李萬虎　吳麗麗

關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò);AlexNet;中藥材;圖像識別

中圖分類號：TP391 文獻(xiàn)標(biāo)志碼：A

0 引言（Introduction）

我國是中藥材的發(fā)源地，藥材資源豐富，并且95%以上的中藥材為植物藥材。中藥歷經(jīng)數(shù)千年發(fā)展，展現(xiàn)了它強(qiáng)大的生命力和我國醫(yī)藥特色優(yōu)勢。新型冠狀病毒感染暴發(fā)以來，中醫(yī)藥一直在抗擊感染中發(fā)揮了重要作用，一些中醫(yī)藥療法在病例的救治和康復(fù)中起到良好效果。因此，我們要堅(jiān)定不移地推動中醫(yī)藥的發(fā)展。

目前，傳統(tǒng)圖像處理和卷積神經(jīng)網(wǎng)絡(luò)均可用于中藥材識別。孫鑫等[1]通過構(gòu)建白薇等50種常見中藥飲片圖像數(shù)據(jù)庫，運(yùn)用Softmax損失訓(xùn)練網(wǎng)絡(luò)模型，平均識別精度達(dá)到70%。屈凌波等[2]利用人工神經(jīng)網(wǎng)絡(luò)對中藥進(jìn)行模式識別，預(yù)測率最高能達(dá)到93.7%。劉勍等[3]介紹了圖像處理技術(shù)對中藥材的檢驗(yàn)過程，然后對中藥材圖像鑒定與識別技術(shù)面臨的問題及發(fā)展前景做了探討與展望。徐飛等[4]通過正交試驗(yàn)優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)，其圖像識別準(zhǔn)確率為90.9%。劉加峰等[5]建立的中藥飲片圖像檢測識別系統(tǒng)，平均識別率高于80%，但只能識別三種中藥飲片。

分析以上研究可知，在對中藥材識別分類研究上，上述方法在特定的中藥鑒定場景中取得了較好的效果，但對細(xì)節(jié)特征的關(guān)注度不高，鑒別準(zhǔn)確度仍然不足。同時(shí)，網(wǎng)絡(luò)模型設(shè)計(jì)復(fù)雜，難以遷移，其鑒定結(jié)果不可量化，與實(shí)際應(yīng)用存在差距。本文提出的基于改進(jìn)型AlexNet的中藥材圖像識別模型可以解決以上問題。

1 材料與方法（Materials and methods）

1.1 數(shù)據(jù)集

本研究以百部（Radix stemonae）、白芍（Paeonia lactiflorapalls）、枸杞（Wolfberry）、黃精（Rhizoma polygonati）、姜黃（Turmeric）、蒲黃（Cattail pollen）、蛇床子（Fructus cnidii）、益母草（Motherwort）、郁金（Curcuma turmeric）、枳殼片（Aurantiumaurantium）共10種中藥材為對象，數(shù)據(jù)集通過Python爬蟲算法爬取百度圖片里的相關(guān)關(guān)鍵字，每一類選取500張，共5 000張構(gòu)成數(shù)據(jù)集，按照占圖像總數(shù)量的80%、10%、10%的比例劃分出訓(xùn)練集4 000張、驗(yàn)證集500張、測試集500張，將該數(shù)據(jù)集命名為CMM，如圖1所示[6]。

1.2 數(shù)據(jù)增強(qiáng)

由于數(shù)據(jù)量較小，為了避免訓(xùn)練過擬合，因此需要對原始數(shù)據(jù)進(jìn)行增強(qiáng)處理。本研究使用Keras（由Python編寫的開源人工神經(jīng)網(wǎng)絡(luò)庫）中的ImageDataGenerator函數(shù)對圖片進(jìn)行隨機(jī)縮放、隨機(jī)剪切、水平翻轉(zhuǎn)，對數(shù)據(jù)進(jìn)行擴(kuò)增，再經(jīng)過數(shù)據(jù)篩選和數(shù)據(jù)分布均衡調(diào)整，最終構(gòu)成每類1 000張，共10 000張圖片的新數(shù)據(jù)集，增強(qiáng)后的數(shù)據(jù)集命名為CMM1，按照各占圖像總數(shù)量的比例進(jìn)行劃分，訓(xùn)練集占比為80%，即8 000張，驗(yàn)證集占比為10%，即1 000張，測試集占比為10%，即1 000張，如表1所示。

1.3 AlexNet模型

目前，有多種網(wǎng)絡(luò)模型可用于圖像分類，例如AlexNet卷積神經(jīng)網(wǎng)絡(luò)、VGGNet卷積神經(jīng)網(wǎng)絡(luò)、ResNet殘差卷積神經(jīng)網(wǎng)絡(luò)等。查閱相關(guān)文獻(xiàn)，分析評估參數(shù)量、可用性、計(jì)算資源需求量、易用性等因素，最終將AlexNet網(wǎng)絡(luò)模型作為本研究的基礎(chǔ)模型，其模型結(jié)構(gòu)如圖2所示。

