基于图像识别的三七分类方法、装置和分类系统与流程

1.本公开涉及图像识别技术领域，尤其涉及一种基于图像识别的三七分类方法、装置和分类系统。


背景技术：

2.三七主要用于预防和治疗心脑血管系统疾病，享有“参中之王”等美誉，云南为原产区和主产区，90％以上产自云南。随着产业链数字化的逐步要求，对种植端的数字化工作也提出了新要求。针对“三七”产业链数字化改造，存在大量的数据采集、分析、统计问题，目前三七产业无法满足产业链数字化改造的需求。
3.传统技术中，对三七规格的判定，通常采用传统工具进行判定，包括人眼观察、手动称重、测量长度、经验判定等。气判定结果存在主观性，测量结果不精准、效率低下，并且无法应对客户对三七多种多样的需求。这些都制约了三七市场的进步与发展。
4.在过去几年里，深度学习在自然图像领域取得了巨大的成功，每年都有新的模型和架构提出来，图像分类、检测和分割的精度也不断的被刷新。在工业质检场景中也取得了不错的成果。中医药行业迫切希望借助最先进的技术，实现三七的轮廓信息提取，提高交付质量以及工作效率，减轻工作人员劳动强度。
5.因此需要研究一种基于图像识别的三七分类方法新型的客观三七分类分型方法，降低三七的交易时的沟通成本，降低因三七分拣标准不统一而带来的交易成本，进而建立三七市场分类分级的新标准。


技术实现要素：

6.为了解决上述问题，本技术提出一种基于图像识别的三七分类方法、装置和分类系统。
7.本技术一方面，提出一种基于图像识别的三七分类方法，包括如下步骤：
8.根据预设维度，构建三七特征字典；
9.获取三七的轮廓矢量图；
10.根据所述轮廓矢量图，计算并得到所述三七在各个维度上的主体数据；
11.将所述三七在各个维度上的主体数据，与所述三七特征字典相对应的指标进行比较，根据比较结果对所述三七进行分类，并输出所述三七的分类结果。
12.作为本技术的一可选实施方案，可选地，所述预设维度，包括如下维度中的至少一种：
13.全局信息，包括如下指标：截面面积、截面周长、截面面积/截面周长、截面面积/截面周长平方、重量、头数、水分含量、三七色值、三七类型；
14.主体信息，包括如下指标：是否带帽七、是否有侧根、瘤头数量、是否有伤、是否有臭、是否有霉；
15.中线信息，包括如下指标：整个三七长度、无瘤头长度、无明显瘤头处最长直径、头
部直径、尾部直径、头尾直径比、头部面积、尾部面积、头尾部面积比值、最长直径、10份直径均值、10份直径方差、10份直径方差/均值、三七最大夹角；
16.外接椭圆，包括如下指标：外接椭圆长径、外接椭圆短径、外接椭圆长径/短径、外接椭圆面积；
17.内外接圆，包括如下指标：内切圆直径、外接圆直径、内切圆直径/外接圆直径；
18.外接矩形，包括如下指标：外接矩形长度、外接矩形宽度、外接矩形长/宽、三七面积/外接矩形面积。
19.作为本技术的一可选实施方案，可选地，在构建三七特征字典之后，还包括：
20.设置三七分类规则；
21.将所述三七分类规则关联所述三七特征字典，为所述三七特征字典各个维度上的指标设定预设值；
22.基于所述指标预设值，按照所述三七特征字典的维度，对所述三七类型进行划分，并保存所划分的三七类型。
23.作为本技术的一可选实施方案，可选地，所述获取三七的轮廓矢量图，包括：
24.获取实物三七的图像信息；
25.将所述图像信息导入预设的三七识别模型；
26.通过三七识别分割算法，从所述图像信息中提取得到所述三七的轮廓矢量图并保存。
27.作为本技术的一可选实施方案，可选地，所述将所述三七在各个维度上的主体数据，与所述三七特征字典相对应的指标进行比较，根据比较结果对所述三七进行分类，并输出所述三七的分类结果，包括：
28.根据所述三七的轮廓矢量图计算获取所述三七在各个维度上的主体数据；
29.将所述三七在各个维度上的主体数据，与所述三七特征字典中相对应的指标预设值进行比较；
30.根据比较结果，判断并识别所述三七在所述三七类型中的所属类型；
31.输出并保存所述三七所属的类型。
32.本技术另一方面，提出一种实施上述所述的基于图像识别的三七分类方法的装置，包括：
33.三七特征字典构建模块，用于根据预设维度，构建三七特征字典；
34.轮廓矢量图获取模块，用于获取三七的轮廓矢量图；
35.计算模块，用于根据所述轮廓矢量图，计算并得到所述三七在各个维度上的主体数据；
36.分类模块，用于将所述三七在各个维度上的主体数据，与所述三七特征字典相对应的指标进行比较，根据比较结果对所述三七进行分类，并输出所述三七的分类结果。
