基于深度学习的藏药材鉴定识别研究

分享到

【作者】周艳霞，谢鑫焱，阿永强，罗松元邓，杨晨
【作者单位】西藏大学信息科学技术学院
【年份】2023
【卷号】第36卷
【期号】第3期
【页码】55-57，61
【关键词】识别鉴定图像分类数据增强性能提升 Jetson Nano
【摘要】为了对藏药材快速准确的识别鉴定，文章采用深度学习图像分类，但由于藏药材的信息化建设较为滞后，在计算机视觉领域尚未公开的标准数据集，因此本文在建立100种常见藏药材标准数据集的基础上，首先进行图像增强操作，增加数据的多样性，然后分别采用ReSNet-50、SENet-50、CBAMNet-50骨干网进行训练，实验结果表明：CBAMNet-50的准确率为97.08%，取得了参数量-复杂度的均衡，实现了性能提升。最后，将CBAMNet模型并部署在JetsonNano上，实现了藏药材智能化的识别，有利于...
【文献类型】期刊