• 信息通信领域高质量科技期刊分级目录入选期刊
  • 中国期刊全文数据库(CJFD) 全文收录期刊
  • 中国学术期刊综合评价数据库(CAJCED) 统计源期刊
  • 中国学术期刊数据库(COJ)万方数据数字化期刊群
  • 中文科技期刊数据库(维普资讯)

1. 2022, 1(6): 0. doi: 0.3969/j.issn.1673-1131.2022.01.004

综述

基于MobileNet V2迁移学习的中药材图像识别

刘雪纯1 , 刘大铭2 , 常佳鑫3

1宁夏大学物理

2宁夏大学沙漠

3宁夏大学电子

关键词: 深度卷积神经网络;药材识别;MobileNet V2;迁移学习;

中图分类号:TN967.1

文献标识码:A

文章编号:2096-9759(2021)03-0001-03

作者简介

基金项目:宁夏大学研究生创新项目( GIP2021007) ;宁夏自然科学基金资助项目( 2021AAC03113)

第一作者:刘雪纯,女,1997年生,甘肃庆阳人,硕士研究生;研究方向为智能仪器仪表研究E-mail: 12021130682@stu.nxu.edu.cn

通讯作者:刘大铭,男,1969年生,宁夏银川人,硕士,教授;研究方向为智能仪器仪表研究E-mail: ldm@nxu.edu.cn

摘要

中药材对人体疾病的预防及控制具有重要的作用,然而普通百姓对药材知识了解过少,可能滥用草药从而带来不可控的后果。因此,对药材进行精准识别是一项紧迫的任务。本文将改进的深度卷积神经网络应用到药材识别中,提出了基于MobileNet V2模型进行迁移学习的中药材识别系统。该模型将标准卷积改进为深度可分离卷积形式,在ImageNet数据集上进行了预训练通过对MobileNet V2的预训练模型参数进行多次微调,在全连接层采用softmax激活函数实现药材分类,使用交叉熵损失函数定量表达与理想模型之间的差异,最后使用adam优化算法实现最优梯度下降,实现了12类中药材图片识别,最终在验证集上精度可达93%,表明本文的中药材图像识别系统具有较好的实际应用场景。同时MobileNet V2的轻量级模型在训练时间上也比普通卷积神经网络节省了2倍以上的时间,在药材识别上的鲁棒性和范化性得到了较大提升。

本文引用格式