我國中醫(yī)藥發(fā)展至今已形成了完整的理論體系,中藥材更是其不可或缺的組成部分。中藥材種類繁多,但其市面上偽劣產(chǎn)品數(shù)見不鮮,非專業(yè)人員更是難以正確鑒別,嚴重阻礙了中醫(yī)藥行業(yè)的良性發(fā)展。因此,發(fā)展并建立系統(tǒng)的中藥材鑒別技術(shù)迫在眉睫。而傳統(tǒng)鑒別方法過于依賴人工干預,主觀性強且成本高。其次現(xiàn)有的計算機輔助鑒別方法主要基于傳統(tǒng)機器學習算法進行研究,其鑒別精度較低且耗時長。針對以上問題,本文主要研究基于深度學習的中藥材圖像分類鑒別算法,并與傳統(tǒng)機器學習算法進行比較,對神經(jīng)網(wǎng)絡進行優(yōu)化訓練并構(gòu)建了獨立的中藥材圖像庫,最終提升了中藥材分類鑒別的準確性與客觀性。針對上述內(nèi)容,本文的主要研究工作如下所示:1)針對中藥材圖像鑒別領域目前并沒有可直接使用的公開標準數(shù)據(jù)集的問題,本文構(gòu)建了一個具有5組11種常見的易混淆果實種子類中藥材數(shù)據(jù)集,共計11379張圖片。同時,通過AlexNet和ResNet網(wǎng)絡模型對其有效性進行了驗證,也為將來的研究提供了樣本數(shù)據(jù)集。2)針對傳統(tǒng)中藥材微性狀鑒定法過于依賴人工且效果不佳等問題,提出了一種基于引導濾波與特征提取的計算機輔助中藥材鑒別方法。首先基于引導濾波進行圖像融合替代傳統(tǒng)... 

【文章來源】：桂林電子科技大學廣西壯族自治區(qū)

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    §1.1研究背景及意義
    §1.2國內(nèi)外研究現(xiàn)狀
        §1.2.1中藥材鑒別的研究現(xiàn)狀
        §1.2.2深度學習的歷史與發(fā)展
    §1.3論文主要工作及組織結(jié)構(gòu)
        §1.3.1論文的主要工作
        §1.3.2論文的組織結(jié)構(gòu)
第二章 相關(guān)知識介紹
    §2.1多聚焦圖像融合方法
        §2.1.1基于變換域的多聚焦圖像融合方法
        §2.1.2基于空間域的多聚焦圖像融合方法
        §2.1.3基于深度學習的多聚焦圖像融合方法
    §2.2深度學習
        §2.2.1深度學習概述
        §2.2.2神經(jīng)網(wǎng)絡算法
        §2.2.3卷積神經(jīng)網(wǎng)絡
    §2.3基于深度學習的圖像分類算法
        §2.3.1 AlexNet
        §2.3.2 VGGNet
        §2.3.3 ResNet
    §2.4本章小結(jié)
第三章 基于中藥材圖像數(shù)據(jù)集的圖像分類算法
    §3.1實驗材料與方法
        §3.1.1實驗樣品
        §3.1.2實驗儀器
        §3.1.3中藥材圖像的采集
    §3.2中藥材數(shù)據(jù)集構(gòu)建
        §3.2.1中藥材圖像整理
        §3.2.2中藥材數(shù)據(jù)集建立
    §3.3基于中藥材數(shù)據(jù)集的分類實驗
        §3.3.1實驗環(huán)境及評價指標
        §3.3.2實驗結(jié)果
    §3.4本章小結(jié)
第四章 結(jié)合引導濾波與特征融合的中藥材微性狀鑒別
    §4.1整體算法框圖
    §4.2中藥材鑒別算法設計
        §4.2.1圖像融合
        §4.2.2圖像特征提取
        §4.2.3特征融合
        §4.2.4分類
    §4.3實驗結(jié)果與分析
        §4.3.1評價指標
        §4.3.2真?zhèn)舞b別實驗
        §4.3.3類別分類實驗
    §4.4本章小結(jié)
第五章 深度卷積神經(jīng)網(wǎng)絡在中藥材微性狀鑒別中的應用研究
    §5.1整體算法框圖
    §5.2中藥材鑒別算法設計
        §5.2.1圖像融合
        §5.2.2數(shù)據(jù)增廣
        §5.2.3 ZCA白化
        §5.2.4 ZCA-DSC模型
    §5.3實驗結(jié)果與分析
        §5.3.1評價指標
        §5.3.2真?zhèn)舞b別實驗
        §5.3.3類別分類實驗
    §5.4本章小結(jié)
第六章 總結(jié)與展望
    §6.1全文總結(jié)
    §6.2工作展望
參考文獻
致謝
作者在攻讀碩士期間的主要研究成果


【參考文獻】：
期刊論文
[1]木欖的性狀鑒別及顯微鑒別[J]. 李雅琦,郭慶梅,周鳳琴.  華西藥學雜志. 2018(02)
[2]基于深度卷積網(wǎng)絡的中藥飲片圖像識別[J]. 孫鑫,錢會南.  世界科學技術(shù)-中醫(yī)藥現(xiàn)代化. 2017(02)
[3]深度學習在語音識別中的研究進展綜述[J]. 侯一民,周慧瓊,王政一.  計算機應用研究. 2017(08)
[4]生物等效性研究方法及其在中藥制劑產(chǎn)品中的應用[J]. 張多多,韓秀娟,侯雪峰,汪剛,顧俊菲,宋捷,封亮,賈曉斌.  中草藥. 2016(20)
[5]基于多特征融合的交通標志分類[J]. 王斌,常發(fā)亮,劉春生.  山東大學學報(工學版). 2016(04)
[6]不同產(chǎn)地枸杞子微性狀鑒別研究[J]. 張?zhí)焯?侯芳潔,李英,黃璐琦,王浩,鄭玉光.  中藥材. 2016(05)
[7]中藥摻假使偽的主要方式及鑒別方法[J]. 張裕民,廖建萍,劉紹貴.  中醫(yī)藥導報. 2015(16)
[8]中藥學的發(fā)展現(xiàn)狀與前景[J]. 吳秀玲.  中國衛(wèi)生產(chǎn)業(yè). 2015(11)
[9]中藥分子鑒定發(fā)展中的若干問題探討[J]. 黃璐琦,袁媛,袁慶軍,金效華,張偉,錢丹,蔣超.  中國中藥雜志. 2014(19)
[10]淺談傳統(tǒng)經(jīng)驗在中藥材鑒別過程中的應用[J]. 王少華.  當代醫(yī)藥論叢. 2014(12)

博士論文
[1]像素級多源圖像融合方法研究[D]. 劉羽.中國科學技術(shù)大學 2016
[2]多聚焦圖像像素級融合算法研究[D]. 張永新.西北大學 2014

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡的多聚焦圖像融合算法研究[D]. 李子奇.河北大學 2018
[2]像素級多聚焦圖像融合算法研究[D]. 李子恒.東南大學 2017
[3]基于DNA條形碼的細小種子類及含靛玉紅類中藥材的鑒定研究[D]. 凃媛.湖北中醫(yī)藥大學 2015
[4]31種中藥材的微性狀鑒定研究[D]. 幕元熹.安徽中醫(yī)藥大學 2015



本文編號：3056218