37.作为本技术的一可选实施方案，可选地，还包括：
38.规则设定模块，用于设置三七分类规则；
39.指标预设模块，用于将所述三七分类规则关联所述三七特征字典，为所述三七特征字典各个维度上的指标设定预设值；
40.类型划分模块，用于基于所述指标预设值，按照所述三七特征字典的维度，对所述
三七类型进行划分，并保存所划分的三七类型。
41.作为本技术的一可选实施方案，可选地，所述轮廓矢量图获取模块，包括：
42.获取实物三七的图像信息；
43.将所述图像信息导入预设的三七识别模型；
44.通过三七识别分割算法，从所述图像信息中提取得到所述三七的轮廓矢量图并保存。
45.作为本技术的一可选实施方案，可选地，所述分类模块，包括：
46.数据获取模块，用于根据所述三七的轮廓矢量图计算获取所述三七在各个维度上的主体数据；
47.比较模块，用于将所述三七在各个维度上的主体数据，与所述三七特征字典中相对应的指标预设值进行比较；
48.类型识别模块，用于根据比较结果，判断并识别所述三七在所述三七类型中的所属类型；
49.储存模块，用于输出并保存所述三七所属的类型。
50.本技术另一方面，提出一种分类系统，包括：
51.处理器；
52.用于存储处理器可执行指令的存储器；
53.其中，所述处理器被配置为执行所述可执行指令时实现上述所述的基于图像识别的三七分类方法。
54.本发明的技术效果：
55.本技术通过根据预设维度，构建三七特征字典；获取三七的轮廓矢量图；根据所述轮廓矢量图，计算并得到所述三七在各个维度上的主体数据；将所述三七在各个维度上的主体数据，与所述三七特征字典相对应的指标进行比较，根据比较结果对所述三七进行分类，并输出所述三七的分类结果。将实物三七进行数字化，从不同维度对三七进行描述，形成三七特征字典。基于图像识别的三七分类方法，方法新型、客观，能够降低三七的交易时的沟通成本，降低因三七分拣标准不统一而带来的交易成本，提高交付质量以及工作效率，减轻工作人员劳动强度。
56.根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
57.包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
58.图1示出为本发明基于图像识别的三七分类方法的实施流程示意图；
59.图2示出为本发明三七特征字典的字段自定义选择页面；
60.图3示出为本发明三七轮廓矢量图的提取示意图；
61.图4示出为本发明三七最小外接矩形的绘制示意图；
62.图5示出为本发明三七最大内接圆和最下外接圆的绘制示意图；
63.图6示出为本发明三七外接矩形的长宽比的绘制示意图；
64.图7示出为本发明三七表面颜色的提取示意图；
65.图8示出为本发明三七伤、臭、霉检测的示意图；
66.图9示出为本发明一级团七的分类示意图；
67.图10示出为本发明二级团七的分类示意图；
68.图11示出为本发明三级团七的分类示意图；
69.图12示出为本发明四级团七的分类示意图；
70.图13示出为本发明一级条七的分类示意图；
71.图14示出为本发明二级条七的分类示意图；
72.图15示出为本发明三级条七的分类示意图；
73.图16示出为本发明四级条七的分类示意图；
74.图17示出为本发明五级条七的分类示意图；
75.图18示出为本发明普通三七的分类示意图。
具体实施方式
76.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
77.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
78.另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
79.实施例1
80.如图1所示，本技术一方面，提出一种基于图像识别的三七分类方法，包括如下步骤：
81.s1、根据预设维度，构建三七特征字典；
82.首先，本技术先根据三七的基本信息构建一三七特征字典，从不同维度构建三七特征字典的基本字段，便于后续根据三七主体信息进行类型匹配。
83.字典包括全局信息、主体信息、中线信息、外接椭圆、内外接圆、外接矩形。作为本技术的一可选实施方案，可选地，所述预设维度，包括如下维度中的至少一种：
84.全局信息，包括如下指标：截面面积、截面周长、截面面积/截面周长、截面面积/截面周长平方、重量、头数、水分含量、三七色值、三七类型；
