基于改进的YOLOX的中药材检测算法研究

作     者：鲁鑫 

作者单位：长江大学 

学位级别：硕士

导师姓名：肖小玲

授予年度：2023年

学科分类：1008[医学-中药学(可授医学、理学学位)] 1006[医学-中西医结合] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 100602[医学-中西医结合临床] 10[医学] 

主      题：中药材检测 YOLOX SPPF skattention Bot 

摘      要：我国地大物博,所蕴含的中药材储量是十分庞大的,中药材种类繁多且彼此之间相似度大,不容辨认。现实中,中药材店铺的中药材出售以及学习中医的学生对中药材的学习都需要对中药材进行识别,因此开展中药材检测算法研究是十分必要的。为了更好地便利与中药材息息相关的人群,本文对中药材检测算法进行研究,引入YOLOX网络模型用于中药材检测算法研究,并对该模型进行改进优化以取得更好的检测效果。本文的主要工作及创新性体现在以下几个方面:(1)构建中药材数据集。本文对公开的中药材数据集进行处理,总共包含21类中药材。对21类中药材数据集利用labelimg工具对标签进行手动标注,并利用数据增强方法对中药材数据进行数据集质量的增强,对后续对中药材数据集的训练奠定基础。(2)进行目标检测算法的研究。本文对目前常见的目标检测算法进行研究,包括二阶段的R-CNN系列算法以及一阶段的SDD算法和YOLOX系列算法。针对本文的中药材数据集对这些常见的目标检测算法进行对比实验,得出YOLOX算法对本文的中药材数据集检测性能最优。(3)提出一种基于改进的YOLOX的中药材检测算法。本文提出一种基于改进的YOLOX的中药材检测算法。率先对YOLOX的各功能模块实行分析研究,接着在同等的网络训练要求下,将YOLOX网络模型与其他深度学习算法的检测效果进行对比。并将YOLOX的空间金字塔池化SPP模块改为SPPF模块,并且在SPPF模块上一层加入skattention注意力机制,最后在SPPF模块下一层加入Bot主干架构。实验证明,在本文中的中药材数据集下YOLOX和改进之后的YOLOX的综合检测性能更佳,实时性以及准确率都能够实现。本文以F1-score、Recall以及mAP作为模型的效果评价指标。以fuling、jinyinhua、sangshen三类中药材作为初始数据集与常见的目标检测算法进行对比实验之后,得出YOLOX算法的检测性能最优。YOLOX算法的F1-score在众多算法中最高,为0.99。YOLOX算法的Recall为98.26%,YOLOX算法的m AP最高,为98.77%。之后对YOLOX进行改进,并把中药材数据集增大到21类。经过改进后的YOLOX算法的性能达到最优。F1-score为0.89,Recall为0.94,m AP为0.905,比单独进行改进的YOLOX效果都要好。