识别圆形状的草本藏医药材料使用DenseNet与注意力和ILBP编码的Gabor特征

科学领域:

• 传统中国医药 传统中国医药
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 西藏医药材料在西藏文化中至关重要,但视觉相似性可能导致错误识别和不良健康影响.
• 对圆形状的西藏草本药用材料的手动识别方法是主观的,容易出错.
• 准确的身份验证对于患者的安全和有效治疗至关重要.

研究的目的:

• 开发一种自动化图像识别系统,用于识别圆形状的西藏草本药用材料.
• 提高西藏医药材料认证的准确性和可靠性.
• 为了减少误诊,中毒和治疗延迟的风险.

主要方法:

• 创建了一个由3200张图像组成的数据集,其中包括18种圆形藏医药材料.
• 采用了多功能融合方法,结合了形状,颜色和纹理特征.
• 使用了改进的局部二进制模式 (LBP) 算法,加上Gabor功能和DenseNet深度学习网络进行识别.

主要成果:

• 拟议的图像识别方法在原始数据集上实现了93.67%的识别精度.
• 在增强数据集上,准确性增加到95.11%,证明了稳定性.
• 该方法有效地提取关键纹理信息,同时最大限度地减少背景干扰.

结论:

• 开发的图像识别方法提供了一种可靠的解决方案,用于识别圆形状的西藏草本药用材料.
• 这项技术可以显著帮助医疗保健专业人员验证西藏医药材料的真实性,提高患者的安全性.
• 这种方法减少了诊断错误,并确保了这些有价值的传统药物的正确应用.