中文引用格式： 韓德強，李宗耀，楊淇善，等. 基于eIQ的中藥材圖像識別系統的設計與實現[J]. 電子技術應用，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
中醫作為中華民族原創的醫學科學，在我國有著悠久的歷史，是我國醫藥寶庫中的重要組成部分。目前，中醫在心腦血管疾病、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展，在此次新冠疫情的治療與防護中更是發揮了不可替代的作用[1]。而中藥則是中醫中最常見的治療手段。傳統的中藥材識別主要依靠經驗豐富的醫生，通過眼看、手摸、鼻聞、口嘗、水試、火試等方法來識別出每種中藥材的真偽優劣。
目前，中藥材的智能識別主要依靠復雜的深度神經網絡實現。其中，吳沖等利用人工智能和機器視覺技術設計出一種檢測貝母、山楂及半夏飲片質量方法[2]。張志光通過向YOLO4目標檢測算法中加入Non-local注意力機制和RFB（Receptive Field Block，增強感受野）模塊來提升算法在復雜背景和不同尺度下中藥飲片的識別性能[3]。徐飛等通過強化特征提取改進的AlexNet模型對5類中草藥葉片進行訓練并通過增廣數據集，提高了中草藥圖像分類的準確率[4]。李鑫利用Faster- RCNN算法對黃芪、白術、白芷、白芨、西洋參五種藥材進行訓練并搭建了中藥飲片圖像識別模型[5]。
由于借助神經網絡實現中藥材識別需要大量的矩陣運算、存儲空間和功耗，因此大多依賴圖形處理器（Graphic Processing Unit，GPU）或服務器實現，不但成本較高，而且在實際使用中非常不便。然而微控制器（Microcontroller Unit, MCU）卻具有體積小、功耗低、成本低以及高實時性的優勢。并且隨著輕量級神經網絡模型和擁有高性能、高主頻且包含有算力擴展的Cortex-M7內核的MCU的出現，使得在MCU平臺上實現中藥材識別變為了可能。
本文針對目前在MCU平臺無法實現復雜深度神經網絡的應用和中藥材圖像數據集不足的問題，提出了在MCU平臺實現基于MobileNetV3模型的中藥材圖像識別系統。借助eIQ機器學習軟件開發環境構建MobileNetV3-Small模型，通過采用Hard-swish激活函數、Adam優化器等，修改模型參數完成對中藥材數據集的訓練與驗證，并對模型進行量化和壓縮操作，將最終生成的模型文件部署至i.MX RT1060開發板上，實現對中藥材的識別。
本文詳細內容請下載：http://m.jysgc.com/resource/share/2000005724
作者信息：
韓德強，李宗耀，楊淇善，高雪園
（北京工業大學 信息學部，北京 100124）
