基于卷积神经网络的中国药用花的图像分类
1Department of Industrial Engineering & Management, National Chin-Yi University of Technology, 57, Sec. 2, Chung-Shan Rd., Taiping, Taichung, Taiwan.
Mathematical biosciences and engineering : MBE
|September 7, 2023
概括
准确识别中国药用花朵对于安全有效的传统医学至关重要. 这项研究开发了一个优化的ResNet101模型,以便快速准确地对这些重要的植物资源进行分类.
科学领域:
- 植物学 植物学
- 药理学 药理学是指药理学的学科.
- 计算机科学 计算机科学
背景情况:
- 传统中国医学 (TCM) 长期以来一直在使用草药来预防和治疗疾病.
- 精确识别药用草药是具有挑战性的,因为有毒花的存在和依赖专家知识.
- 需要一种有效和快速的方法来识别中国药用花朵.
研究的目的:
- 开发和评估用于准确分类中国药用花的先进深度学习模型.
- 为了比较基于ResNet101的不同模型的性能,包括那些有注意力机制和贝叶斯优化模型.
主要方法:
- 实现与挤压和刺激网络 (SENet) 集成的ResNet101模型.
- 将卷积块注意模块 (CBAM) 纳入ResNet101架构.
- 应用贝叶斯优化来微调ResNet101模型用于药用花的分类.
主要成果:
- 通过贝叶斯优化增强的ResNet101模型实现了最高的性能指标.
- 获得的准确率为97.64%,精度为97.99%,回忆率为97.86%,F1得分为97.82%,PR-AUC为99.72%.
结论:
- 拟议的ResNet101模型与贝叶斯优化为中国药用花的图像分类提供了更好的解决方案.
- 该模型表现出良好的准确性,解决了对高效和可靠的识别方法的需求.
