基于迁移学习和模型融合的中药材图像识别研究

目的 为了提高中药材图像识别的准确率,针对中药材形状不规则、纹理特征细微、种类繁多等特点,结合深度学习方法开展中药材图像识别研究.方法 通过爬虫获取中药材图像并进行数据预处理,构建中药材图像数据集,使用Xception、DenseNet作为主干网络提取中药材特征,通过迁移学习、数据增强、模型融合等方法优化网络结构,并提出一种基于Xception和DenseNet融合的中药材图像识别模型DxFusion.结果 通过迁移学习、数据增强和模型融合,DxFusion在60种中药材测试集上分类精度可达99.65％,效果优于已有分类模型.结论 基于迁移学习和多模型融合的深度卷积神经网络可以提取图像中不规则的中药材特征,有效提升中药材图像识别的准确率.