85.主体信息，包括如下指标：是否带帽七、是否有侧根、瘤头数量、是否有伤、是否有臭、是否有霉；
86.中线信息，包括如下指标：整个三七长度、无瘤头长度、无明显瘤头处最长直径、头部直径、尾部直径、头尾直径比、头部面积、尾部面积、头尾部面积比值、最长直径、10份直径均值、10份直径方差、10份直径方差/均值、三七最大夹角；
87.外接椭圆，包括如下指标：外接椭圆长径、外接椭圆短径、外接椭圆长径/短径、外接椭圆面积；
88.内外接圆，包括如下指标：内切圆直径、外接圆直径、内切圆直径/外接圆直径；
89.外接矩形，包括如下指标：外接矩形长度、外接矩形宽度、外接矩形长/宽、三七面积/外接矩形面积。
90.具体字典信息和含义，内容如下表1：
91.92.93.[0094][0095]
表1
‑‑‑
字典指标定义
[0096]
本实施例，将实物三七进行数字化，从41个维度对三七进行描述，形成三七特征字典。字典包括全局信息、主体信息、中线信息、外接椭圆、内外接圆、外接矩形。
[0097]
按照上述三七特征字典各个维度上的指标信息，当为指标赋值时，可以将三七划分不同的类型。同时也可以按照上述字典信息构建三七类型分类模型，构建方法不作要求。赋值需要根据用户参照不同的情况进行设定，比如市场行情，本实施例不作具体限定。
[0098]
在后期实物三七检测时，得到实物三七的矢量图像，对应计算得到其主体信息后，即可通过三七分类模型进行类型识别，输出实物三七的分类。
[0099]
字典为各个维度上的指标定义，需要在对各个指标设定具体值后，将三七划分为不同类型，这边才能在后续实物三七识别时，根据其测得的数据进行类型的匹配。
[0100]
如图2所示，本技术支持根据需要自定义设定三七类型。可以选择的维度为三七特征字典中的所有字段。
[0101]
在利用字典进行模型的类型划分时，具体维度的指标设定，本实施例不作限定，可以采用一个维度上的一个指标，来进行三七类型划分，也可以结合多个维度上的若干指标，来进行三七类型划分。具体由用户进行设定。
[0102]
作为本技术的一可选实施方案，可选地，在构建三七特征字典之后，还包括：
[0103]
设置三七分类规则；
[0104]
将所述三七分类规则关联所述三七特征字典，为所述三七特征字典各个维度上的指标设定预设值；
[0105]
基于所述指标预设值，按照所述三七特征字典的维度，对所述三七类型进行划分，并保存所划分的三七类型。
[0106]
三七分类规则，即用户为字典中各个指标具体赋值的规则，本实施例不作限定。将其关联字典后，根据字典的整体指标信息，而将三七划分为不同的类型，比如根据外接椭圆的长径/短径的比值，将三七分成了团七和条七两大类。比如经过数据分析发现，该比值分割线设置在0.75比较合适。所以规定外接椭圆的长径/短径大于1.4的是条七，小于等于1.4
是团七。下面将具体描述。
[0107]
s2、获取三七的轮廓矢量图；
[0108]
三七的轮廓矢量图，可以由光学相机等进行提取出来。
[0109]
进行三七类型分类时，首先利用三七识别模型将每个三七从照片上沿三七轮廓分离出三七的轮廓矢量图。具体的，可以利用光学相机对实物三七进行拍照，通过三七识别分割算法将三七实物从图片中分离出来。轮廓矢量图的获取方式不限。
[0110]
其次，根据分割出来的三七轮廓矢量图，通过检测算法对伤臭霉进行检测分类、通过opencv工具算出三七的最小外接矩形、长宽比、最小外接圆等各个维度上的信息计算。最后形成新的三七分类标准。
[0111]
计算时，利用对应的工具计算各个维度上的方法，本实施例不作限定。
[0112]
s3、根据所述轮廓矢量图，计算并得到所述三七在各个维度上的主体数据；
[0113]
下面将描述几个维度上的主体信息计算。具体维度上的主体信息的计算，将根据用户对字典的字段/指标需选择而定。
[0114]
如图3所示，利用光学相机对实物三七进行拍照，通过三七识别分割算法将三七实物从图片中分离出来。根据三七的轮廓矢量图，得到三七的主体相关信息。包括截面面积、截面周长、截面面积/截面周长、截面面积/(截面周长平方)。
[0115]
如图4所示，根据三七的轮廓矢量图，绘制最小外接矩形，识别最小外接矩形相关信息。包括外接矩形长度、外接矩形宽度、外接矩形长/宽、三七面积/外接矩形面积信息。
[0116]
如图5所示，根据三七的轮廓矢量图，绘制最大内接圆和最下外接圆，识别内外接圆相关相关信息。包括内切圆直径、外接圆直径、内切圆直径/外接圆直径。
