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(tǒng)的設(shè)計與實現(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)學科學，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展，在此次新冠疫情的治療與防護中更是發(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)的中藥材識別主要依靠經(jīng)驗豐富的醫(yī)生，通過眼看、手摸、鼻聞、口嘗、水試、火試等方法來識別出每種中藥材的真?zhèn)蝺?yōu)劣。
目前，中藥材的智能識別主要依靠復雜的深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)。其中，吳沖等利用人工智能和機器視覺技術(shù)設(shè)計出一種檢測貝母、山楂及半夏飲片質(zhì)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(shù)據(jù)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(shù)、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(jīng)網(wǎng)絡(luò)實現(xiàn)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(wù)器實現(xiàn)，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(yōu)勢。并且隨著輕量級神經(jīng)網(wǎng)絡(luò)模型和擁有高性能、高主頻且包含有算力擴展的Cortex-M7內(nèi)核的MCU的出現(xiàn)，使得在MCU平臺上實現(xiàn)中藥材識別變?yōu)榱丝赡堋?/p>
本文針對目前在MCU平臺無法實現(xiàn)復雜深度神經(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平臺實現(xiàn)基于MobileNetV3模型的中藥材圖像識別系統(tǒng)。借助eIQ機器學習軟件開發(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)完成對中藥材數(shù)據(jù)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(fā)板上，實現(xiàn)對中藥材的識別。
本文詳細內(nèi)容請下載：http://www.shi-ke.cn/resource/share/2000005724
作者信息：
韓德強，李宗耀，楊淇善，高雪園
（北京工業(yè)大學 信息學部，北京 100124）