1.5 AlexNet網(wǎng)絡(luò)的改進(jìn)設(shè)計(jì)

為了構(gòu)建準(zhǔn)確率高和收斂快的網(wǎng)絡(luò)模型，本文提出了改進(jìn)型AlexNet的中藥材圖像識別的網(wǎng)絡(luò)模型，具體的改進(jìn)設(shè)計(jì)介紹如下。

1.5.1 加入嶺回歸分析

我國的中藥材中有95%以上是植物藥材，它們的圖像特征等信息有很多的相似之處，如果使用傳統(tǒng)模型訓(xùn)練，就會出現(xiàn)過擬合現(xiàn)象，導(dǎo)致識別準(zhǔn)確率較低。為了解決該問題，本文研究引入嶺回歸分析，它可以在一定程度上弱化過擬合問題，對多重共性信息的數(shù)據(jù)具有較好的分析能力。

1.5.2 改進(jìn)AlexNet模型

通過文獻(xiàn)[11]發(fā)現(xiàn)，原AlexNet網(wǎng)絡(luò)模型提取特征能力最強(qiáng)的是第三層和第四層，為了提高分類的精確度，對模型的改進(jìn)和優(yōu)化重點(diǎn)集中在這兩層。經(jīng)過多次實(shí)驗(yàn)發(fā)現(xiàn)，可以在第三層之后插入一層，即新的第三層（如圖3所示），新的第三層與原來的第三層結(jié)構(gòu)一致，由于增加了卷積操作，因此可以過濾更多的有效特征，因此特征提取能夠更精確。新的第三層卷積核的大小為3*3，數(shù)量為192×2=384個(gè)，步長為1，使用ReLU激活函數(shù)。輸入特征圖像先擴(kuò)展一個(gè)像素，大小為15×15;輸出特征圖像大小為（15-3）/1+1=13，即13×13×384。

1.5.3 引入遷移學(xué)習(xí)

為了進(jìn)一步加快訓(xùn)練速度，使模型更快收斂，同時(shí)為了提高模型識別的精確度，本研究在模型訓(xùn)練時(shí)，引入遷移學(xué)習(xí)的訓(xùn)練方法。遷移學(xué)習(xí)可以使用其他大批量數(shù)據(jù)訓(xùn)練所得模型用于訓(xùn)練新數(shù)據(jù)，由于大部分?jǐn)?shù)據(jù)和任務(wù)間存在相關(guān)性，因此可以減少訓(xùn)練步驟，縮短訓(xùn)練時(shí)間，并增加數(shù)據(jù)量，達(dá)到降低過擬合程度的目的。

2 結(jié)果驗(yàn)證（Result verification）

2.1 實(shí)驗(yàn)平臺

本研究基于PyTorch平臺搭建，PyTorch主要用于自然語言處理，它是一個(gè)基于Torch的Python開源機(jī)器學(xué)習(xí)庫，不但能夠?qū)崿F(xiàn)GPU加速，而且能支持動態(tài)神經(jīng)網(wǎng)絡(luò)。實(shí)驗(yàn)所用的軟硬件環(huán)境如下：Windows 10操作系統(tǒng)，AMD i5-10210u，16GB內(nèi)存，Python 3.8，JetBrains PyCharm 2018.3.7 x64，GPU 租用AutoDL AI算力云，配置的CPU為14 核2.00 GHz，Intel（R）Xeon（R）Gold 6330，內(nèi)存為30 GB。

2.2 實(shí)驗(yàn)驗(yàn)證

本文將每個(gè)類別800張，共10個(gè)類別，總數(shù)量為8 000張中藥材圖像輸入改進(jìn)后的AlexNet網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，如圖4所示，橫坐標(biāo)迭代次數(shù)代表權(quán)重更新的次數(shù)，左側(cè)縱坐標(biāo)為訓(xùn)練過程中真實(shí)值與預(yù)測值之間產(chǎn)生的損失值，右側(cè)縱坐標(biāo)為Top1值。模型訓(xùn)練輸入的batch_size 為128，圓圈曲線代表Top1值，倒三角曲線代表損失值。損失值向0.0趨近，Top1 值向1.0趨近。在訓(xùn)練過程中，就總體趨勢而言，隨著Top1值的不斷增大，損失值不斷減小，在部分階段雖然有反彈的趨勢，但是隨著訓(xùn)練迭代次數(shù)的增加，模型最終克服了局部最優(yōu)的局面，向全局最優(yōu)的趨勢發(fā)展。損失值和Top1值最終變得平緩并趨于穩(wěn)定。