[0117]
如图6所示，通过三七的外接矩形的长宽比(可以利用外接矩形的长宽比区分出来条七和团七)。然后对条七绘制最长中线。以此来识别中线相关的信息。包括整个三七长度、无瘤头长度、无明显瘤头处最长直径、头部直径、尾部直径、头尾直径比、头部面积、尾部面积、头尾部面积比值、最长直径、10份直径均值、10份直径方差、10份直径方差/均值、三七最大夹角。
[0118]
如图7所示，根据分割出来的三七，取三七的表面颜色的平均色值作为该三七的颜色。平均色值刻有工具计算得出。
[0119]
如图8所示，根据分割出来的三七，通过深度学习算法对伤、臭、霉进行学习，以此来获取三七的部分主体信息。包括是否有伤、是否有臭、是否有霉。
[0120]
同时还可以根据分割出来的三七，通过深度学习算法对三七的帽、侧根、瘤头进行识别，以此来获取部分三七主体信息。包括是否带帽七、是否有侧根、瘤头数量。
[0121]
s4、将所述三七在各个维度上的主体数据，与所述三七特征字典相对应的指标进行比较，根据比较结果对所述三七进行分类，并输出所述三七的分类结果。
[0122]
本实施例，根据三七特征字典的维度，对三七的类型进行划分。
[0123]
将三七分成了团七和条七两大类。团七更像是球体，条七更像是长条。体现在特征字典上就是外接椭圆的长径/短径的比值。经过数据分析发现，该比值分割线设置在0.75比较合适。所以规定外接椭圆的长径/短径大于1.4的是条七，小于等于1.4是团七。
[0124]
不同等级的团七圆润程度不同，越圆润的三七等级越高。体现在特征字典上就是外接圆直径/内接圆直径的比值。
[0125]
经过数据分析，划分区间：(0.58,0.62)，(0.62,0.66)，(0.66,0.75)，(0.75，∞)。
[0126]
不同的条七可以按照条七长度、头部和尾部的差异，是否弯曲，三七的主干部分是否粗细一致，四个维度来评判条七。
[0127]
通过图像算法绘制三七的中线，中线的长度是三七的长度。然后，从中线上均匀取10个点，取10个点处的直径，进而得到10份直径的方差，来体现三七主干部分粗细是否一致。最后，通过计算中线的最大夹角来计算三七的弯曲程度。
[0128]
通过对三七绘制外接矩形，将外接矩形的长度均分成三部分，对比三部分的面积，面积最大的是三七头部，最小的是三七尾部。通过头部面积/尾部面积的比值，来描述头部和尾部的差异。
[0129]
按照以上分析，最终可以将三七分成10类，一级团七、二级团七、三级团七、四级团七、一级条七、二级条七、三级条七、四级条七、五级条七。依次如附图9-18所示。
[0130]
按照字典对三七进行类型划分后，在后续进行实物三七的类型识别是，根据实物三七的主体信息数据，将其和字典中的对应维度上的数据进行比对，以此判断实物三七的所属类型。
[0131]
作为本技术的一可选实施方案，可选地，所述获取三七的轮廓矢量图，包括：
[0132]
获取实物三七的图像信息；
[0133]
将所述图像信息导入预设的三七识别模型；
[0134]
通过三七识别分割算法，从所述图像信息中提取得到所述三七的轮廓矢量图并保存。
[0135]
本实施例，可以采用预先配置的图像提取模型即三七识别模型，对采集的实物三七的图像信息进行轮廓矢量图提取，本实施例不作该方法的赘述。
[0136]
作为本技术的一可选实施方案，可选地，所述将所述三七在各个维度上的主体数据，与所述三七特征字典相对应的指标进行比较，根据比较结果对所述三七进行分类，并输出所述三七的分类结果，包括：
[0137]
根据所述三七的轮廓矢量图计算获取所述三七在各个维度上的主体数据；
[0138]
将所述三七在各个维度上的主体数据，与所述三七特征字典中相对应的指标预设值进行比较；
[0139]
根据比较结果，判断并识别所述三七在所述三七类型中的所属类型；
[0140]
输出并保存所述三七所属的类型。
[0141]
对实物三七的主体信息进行计算后，将其和字典中相对应维度上的指标设定数据进行比对，判断实物三七的所属类型即可。比如实物三七的主体数据符合附图16中的各项指标数据，则该实物三七则为四级条七。
[0142]
依次类推。
[0143]
因此，本技术能够利用本技术的三七特征字典及字典内的变量，快速实现对不同类型的三七进行类型识别。
[0144]
需要说明的是，尽管以外接椭圆的长径/短径的比值、外接圆直径/内接圆直径的比值以及中线的长度等作为示例介绍了如上10类三七类型的划分，但本领域技术人员能够理解，本公开应不限于此。事实上，用户完全可根据实际应用场景灵活设定和选择字典的指标设定维度，只要可以按照上述技术方法实现本技术的技术功能即可。
