基于深度学习的三种Fritillaria cirrhosa物种的图像识别研究

科学领域:

• 计算机科学 计算机科学
• 植物学 植物学
• 药理学 药理学是指药理学的学科.

背景情况:

• 准确识别Fritillaria cirrhosa物种对于中国传统医学至关重要.
• 传统的识别方法可能耗时且容易出现错误.

研究的目的:

• 开发一种深度学习模型,以快速准确地识别Fritillaria cirrhosa物种.
• 提高中国药物材料识别的准确性和效率.

主要方法:

• 使用深度残余卷积神经网络 (ResNet34) 模型.
• 直接输入未经处理的原始图像,通过卷积和聚合提取特征.
• 通过在Softmax分类器之前添加一个完全连接的层来增强ResNet34模型.

主要成果:

• 在3个Fritillaria cirrhosa物种的3915张图像上训练并验证了模型.
• 实现了95.8%的训练集识别准确度.
• 达到了92.3%的验证集精度和88.7%的测试集精度.

结论:

• 拟议的基于深度学习的图像识别方法对于识别Fritillaria cirrhosa物种是有效和可行的.
• 这种方法为智能识别中国药用材料提供了一种新的解决方案.