【技术实现步骤摘要】
本专利技术涉及图像分类，尤其涉及于一种基于ecnet网络的舌像识别方法及系统。
技术介绍
1、舌像诊断作为中医“望闻问切”四诊法中望诊的关键一环，通过分析舌头的颜色、质地、形状和湿度等特征，能够反映出个体的健康状况，对疾病的诊断和后续治疗计划提供重要依据。然而，在现代社会，传统的舌诊方法面临着多方面的挑战：
2、1.专业性要求高：传统舌诊依赖于经验丰富的中医师通过目视和经验来判断，这一过程高度主观，需要医生具有较高的专业水平。而且，由于光照条件、观察角度等因素的变化，即使是经验丰富的医生，也可能在不同条件下做出不同的判断。
3、2.效率低下：传统舌诊通常需要较长时间的观察和记录，医生通过反复观察患者的舌像变化来判断体质和病情，这个过程效率较低，不仅耗时长，而且对于需要持续监测病情的情况不够便捷。
4、这些问题限制了舌诊在快节奏的现代生活中的应用，也制约了其在大范围内的普及和发展。
技术实现思路
1、本专利技术的目的在于提供一种基于ecnet网络的舌像识别方法，以解决上述
技术介绍
中提出的问题。
2、为实现以上目的，本专利技术通过一下技术方案予以实现：第一方面，本专利技术提供了一种基于ecnet网络的舌像识别方法，该方法包括以下步骤：
3、s1：采集舌像图片构建数据集并进行预处理；
4、s2：构建ecnet模型，ecnet模型架构由前置处理层、包含cbam模块的mbcconv单元、顶层卷积、池化层及全连接层构成；基
5、s3：获取用户的舌像图片，用作训练后的ecnet模型的输入，输出检测的用户体质识别结果，并将结果进行可视化展示；
6、进一步地，步骤s1中，将数据集以8：2的比例划分为训练数据集和验证数据集。
7、进一步地，步骤s2中，采用python语言中pytorch框架下的torch.nn功能进行ecnet模型构建，利用预处理后的舌像数据集进行ecnet模型训练，并在每轮训练完成后利用验证集对模型性能进行评估。
8、进一步地，ecnet模型中，前置处理层通过单层卷积实现，将输入图像尺寸缩减为原来的一半，并增加图像的通道数；mbcconv单元负责特征抽取，通过单元内的通道注意力和空间注意力机制提升对特征的识别能力，具体包括：
9、一个1×1的卷积，起到升维作用；
10、一个k×k的dw(depthwise)卷积，其中k具体值为3和5两种情况，步长为1或2；
11、一个cbam模块；
12、一个1×1的pw(pointwise)卷积，起到降维作用；
13、一个随机失活层；
14、ecnet模型具体计算公式如下：
15、
16、
17、
18、wch(c)＝σ(fc(wshard))
19、
20、
21、
22、msp(i，j)＝σ(fconv(i，j))
23、其中h和w分别表示该通道上的高和宽，f(c，i，j)表示在c通道上的像素(i，j)位置的值，表示c通道上像素位置的平均值，表示c通道上像素位置的最大值，c为通道总数，wshard表示平均池化和最大池化的共享权重，表示平均池化后的图，表示最大池化后的图，fc表示全连接层，relu表示relu激活函数，wch(c)表示c通道的通道注意力权重，σ表示sigmoid函数，fconv表示将两个图进行堆叠并进行卷积操作，混合特征图信息，msp(i，j)表示该空间位置的空间注意力权重。
24、进一步地，步骤s3中，获取用户的舌像图片后，首先调整图片的尺寸到224x224像素，然后使用已训练好的ecnet模型对其进行分类预测，计算出各个类别的概率；之后，选取具有最高概率的类别，并将这一分类结果进行可视化展示。
25、进一步地，步骤s3中，分类结果输出后，按预设好的分类标准将结果展示给用户，同时根据此结果展示体制辨析结果。
26、第二方面，本专利技术还提供了一种基于ecnet网络的舌像识别系统，该系统包括数据处理模块、网络训练模块和体质识别模块；
27、所述数据处理模块用于采集舌像图片构建数据集并进行预处理；
28、所述网络训练模块用于构建ecnet模型，基于预处理后的数据集对ecnet模型进行训练；
29、所述体质识别模块用于获取用户的舌像图片，用作训练后的ecnet模型的输入，输出检测的用户体质识别结果，并将结果进行可视化展示。
