中文引用格式： 韓德強(qiáng)，李宗耀，楊淇善，等. 基于eIQ的中藥材圖像識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 電子技術(shù)應(yīng)用，2023，49(10)：118-123.
英文引用格式： Han Deqiang，Li Zongyao，Yang Qishan，et al. Design and implementation of image recognition system for Chinese medicinal materials based on eIQ[J]. Application of Electronic Technique，2023，49(10)：118-123.
0 引言
中醫(yī)作為中華民族原創(chuàng)的醫(yī)學(xué)科學(xué)，在我國有著悠久的歷史，是我國醫(yī)藥寶庫中的重要組成部分。目前，中醫(yī)在心腦血管疾病、糖尿病等重大慢性病的防控及重大傳染性疾病的臨床研究都取得積極進(jìn)展，在此次新冠疫情的治療與防護(hù)中更是發(fā)揮了不可替代的作用[1]。而中藥則是中醫(yī)中最常見的治療手段。傳統(tǒng)的中藥材識(shí)別主要依靠經(jīng)驗(yàn)豐富的醫(yī)生，通過眼看、手摸、鼻聞、口嘗、水試、火試等方法來識(shí)別出每種中藥材的真?zhèn)蝺?yōu)劣。
目前，中藥材的智能識(shí)別主要依靠復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)。其中，吳沖等利用人工智能和機(jī)器視覺技術(shù)設(shè)計(jì)出一種檢測(cè)貝母、山楂及半夏飲片質(zhì)量方法[2]。張志光通過向YOLO4目標(biāo)檢測(cè)算法中加入Non-local注意力機(jī)制和RFB（Receptive Field Block，增強(qiáng)感受野）模塊來提升算法在復(fù)雜背景和不同尺度下中藥飲片的識(shí)別性能[3]。徐飛等通過強(qiáng)化特征提取改進(jìn)的AlexNet模型對(duì)5類中草藥葉片進(jìn)行訓(xùn)練并通過增廣數(shù)據(jù)集，提高了中草藥圖像分類的準(zhǔn)確率[4]。李鑫利用Faster- RCNN算法對(duì)黃芪、白術(shù)、白芷、白芨、西洋參五種藥材進(jìn)行訓(xùn)練并搭建了中藥飲片圖像識(shí)別模型[5]。
由于借助神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)中藥材識(shí)別需要大量的矩陣運(yùn)算、存儲(chǔ)空間和功耗，因此大多依賴圖形處理器（Graphic Processing Unit，GPU）或服務(wù)器實(shí)現(xiàn)，不但成本較高，而且在實(shí)際使用中非常不便。然而微控制器（Microcontroller Unit, MCU）卻具有體積小、功耗低、成本低以及高實(shí)時(shí)性的優(yōu)勢(shì)。并且隨著輕量級(jí)神經(jīng)網(wǎng)絡(luò)模型和擁有高性能、高主頻且包含有算力擴(kuò)展的Cortex-M7內(nèi)核的MCU的出現(xiàn)，使得在MCU平臺(tái)上實(shí)現(xiàn)中藥材識(shí)別變?yōu)榱丝赡堋?/p>
本文針對(duì)目前在MCU平臺(tái)無法實(shí)現(xiàn)復(fù)雜深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用和中藥材圖像數(shù)據(jù)集不足的問題，提出了在MCU平臺(tái)實(shí)現(xiàn)基于MobileNetV3模型的中藥材圖像識(shí)別系統(tǒng)。借助eIQ機(jī)器學(xué)習(xí)軟件開發(fā)環(huán)境構(gòu)建MobileNetV3-Small模型，通過采用Hard-swish激活函數(shù)、Adam優(yōu)化器等，修改模型參數(shù)完成對(duì)中藥材數(shù)據(jù)集的訓(xùn)練與驗(yàn)證，并對(duì)模型進(jìn)行量化和壓縮操作，將最終生成的模型文件部署至i.MX RT1060開發(fā)板上，實(shí)現(xiàn)對(duì)中藥材的識(shí)別。
本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.jysgc.com/resource/share/2000005724
作者信息：
韓德強(qiáng)，李宗耀，楊淇善，高雪園
（北京工業(yè)大學(xué) 信息學(xué)部，北京 100124）