3 網(wǎng)絡(luò)模型對比實(shí)驗(yàn)（Comparison experimenton network models）

為了驗(yàn)證改進(jìn)型AlexNet網(wǎng)絡(luò)模型性能的優(yōu)越性，采用損失值圖[如圖5（a）所示]和Top1值圖[如圖5（b）所示]與AlexNet原網(wǎng)絡(luò)模型和ResNet50網(wǎng)絡(luò)模型進(jìn)行對比。圖5（a）中圓圈代表改進(jìn)后的AlexNet，黑色填充正方形代表AlexNet原網(wǎng)絡(luò)模型，菱形代表ResNet50網(wǎng)絡(luò)模型，三個(gè)網(wǎng)絡(luò)模型都采用相同的訓(xùn)練參數(shù)。從圖5可以清晰地看出，本實(shí)驗(yàn)提出的改進(jìn)型AlexNet網(wǎng)絡(luò)的平均識別準(zhǔn)確率優(yōu)于原AlexNet網(wǎng)絡(luò)模型和ResNet50網(wǎng)絡(luò)模型，這證明了改進(jìn)型AlexNet網(wǎng)絡(luò)模型具有一定的優(yōu)越性。

為了進(jìn)一步評估改進(jìn)后的AlexNet網(wǎng)絡(luò)模型、AlexNet原網(wǎng)絡(luò)模型和ResNet50網(wǎng)絡(luò)模型三個(gè)網(wǎng)絡(luò)模型的表現(xiàn)，又選取準(zhǔn)確率指標(biāo)對三個(gè)網(wǎng)絡(luò)模型進(jìn)行評優(yōu)。如圖6所示，正方形代表改進(jìn)后的AlexNet，三角形代表AlexNet原網(wǎng)絡(luò)模型，圓圈代表ResNet50網(wǎng)絡(luò)模型，選取測試數(shù)據(jù)集中10%的圖片作為實(shí)驗(yàn)評估時(shí)選用的數(shù)據(jù)集，劃分?jǐn)?shù)據(jù)集時(shí)先打亂數(shù)據(jù)集后再劃分，從而確保實(shí)驗(yàn)的說服力。在驗(yàn)證時(shí)共設(shè)置100個(gè)迭代輪數(shù)，每經(jīng)歷5個(gè)輪數(shù)開啟一次驗(yàn)證。由圖6可以看出，改進(jìn)型AlexNet網(wǎng)絡(luò)模型應(yīng)用于中藥材圖像識別較AlexNet原網(wǎng)絡(luò)模型和ResNet50網(wǎng)絡(luò)模型更具優(yōu)勢。

完成模型評估后，開始對訓(xùn)練好的模型進(jìn)行測試，測試集是數(shù)據(jù)集總數(shù)的10%，測試結(jié)果以十行十列混淆矩陣的形式展現(xiàn)，如圖7所示，橫坐標(biāo)為每一類中藥材預(yù)測的分類百分比，縱坐標(biāo)為真實(shí)分類百分比。橫坐標(biāo)百分比相加結(jié)果應(yīng)為1，代表對每一類中藥材圖像正確預(yù)測與錯(cuò)誤預(yù)測之和。圖7中橫縱坐標(biāo)重合處對角線代表分類正確的結(jié)果，顏色越深，表示分類準(zhǔn)確率越高。

為了進(jìn)一步驗(yàn)證訓(xùn)練模型的有效性與準(zhǔn)確性，除使用混淆矩陣，還引入Precision（精度）、Recall（召回率）、F1 Score（平衡F分?jǐn)?shù)）三個(gè)指標(biāo)評價(jià)模型，結(jié)果見表2。

4 結(jié)論（Conclusion）

本研究以百部等10種中藥材為研究對象，構(gòu)建了10種中藥材數(shù)據(jù)集，通過改進(jìn)AlexNet原網(wǎng)絡(luò)模型，得到了一種用于百部、白芍、枸杞、黃精、姜黃、蒲黃、蛇床子、益母草、郁金和枳殼片等中藥材圖像識別的卷積神經(jīng)網(wǎng)絡(luò)模型，圖像識別準(zhǔn)確率為95.4%，同時(shí)解決了模型難以遷移和鑒定結(jié)果不可量化的問題。下一步，計(jì)劃繼續(xù)提高AlexNet網(wǎng)絡(luò)模型的訓(xùn)練速度和識別精度，主要從兩個(gè)方面入手，一是增加本研究構(gòu)建的AlexNet網(wǎng)絡(luò)模型的中藥材識別品種，二是繼續(xù)探索增加新的卷積層數(shù)，并優(yōu)化卷積層與池化層之間的連接。

作者簡介：

李萬虎（1990-），男，碩士生。研究領(lǐng)域：圖像識別，人工智能與數(shù)據(jù)挖掘。

吳麗麗（1979-），女，博士，副教授。研究領(lǐng)域：圖像識別，人工智能與數(shù)據(jù)挖掘。本文通信作者。