基于卷积神经网络的天麻表面破损检测研究*

夏 敏，孙 鹏，费琦琪，赵旭东，杨琳琳

(云南农业大学 机电工程学院，云南 昆明 650201)

天麻(Gastrodia elata Blume)是中国名贵中药材，可以治疗头痛眩晕、肢体麻木、小儿惊风、癫痫、抽搐和破伤风等症状，有较高的实用价值[1]。但如果天麻不经分选直接进入销售市场，会严重降低其经济价值；传统的人工分选方式，劳动强度大、效率低，存在主观性强、准确率低和成本高等问题，已不能满足天麻分选的实际要求。

近几年随着人工智能不断发展，人工神经网络和机器视觉等方法应用越来越广泛，利用深度学习自动从大量样本中识别特征并分类图像的技术日渐成熟。如付豪等[2]设计并搭建基于机器视觉的玉米幼苗叶面积检测装置，开发相应的图像采集及处理软件对装置进行控制，并对获取的玉米幼苗植株图像进行处理，以实现对玉米幼苗叶面积的在线无损检测。王佳[3]通过计算机视觉技术对香芋进行病害识别，利用建立的香芋病害数据库，对需要识别的香芋病害进行特征提取、病害分析，实现病害自动识别。赵晶等[4]搭建了基于机器视觉的小粒咖啡豆检测系统，开发了系统分析与控制软件，以期实现小粒咖啡工厂化生产中果径宽度和烘焙程度的在线检测分级。王利伟等[5]利用数字图像处理相关技术对葡萄叶部白粉病、黑腐病和霜霉病图像进行预处理以及特征提取，并采用多特征组合的方式通过支持向量机(support vector machine)对病斑进行分类识别测试。王奕[6]通过构建二维马铃薯内部病虫害视觉图像采集模型，结合图像的分块融合检测方法进行特征识别和提取，采用颜色提取分解和纹理分割技术，实现对马铃薯内部病虫害的特征识别。……