基于卷积神经网络的中药材自动识别模型创建
林兴
闽南理工学院信息工程学院 福建泉州 362700
摘要：针对传统中药材人工识别效率低、主观性强、误差大,以及现有深度学习模型泛化能力不足、细粒度特征提取薄弱、对标注样本依赖度高的问题,文章提出一种注意力增强型多尺度卷积神经网络中药材自动识别模型.以150种常见中药材为研究对象,基于ResNet-50优化基础网络结构,嵌入SE通道注意力与空间注意力双机制,结合多尺度特征融合技术,实现中药材宏观形态与微观纹理特征的协同捕捉.融合迁移学习与半监督迭代训练策略,减少标注样本需求,提升模型泛化能力.实验结果表明,该模型在测试集上识别准确率达96.7％,在易混淆品种识别任务中表现优异,且参数量更优、部署灵活性强,具备良好的复杂场景鲁棒性,为中药材质量检测、市场监管及产业标准化发展提供高效技术支撑.
关键词：卷积神经网络中药材识别注意力机制多尺度特征融合迁移学习
资助基金：福建省中青年教师教育科研项目(JAT251208)
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 8-11 )