基于AutoDL Transfer 的中草药识别系统的设计与实现

摘要：文章介绍了一种基于AutoDL Transfer的中草药识别系统的设计与实现。系统采用自学习模型，通过对海量的中草药图像进行训练，实现了精确、高效的中草药分类识别。利用AutoDL Transfer技术，该系统能自适应不同的数据集，具有极强的智能化和适应性。在模型设计方面，本项目采用百度EasyDL的AutoDL Transfer （高精度算法），对89种中草药进行识别，训练模型的精确率达到88.0%，通过扫描生成的二维码调用H5页面，可以在手机端做到即扫即用，具有极大的便利性。

关键词：AutoDL Transfer；中草药识别；自学习模型

中图分类号：TP311 文献标识码：A文章编号：1009-3044（2023）28-0018-03

0 引言

中药作为中华民族的瑰宝，是中华民族历经几千年保留下来的珍贵经验，在时代的长河中发挥的作用是功不可没的。但由于中草药种类繁多，属于同一科的中草药具有极高的相似性，导致错用和滥用的情况发生，危害身体健康。

经过调查发现，因为中草药难以分辨的特性，导致中草药的识别技术和文章并不常见。据现有的资料与情况分析，目前只有对植物进行分类，而几乎没有对制成的中草药成品识别。近几年来，深度学习技术发展迅速，在人工智能方面出现多优秀的深度学习算法，如LeNet[1]（1998） 、AlexNet[2]（2012） 、VGGNet[3]（2014） 、InceptionNet[4]（2014） 、ResNet[5]等优良的卷积神经网络模型，如在2020 年王艳等人[6]利用AlexNet 和YOLO网络对15种中草药进行识别。在2022年张志光等人[7]用改进的EfficientNet-b0作为中草药特征提取网络对16种中草药进行优化，由此可以得出，使用深度学习作为本次实验识别和分类中草药药材具有极大的帮助，使用深度学习卷积神经网络的相关技术制作一个能够兼容微信的H5模型，为对药材了解不足的医生和广大人民群众给予便利。项目的开发是使用百度的EasyDL平台发，该平台支持使用少量的数据集训练，使用平台所包含的主流算法去进行训练，就能很快得到一个图像分类或者物体检测的模型，AutoDL Transfer （高精度算法）是百度EasyDL近几年研发的一种高精度算法，是百度研发的AutoDL技术之一，结合模型网络结构搜索、迁移学习技术、近30 层可灵活调整的神经网络、12层卷积操作，并针对用户数据进行自动优化的模型，与通用算法相比，训练所耗费的时间多，但更适用于像中草药这种难以区分的图像。

1 中草药数据集的采集

实验样本共计89种中草药图像，分别为：白芍、白头翁、白鲜皮、白芷、薄荷、百部、北豆根、百合、扁南、板蓝根、苍术、侧柏叶、川木通、赤芍、川牛膝、川高、穿破石、川楝子、大黄、淡竹叶、当归、丁香、冬瓜子、独活、断续、法半夏、瓜蒌子、槐花、甘草、合欢皮、黄芩、葛根、何首乌、黄芪、瓜蒌、厚朴、藿香、绞股蓝、齐子、炙甘草、炙黄芪、韭菜子、酒女贞子、决明子、苦杏仁、刘寄奴、龙胆、漏芦、罗布麻、麦冬、木香、墨早莲、木贼、牡丹皮、牛蒡子、门木瓜、胖大海、佩兰、青蒿、忍冬藤、肉桂、三棱、桑白皮、山药、山楂、伸筋草、石菖蒲、太子参、菟丝子、仙茅、薏苡仁、威灵仙、小茴香、玉竹、五倍子、薤白、月季花、五味子、业边参、泽兰、珍珠母、枳实、枳子、紫苏梗、紫苏子。本次实验的数据集由少部分实拍和大部分在图片数据库中爬虫获得。

2 方法

2.1 中草药数据集的获取

数据集的获取前期是通过线下市场购买获取，共采集89种中草药，通过预处理处理成相同格式的图片。之后发现数据集的数量不足，后期通过爬虫进行数据集的补充。