[0145]
实施例2
[0146]
基于实施例1的实施原理，本技术另一方面，提出一种实施上述所述的基于图像识别的三七分类方法的装置，包括：
[0147]
三七特征字典构建模块，用于根据预设维度，构建三七特征字典；
[0148]
轮廓矢量图获取模块，用于获取三七的轮廓矢量图；
[0149]
计算模块，用于根据所述轮廓矢量图，计算并得到所述三七在各个维度上的主体数据；
[0150]
分类模块，用于将所述三七在各个维度上的主体数据，与所述三七特征字典相对应的指标进行比较，根据比较结果对所述三七进行分类，并输出所述三七的分类结果。
[0151]
作为本技术的一可选实施方案，可选地，还包括：
[0152]
规则设定模块，用于设置三七分类规则；
[0153]
指标预设模块，用于将所述三七分类规则关联所述三七特征字典，为所述三七特征字典各个维度上的指标设定预设值；
[0154]
类型划分模块，用于基于所述指标预设值，按照所述三七特征字典的维度，对所述三七类型进行划分，并保存所划分的三七类型。
[0155]
作为本技术的一可选实施方案，可选地，所述轮廓矢量图获取模块，包括：
[0156]
获取实物三七的图像信息；
[0157]
将所述图像信息导入预设的三七识别模型；
[0158]
通过三七识别分割算法，从所述图像信息中提取得到所述三七的轮廓矢量图并保存。
[0159]
作为本技术的一可选实施方案，可选地，所述分类模块，包括：
[0160]
数据获取模块，用于根据所述三七的轮廓矢量图计算获取所述三七在各个维度上的主体数据；
[0161]
比较模块，用于将所述三七在各个维度上的主体数据，与所述三七特征字典中相对应的指标预设值进行比较；
[0162]
类型识别模块，用于根据比较结果，判断并识别所述三七在所述三七类型中的所属类型；
[0163]
储存模块，用于输出并保存所述三七所属的类型。
[0164]
上述各个模块的具体应用原理和功能，详见实施例1的描述，本实施例不作详赘。
[0165]
显然，本领域的技术人员应该明白，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各控制方法的实施例的流程。上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0166]
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该
程序在执行时，可包括如上述各控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flashmemory)、硬盘(harddiskdrive，缩写：hdd)或固态硬盘(solid-statedrive，ssd)等；存储介质还可以包括上述种类的存储器的组合。
[0167]
实施例3
[0168]
更进一步地，本技术另一方面，提出一种分类系统，包括：
[0169]
处理器；
[0170]
用于存储处理器可执行指令的存储器；
[0171]
其中，所述处理器被配置为执行所述可执行指令时实现上述所述的基于图像识别的三七分类方法。
[0172]
本公开实施例来分类系统包括处理器以及用于存储处理器可执行指令的存储器。其中，处理器被配置为执行可执行指令时实现前面任一所述的一种基于图像识别的三七分类方法。
[0173]
此处，应当指出的是，处理器的个数可以为一个或多个。同时，在本公开实施例的分类系统中，还可以包括输入装置和输出装置。其中，处理器、存储器、输入装置和输出装置之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。
[0174]
存储器作为一计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的一种基于图像识别的三七分类方法所对应的程序或模块。处理器通过运行存储在存储器中的软件程序或模块，从而执行分类系统的各种功能应用及数据处理。
[0175]
输入装置可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置可以包括显示屏等显示设备。
[0176]
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。