基于注意力引导深度纹理特征学习的复杂背景藏药材切片图像识别

摘要

目的 利用计算机视觉技术中的深度学习模型实现复杂背景下藏药材切片图像的自动识别。在收集整理的藏药材切片图像数据集上对本文提出的模型进行训练、测试并将模型与现有药材切片识别方法进行对比实验,评价模型识别的准确率。方法 收集并建立复杂背景下藏药材切片图像数据集,其中包含18种藏药材切片的1620张图像,用基于局部二值模式(LBP)和融入注意力机制(Attention mechanism)的AlexNet网络模型(AGDTFL,即注意力引导的深度纹理特征学习)对复杂背景下藏药材切片图像进行识别,并与已有药材切片识别方法进行对比。结果 AGDTFL模型对18种复杂背景下藏药材切片图像的识别准确率达到82%,优于现有的复杂背景下的藏药材切片识别方法。结论 AGDTFL模型能够较好地提取复杂背景下藏药材切片的纹理特征,对于背景复杂且堆积遮挡严重的藏药材切片识别率较高,可有效应用于自然场景下的藏药材切片识别,具有较好的应用前景。