基于深度学习的中药材饮片识别

为了解决中药饮片种类繁多、形态相似导致难于快速、准确识别的问题，构建一个包含50种，共计 15 622张图像的中药材饮片数据集，并基于Keras框架建立深度学习模型，模型包含4个稠密块和3个过渡层，每个稠密块和过渡层交替连接。最后利用全局最大池化层将稠密块特征向量化，并加入丢弃法来防止过拟合，优化DenseNet-201网络模型。结果表明该模型在43种中药上的识别率可以达90%以上，最高识别率达95.21%。因此，基于深度学习的方法可以有效解决中药饮片快速、智能识别的问题。