通过基于视觉特征的深度学习快速识别药用植物

科学领域:

• 计算植物学的植物学.
• 图像识别技术 图像识别技术
• 传统中国医药 传统中国医药

背景情况:

• 中国传统药用植物 (CMP) 是中国医疗保健和文化遗产的组成部分,其历史跨越了数千年.
• 准确识别CMP对于确保临床安全和治疗疗效至关重要,防止因加工和种植变异而引起的混.

研究的目的:

• 开发一种先进的方法,用于准确的视觉识别中国传统药用植物 (CMPs).
• 解决CMP识别所面临的数据不平衡和特征表示所带来的挑战.

主要方法:

• 利用自主开发的设备来获取高分辨率数据,并构建了一个视觉多种类型的CMPs图像数据集.
• 对不平衡的数据实施了随机局部数据增强预处理方法 (随机裁剪和遮蔽).
• 开发了一种新的混合监督预培训网络,通过并行分类分支集成全球功能与蒙面自动编码器 (MAE).
• 引入基于重建和分类的新设计的损失,以提高培训效率和学习能力.

主要成果:

• 拟议的混合网络通过整合全球信息和当地细节,有效地捕捉特征.
• 新的数据增强和丢失功能提高了培训效率和学习能力.
• 实验结果表明,在定制和公共数据集上,与最先进的方法相比,其性能优越.

结论:

• 开发的方法在CMP识别中实现了最先进的性能.
• 这种方法在有效实施植物识别技术方面具有显著的优势.
• 这些发现表明,在传统中医领域的现实应用有很大的潜力.