaterialsrecognition,theexistingresearchislimitedtoasmallamountofherbsorrelysonspecializedequipment,whichlacksofpracticality.Meanwhile,theresearchinthisfieldwithdeeplearningtechnologyisstillintheblank

8、stage.Throughtheuseofdeeplearning,itcanbemoreintelligenttoidentifyChinesemedicinalmaterials,whichisbeneficialtopeopleandmarkets.Weapplydeepconvolutionalneuralnetwork(CNN)intothetraditiona