基于改进YOLOv7-tiny算法的浙贝母切片角度识别

作     者：乐星辰 杜伟锋 路胜利 开国银 YUE Xingchen;DU Weifeng;LU Shengli;KAI Guoyin

作者机构：浙江科技大学生物与化学工程学院杭州310023 浙江中医药大学药学院浙江省药食植物活性成分与健康国际科技合作基地浙江省中药资源创新与转化中医药重点实验室杭州310053 

出 版 物：《中国实验方剂学杂志》 (Chinese Journal of Experimental Traditional Medical Formulae)

年 卷 期：2024年第30卷第11期

页      面：183-191页

核心收录：

学科分类：1008[医学-中药学(可授医学、理学学位)] 100702[医学-药剂学] 0810[工学-信息与通信工程] 1007[医学-药学(可授医学、理学学位)] 1006[医学-中西医结合] 1005[医学-中医学] 08[工学] 100501[医学-中医基础理论] 081002[工学-信号与信息处理] 10[医学] 100602[医学-中西医结合临床] 

基　　金：浙江省农业(中药材新品种选育)新品种选育重大科技专项(2021C02074-3) 

主　　题：浙贝母 炮制自动化 智能制造 切片工艺 注意力机制 深度卷积网络 目标检测 模型轻量化 

摘      要：目的:基于改进的YOLOv7-tiny算法实现浙贝母切片角度的自动识别。方法:通过数据增广构建16000张包含不同角度浙贝母的图像数据集。对YOLOv7-tiny算法进行改进,将普通卷积替换为鬼影卷积(GhostConv),优选添加坐标注意力机制(CA),将部分激活函数替换为计算量更小的HardSwish函数,在损失函数中添加角度识别误差的惩罚项,并针对同一目标有多个识别结果的现象修改非极大值抑制(NMS)策略。为验证不同改进点对算法模型优化的有效性,对所有的改进点进行消融实验,通过对比在原模型或增加了已验证有效性的改进点的模型基础上增加某改进点前后的预测结果,以评价指标的改善,证明该改进点的有效性。结果:改进的浙贝母切片角度识别算法所需参数量约为原算法的55.4%,计算量约为原算法的59.4%,交并比(IoU)为0.5时的平均精度均值(mAP@0.5)上升了12.2%,识别角度的平均绝对误差(MAE)为5.02°,较原始算法降低了4.58°,在本研究实验环境中,单张图片平均识别时间可达8.7 ms,远快于人类平均反应时间。结论:该研究使用改进YOLOv7-tiny算法实现了浙贝母切片角度的识别,且较原模型更轻量,识别准确度更高,为稳定、准确的浙贝母切片自动化提供了新方法,同时为其他中药的自动化炮制提供了一定的参考。