基于卷积神经网络建立中药材自动识别的人工智能模型及应用程序

摘要

背景传统中药材检测手段依赖主观经验，难以满足中药材在准确分类与鉴别方面的需求。目的 基于卷积神经网络（CNN）开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法 2020年1月—2024年6月，采集了两个中药材数据集进行深度学习模型的训练、验证和测试，共包含163种中药材。通过准确率、灵敏度、特异度、精确率、受试者工作特征（ROC）曲线下面积（AUC）、F1分数等指标来衡量CNN模型的性能。在模型训练完成后，基于PyQt5技术开发了一款应用程序，供临床便携使用。结果 本研究共纳入了276 767张图像，开发了EfficientNetB0、ResNet50、MobileNetV3、VGG19和ResNet18 5种模型，通过性能比较，EfficientNet＿B0模型在验证集上取得了最高的准确率（99.0%）和AUC(0.994 2)，被选为最佳模型。在测试集上，最佳模型对所有中药类别识别的准确率为99.0%、灵敏度为99.0%、特异度为100.0%、AUC为1.0，展现出良好的性能。结论 基于卷积神经网络开发的深度学习模型能够快速准确地识别163种中药材，借助其高灵敏度的识别能力，为医师对中药材的鉴别提供有力辅助。

关键词

中药材 / 模式识别,自动 / 中药药材学 / 应用程序 / 人工智能 / PyQt5 / 卷积神经网络