30、第三方面，本专利技术还提供了一种基于ecnet网络的舌像识别装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现所述的一种基于ecnet网络的舌像识别方法。
31、第四方面，本专利技术还提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时，实现所述的一种基于ecnet网络的舌像识别方法。
32、第五方面，本专利技术还提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时，实现所述的一种基于ecnet网络的舌像识别方法。
33、有益效果：
34、1.本方法通过ecnet网络实现舌像识别，避免了舌诊不够客观化、标准化的问题。
35、2.本方法通过舌像识别实现了体质的初步辨析，解决了舌诊效率低下的问题。
本文档来自技高网...【技术保护点】
1.一种基于ECNet网络的舌像识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的舌像识别方法，其特征在于，步骤S1中，将数据集以8：2的比例划分为训练数据集和验证数据集。
3.根据权利要求2所述的舌像识别方法，其特征在于，步骤S2中，采用Python语言中Pytorch框架下的torch.nn功能进行ECNet模型构建，利用预处理后的舌像数据集进行ECNet模型训练，并在每轮训练完成后利用验证集对模型性能进行评估。
4.根据权利要求1所述的舌像识别方法，其特征在于，ECNet模型中，前置处理层通过单层卷积实现，将输入图像尺寸缩减为原来的一半，并增加图像的通道数；MBCConv单元负责特征抽取，通过单元内的通道注意力和空间注意力机制提升对特征的识别能力，具体包括：
5.根据权利要求1所述的舌像识别方法，其特征在于，步骤S3中，获取用户的舌像图片后，首先调整图片的尺寸到224x224像素，然后使用已训练好的ECNet模型对其进行分类预测，计算出各个类别的概率；之后，选取具有最高概率的类别，并将这一分类结果进行可视化展
6.根据权利要求1所述的舌像识别方法，其特征在于，步骤S3中，分类结果输出后，按预设好的分类标准将结果展示给用户，同时根据此结果展示体制辨析结果。
7.一种实现权利要求1-6任一项所述舌像识别方法的基于ECNet网络的舌像识别系统，其特征在于，该系统包括数据处理模块、网络训练模块和体质识别模块；
8.一种基于ECNet网络的舌像识别装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，实现如权利要求1-6中任一项所述的一种基于ECNet网络的舌像识别方法。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时，实现如权利要求1-6中任一项所述的一种基于ECNet网络的舌像识别方法。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时，实现如权利要求1-6任一项所述的一种基于ECNet网络的舌像识别方法。
...【技术特征摘要】
1.一种基于ecnet网络的舌像识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的舌像识别方法，其特征在于，步骤s1中，将数据集以8：2的比例划分为训练数据集和验证数据集。
3.根据权利要求2所述的舌像识别方法，其特征在于，步骤s2中，采用python语言中pytorch框架下的torch.nn功能进行ecnet模型构建，利用预处理后的舌像数据集进行ecnet模型训练，并在每轮训练完成后利用验证集对模型性能进行评估。
4.根据权利要求1所述的舌像识别方法，其特征在于，ecnet模型中，前置处理层通过单层卷积实现，将输入图像尺寸缩减为原来的一半，并增加图像的通道数；mbcconv单元负责特征抽取，通过单元内的通道注意力和空间注意力机制提升对特征的识别能力，具体包括：
5.根据权利要求1所述的舌像识别方法，其特征在于，步骤s3中，获取用户的舌像图片后，首先调整图片的尺寸到224x224像素，然后使用已训练好的ecnet模型对其进行分类预测，计算出各个类别的概率；之后，选取具有...
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。