-
公开(公告)号:CN109615010B
公开(公告)日:2020-11-10
申请号:CN201811525966.1
申请日:2018-12-13
Applicant: 济南大学
IPC: G06K9/62
Abstract: 本申请公开了基于双尺度卷积神经网络的中药材识别方法及系统,首先通过专门设计的图像采集装置进行双尺度图像的采集,将训练图像送入卷积神经网络进行训练,经过多层卷积池化的特征提取与选择,训练得到识别精度较高的卷积神经网络模型。将待测图像送入训练好的卷积神经网络模型中进行特征提取,基于提取的特征对中药材进行分类,输出分类识别结果。本发明有利于提高普通人对药材的识别能力,辅助药材领域专家更准确快速的辨别药材。
-
公开(公告)号:CN109615574A
公开(公告)日:2019-04-12
申请号:CN201811527910.X
申请日:2018-12-13
Applicant: 济南大学
Abstract: 本申请公开了基于GPU和双尺度图像特征比对的中药识别方法及系统,首先通过专门设计的图像采集装置进行双尺度图像的采集,将训练图像送入卷积神经网络进行训练,经过多层卷积池化的特征提取与选择,训练得到识别精度较高的卷积神经网络模型。将待测图像送入训练好的卷积神经网络模型中进行特征提取,基于提取的特征对中药材进行分类,输出分类识别结果。本发明有利于提高普通人对药材的识别能力,辅助药材领域专家更准确快速的辨别药材。
-
公开(公告)号:CN109615574B
公开(公告)日:2022-09-23
申请号:CN201811527910.X
申请日:2018-12-13
Applicant: 济南大学
IPC: G06T1/20 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本申请公开了基于GPU和双尺度图像特征比对的中药识别方法及系统,首先通过专门设计的图像采集装置进行双尺度图像的采集,将训练图像送入卷积神经网络进行训练,经过多层卷积池化的特征提取与选择,训练得到识别精度较高的卷积神经网络模型。将待测图像送入训练好的卷积神经网络模型中进行特征提取,基于提取的特征对中药材进行分类,输出分类识别结果。本发明有利于提高普通人对药材的识别能力,辅助药材领域专家更准确快速的辨别药材。
-
公开(公告)号:CN109615010A
公开(公告)日:2019-04-12
申请号:CN201811525966.1
申请日:2018-12-13
Applicant: 济南大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6267 , G06K9/629
Abstract: 本申请公开了基于双尺度卷积神经网络的中药材识别方法及系统,首先通过专门设计的图像采集装置进行双尺度图像的采集,将训练图像送入卷积神经网络进行训练,经过多层卷积池化的特征提取与选择,训练得到识别精度较高的卷积神经网络模型。将待测图像送入训练好的卷积神经网络模型中进行特征提取,基于提取的特征对中药材进行分类,输出分类识别结果。本发明有利于提高普通人对药材的识别能力,辅助药材领域专家更准确快速的辨别药材。
-
-
-