【技术实现步骤摘要】
一种基于深度学习的多光谱融合中药质量分级方法和系统
[0001]本专利技术涉及中药识别领域,尤其涉及一种基于深度学习的多光谱融合中药质量分级方法和系统
。
技术介绍
[0002]中药饮片是中药材按照中医药理论
、
中药炮制方法,经过加工可直接用于临床的中药,中药饮片的质量直接影响治疗效果,中药来源广泛,含有的杂质对质量影响较大,因此通过定位技术以及多谱融合技术在传送带定位杂质,从而便于在后续工序剔除杂质
。
[0003]X
射线图像灰度值的差异与
X
射线衰减程度有关,
X
射线透过中药发生衰减,衰减程度取决于中药的厚度和密度,
X
射线图像能快速无损获得物体内部结构信息
。
[0004]近红外高光谱图像是一个三维立体数据,近红外高光谱图像数据包括近红外波段下每一波长所对应的空间关系,是将成像技术和光谱检测技术相结合,在对分析目标的空间特征成像的同时,通过色散对每个像元形成几十乃至几百个窄波段以进行连续的光谱覆盖,图像信息可以反映样品大小
、
形状
、
缺陷等外部品质特征,而光谱信息能充分反映样品分子组成
、
品质组分等内部结构
。
[0005]为了能够快速分辨和定位样品中杂质,将杂质剔除从而进一步进行中药质量分级,本专利技术结合
X
射线图像
、
可见光图像以及近红外高光谱图像对样品进行分析,提出一种基于深度学 ...
【技术保护点】
【技术特征摘要】
1.
一种基于深度学习的多光谱融合中药质量分级方法,其特征在于,
。
采集待测样品的
X
射线图像,将所述待测样品的
X
射线图像输入第一模型计算得到所述待测样品中的中药和杂质信息;采集待测样品的可见光图像,对所述待测样品的可见光图像进行时间戳标记,基于标记后的所述待测样品的可见光图像与所述待测样品中的中药和杂质信息计算得到所述待测样品中中药和杂质的位置数据;基于所述待测样品中中药和杂质的位置数据剔除所述待测样品中的杂质;采集待测样品的近红外高光谱图像,将待测样品的近红外高光谱图像输入第二模型计算得到所述待测样品的质量分级,所述第二模型为输入近红外高光谱图像及其对应的人工标记质量分级训练而成的深度学习模型
。2.
根据权利要求1所述的基于深度学习的多光谱融合中药质量分级方法,其特征在于,所述第一模型为
X
射线图像模型,所述
X
射线图像模型包括卷积层
、
激活函数
、
批标准化层
、
池化层和舍弃层
。3.
根据权利要求2所述的基于深度学习的多光谱融合中药质量分级方法,其特征在于,所述第一模型用如下方法训练:采集若干训练样品的
X
射线图像,若干所述训练样品包括中药样品和杂质样品,对若干训练样品的
X
射线图像进行几何变换处理获得
X
射线图像数据集,将所述
X
射线图像数据集输入
X
射线图像模型进行训练迭代
。4.
根据权利要求3所述的基于深度学习的多光谱融合中药质量分级方法,其特征在于,将所述
X
射线图像数据集按预定比例分为训练集
、
验证集和测试集
。5.
根据权利要求3所述的基于深度学习的多光谱融合中药质量分级方法,其特征在于,将
X
射线图像数据集输入
X
射线图像模型进行训练迭代还包括,将
X
射线图像数据集中的
X
射线图像在卷积层中进行三次卷积得到卷积特征图
。6.
根据权利要求1所述的基于深度学习的多光谱融合中药质量分级方法,其特征在于,通过以下方法获取待测样品中中药和杂质的位置数据:记传输待测样品的传输带速度为
v
,记待测样品抵达
X
射线图...
【专利技术属性】
技术研发人员:李正,于洋,
申请(专利权)人:广东省新黄埔中医药联合创新研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。