改进EfficientNet的表皮细胞图像识别研究

摘要：

中药材粉末显微图像数据量少,而且在不同产地、不同采集环境下的特征形态具有一定的差异,传统的图像分类方法跨库识别效果不佳.针对以上问题提出一种基于多通道融合和SPP结构的深度卷积神经网络改进方法.采用Canny边缘检测和局部二值模式的特征图与原图合并形成五通道的图像送入网络,扩充网络输入端的数据宽度;将改进的SPP模块嵌入到EfficientNet网络中,增加网络的深度.以上方法可以使网络更加注重图像的深层纹理信息,从而不受采集环境等的影响,很好地解决跨库识别问题.实验结果表明,对26种中药材粉末表皮细胞显微图像的两个不同批次数据,采用1库作为训练集,2库作为测试集,其准确率提升了2.7个百分点,达到81.5％,证明了所提研究方法对于跨库中药材显微图像分类任务具有一定的优势.

关键词：卷积神经网络、中药材粉末显微特征图像识别、多通道融合、跨数据库、深度学习

所属期刊栏目：58

分类号：TP391.41(计算技术、计算机技术)

资助基金：中医药行业科研专项;中央本级重大增减支项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：200-208