从图像到洞察深度学习解决方案,用于准确识别和对象检测Acorus物种切片
Yinghui Liu1, Haitao Liu2, Linlan Li3
1Hunan Food and Drug Vocational College, Changsha, 410208, China. 12liuhui@163.com.
Scientific reports
|May 5, 2025
概括
深度学习准确地识别了使用ResNet50和YOLOv8.8的Acorus tatarinowii Rhizoma和Acorus calamus Rhizoma. 这项技术增强了传统中医药的识别,提供精确的分类和混合草药材料的快速检测.
科学领域:
- 药理学是指药理学,它是指药理学.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 在Acorus tatarinowii Rhizoma和Acorus calamus Rhizoma之间的形态相似性带来了识别挑战.
- 市场上经常看到这两种Acorus物种的混合使用,影响了中国传统医学 (TCM) 的质量.
- 准确的识别对于确保TCM配方的有效性和安全性至关重要.
研究的目的:
- 为Acorus tatarinowii Rhizoma和Acorus calamus Rhizoma切片开发高精度的分类和快速物体检测方法.
- 利用深度学习技术来提高TCM识别的准确性和效率.
- 为在TCM中实时检测混合的Acorus物种提供智能解决方案.
主要方法:
- 构建一个高质量的数据集,包含1928张Acorus tatarinowii Rhizoma和Acorus calamus Rhizoma的注释图像.
- 实施ResNet50模型用于精确分类Acorus物种切片.
- 利用YOLOv8算法在混合草本样本中快速检测物体.
- 将道注意力 (SE模块) 和空间注意力机制集成到深度学习模型中.
主要成果:
- 在分类Acorus物种切片时,ResNet50获得了92.8%的准确性.
- YOLOv8显示了98.6%的准确性和22fps的检测速率,用于快速检测物体.
- 注意力机制提高了ResNet50分类精度1.7%,YOLOv8 mAP50分类精度提高了1.2%.
结论:
- 深度学习,特别是带有注意力机制的ResNet50和YOLOv8,为准确有效地识别Acorus物种提供了有效的解决方案.
- 开发的方法为实时,混合状态检测中国药物材料提供了一种新的方法.
- 这项研究有助于智能识别和质量管理TCM片.
