图像识别算法在中草药鉴别中的应用

引入图像识别算法,以颜色特征和纹理特征相结合的方法实现中草药显微图像的识别。针对传统局部二值模式的不足以及K近邻法的多优解问题,加入邻域点灰度值间的关系,对所有的相邻像素进行二值化;以Chi平方统计法对直方图进行相似性度量;结合训练集与测试集,验证优化算法在中草药横截面显微图像识别方面的效果。

基于SEResnet的中草药识别系统

随着深度学习在视觉领域的发展,图像识别被应用于日常中草药识别。为了提高中草药植物图像识别的效率和准确率,提出SEResnet深度学习模型对生活中常见的中草药植物图像进行识别与分类。首先,模型选择32类中草药构建数据集,之后以Resnet152为基础模型并加入注意力模块提高识别准确率,最后基于模型设计中草药识别系统。实验结果显示,训练集识别的准确率达到97.34%,达到日常生活使用水平。

基于改进局部二值模式算法的中草药图像鉴别

以颜色特征和纹理特征相结合的方法实现中草药显微图像的识别。将RGB图像转换为HSV图像,以HSV直方图对目标图像颜色特征进行提取;在传统局部二值模式中引入支持旋转不变特征的算子,并以均匀模式来描述目标图像的纹理,从而有效降低特征的维数;针对传统局部二值模式未考虑邻域像素分布特点而影响了纹理特征提取效果的不足,为其加入邻域点灰度值间的关系,对所有的相邻像素进行二值化;以Chi平方统计法对直方图进行相似性度量;为克服传统K近邻法的多优解问题,引入最短距离模式对最优解进行提取;最后通过优化算法来验证其集体性能,过程中结合训练集与测试集,证实优化算法的识别效果更佳。