基于DeepLearning4J on Spark深度学习方法在药用植物图像识别中应用初探

目的基于卷积神经网络,使药用植物的图像识别自动化、智能化,从而提高药用植物识别的效率。方法使用中国植物图像库搜集药用植物图像,进行灰度化、角度随机旋转等批量处理。采用卷积神经网络图像识别技术,结合DeepLearning4j框架,对模型参数进行优化调试。结果使用DL4J-example、AlexNet、VGG16模型,小样本单一背景药用植物图像识别正确率分别达到68.00%、70.00%、24.00%,大样本复杂背景药用植物图像识别正确率分别达到48.87%、60.00%、91.35%。结论图像识别技术的使用提高了复杂背景下药用植物图像识别的正确率和效率,为药用植物的识别提供了新方法,识别正确率高低与激励函数、迭代次数、卷积层数及参与训练的图像数量直接相关。

大学图书馆馆藏质量评价方法探究——以部分高校本草类馆藏图书实证探究为例

文章采用层次分析法,以开设中药学类专业部分高校图书馆本草类馆藏图书作为实证探究数据,通过书目数据核对、引文分析、文献及借阅数量统计、读者问卷等形式对馆藏质量进行评价与分析,计算出辽宁中医药大学图书馆本草类馆藏图书质量评价分数。旨在采用层次分析法构建图书馆馆藏质量评价指标体系,探究定期进行馆藏质量评价,全面、客观掌握馆藏特点及学科保障情况和读者阅读需求满足程度的可行方法。