(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111631888.5 (22)申请日 2021.12.2 9 (71)申请人 浙江大学滨江研究院 地址 310051 浙江省杭州市滨江区东信大 道66号二号楼301 (72)发明人 许迎科　杨海旭　朱云奇　方秋雨　 金璐红　 (74)专利代理 机构 杭州天勤知识产权代理有限 公司 33224 代理人 高燕 (51)Int.Cl. G06V 20/69(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) (54)发明名称 基于YOLOX模型的中成药药材成分的检测方 法及装置 (57)摘要 本发明公开了一种基于YOLOX模 型的中成药 药材成分的检测方法及装置， 包括以下步骤： (1) 采集中成药粉末的显微图像进行标注、 预处理， 构建成训练集； (2)以YOL OX‑S网络模型为基础构 建目标检测模 型； 所述的目标检测模 型包括输入 层、 特征提取网络、 多尺度特征融合网络、 解耦输 出网络、 输 出层； (3)采用所述的训练集对目标检 测模型进行训练； (4)采集待测中成药粉末 的显 微图像并输入至训练好的目标检测模 型中， 即可 获得显微图像中存在的药材成分的类别信息及 各药材成分在显微图像中对应的位置信息。 本发 明的检测方法极大的降低复方中成药的检测难 度、 保证检测精度、 提高检测速率度和降低误检 率。 权利要求书2页 说明书7页 附图5页 CN 114299492 A 2022.04.08 CN 114299492 A 1.一种基于 YOLOX模型的中成药 药材成分的检测方法， 其特 征在于， 包括以下步骤： (1)采集中成药粉末的显微图像进行 标注、 预处 理， 构建成训练集； (2)以YOLOX ‑S网络模型为基础构建目标检测模型； 所述的目标检测模型包括输入层、 特征提取网络、 多尺度特 征融合网络、 解耦输出网络、 输出层； 所述的特征提取网络为DarkNet ‑53网络结构， 用于分层提取显微图像的不同尺度的特 征； 所述的多尺度特征融合网络采用特征金字塔结构， 用于对特征提取网络提取 的特征进 行融合； 所述的解耦输出网络对多尺度特征融合网络的输出进行解耦， 输出预测到的药材 类别信息、 药材位置信息和额外的回归分支信息； 所述的输出层将目标类别信息、 目标位置 信息合并至 输入的显微图像中作为 最终输出； (3)采用所述的训练集对目标检测模型进行训练； (4)采集待测中成药粉末的显微图像并输入至训练好的目标检测模型中， 即可获得显 微图像中存在的药 材成分的类别 信息及各 药材成分在显微图像中对应的位置信息 。 2.根据权利要求1所述的基于YOLOX模型的中成药药材成分的检测方法， 其特征在于， 所述的中成药粉末的药材成分包括半夏、 陈皮、 杭白菊、 杜仲、 石斛、 木槿花、 玫瑰、 红花、 西 红花和甘草中的至少一种。 3.根据权利要求1或2所述的基于YOLOX模型的中成药药材成分的检测方法， 其特征在 于， 所述的显微图像包含中药材成分的显微特征； 所述的显微特征包括晶纤维、 柱头顶端表 皮细胞、 菌丝、 非腺毛、 木栓组织、 花粉、 草酸钙方晶、 草酸钙针晶、 橡胶丝、 分泌细胞、 纤维 束、 草酸钙簇晶和石细胞中的至少一种。 4.根据权利要求1所述的基于YOLOX模型的中成药药材成分的检测方法， 其特征在于， 所述的预处理包括： 对显微图像进行归一化、 裁剪、 随机上下左右翻转、 缩放、 随机颜色变 化、 Moisaic和CutMix处 理。 5.根据权利要求1所述的基于YOLOX模型的中成药药材成分的检测方法， 其特征在于， 所述的Dar kNet‑53网络包括依次连接的两个卷积层、 一个残差模块、 一个卷积层、 两个残差 模块、 一个卷积层、 八个残差模块、 一个卷积层、 八个残差模块、 一个卷积层、 四个残差块、 一 个卷积层； 每 个卷积层后面接一个批次正则化层和LReLU激活层。 6.根据权利要求5所述的基于YOLOX模型的中成药药材成分的检测方法， 其特征在于， 所述的多尺度特征融合网络采用特征金字塔结构； Dar kNet‑53网络的最后一层输出分为两 部分， 一部分直接送入解耦输出网络中， 另一部分经过上采样后与第十九个残差块的输出 进行通道拼接； 拼接后的结果进 行特征提取， 之后分两部 分输出， 一部 分送入解耦输出网络 中， 另一部分经过上采样后与第十一个残差块的输出进行通道拼接； 拼接后的结果进行特 征提取， 之后送入解耦输出网络中。 7.根据权利要求1所述的基于YOLOX模型的中成药药材成分的检测方法， 其特征在于， 所述的解耦输出网络将药材位置信息输出的前一层的特征通过编 码、 上采样后作为额外的 特征通道与药材类别输出的特征通道进行拼接， 用于区分含有相似结构特征的不同药材成 分。 8.根据权利要求1所述的基于YOLOX模型的中成药药材成分的检测方法， 其特征在于， 步骤(3)中， 使用Adam优化器对目标检测模型进行优化。 9.根据权利要求8所述的基于YOLOX模型的中成药药材成分的检测方法， 其特征在于，权　利　要　求　书 1/2 页 2 CN 114299492 A 2学习率为0.001。 10.一种基于 YOLOX模型的中成药 药材成分的检测装置， 其特 征在于， 包括： 显微图像预处理模块， 用于对采集的中成药粉末的显微图像进行标注、 预处理， 构建成 训练集； 目标检测网络构 建模块， 以YOLOX ‑S网络模型为基础构 建的目标检测模型； 所述的目标 检测模型包括输入层、 特征提取网络、 多尺度特征融合网络、 解耦输出网络、 输出层； 所述的 特征提取网络为DarkNet ‑53网络结构， 用于分层提取显微图像的不同尺度的特征； 所述的 多尺度特征融合网络采用特征金字塔结构， 用于对特征提取网络提取 的特征进行融合； 所 述的解耦输出网络对多尺度特征融合网络的输出进行解耦， 输出预测到的药材类别信息、 药材位置信息和额外的回归分支信息； 所述的输出层将目标类别信息、 目标位置信息合并 至输入的显微图像中作为 最终输出； 目标检测模型训练模块， 采用所述的训练集对目标检测模型进行训练； 目标检测模块， 将待测中成药粉末的显微图像输入至训练好的目标检测模型中， 获得 显微图像中存在的药 材成分的类别 信息及各 药材成分在显微图像中对应的位置信息 。权　利　要　求　书 2/2 页 3 CN 114299492 A 3