MobileNet-v3网络在中草药查询鉴别系统设计与应用

中南民族大学计算机科学学院 龙文汉 蓝佳宁 张东伟

随着中医技术的不断发扬与传承，中草药作为我国的重要医药材料，中草药领域的发展应用一直受到专家学者的重视。目前随着深度学习技术的快速发展，将该技术结合各种实际场景，用来解决现实生活中的问题成为当前的一种趋势。因此，本系统利用深度学习技术，将人工智能技术与民族中草药进行结合，采用最新的图像识别算法模型，开发设计一款基于图像识别的中草药查询鉴别系统，解决目前民族中草药领域识别分类方面存在的问题，并将其应用于实际生活。

1 系统设计

1.1 功能组件

中草药查询鉴别系统将围绕中草药识别模型展开设计开发，通过移动设备传入相关的中草药图像，并搭载在服务器上的识别模型进行识别，并且将相关的中草药信息返回于移动设备进行展示。该系统主要功能如下：

（1）首页展示：首页展示界面应简洁大方，主要设置文字搜索查询、拍照识别查询、历史识别查询三种功能入口。文字搜索查询：可以输入待查询中草药的名称、学名、别名等，同时支持模糊查询；上传图像的识别查询：用户可于移动设备上通过使用摄像头进行拍照上传待识别的图片，或者直接从已经存在于相册中的待识别图片进行上传照片并且通过服务端的网络模型进行识别。同时，待识别的照片可以是自然情况下的中草药植物状态照片，也可以是已经处理过后的草药药材状态的照片；历史识别查询：用户识别过的照片会留存查询记录，用户可直接通过记录再次查询，避免重复上传问题。

（2）草药资料库：通过上述三种查询方式可以直接进入到对应草药的资料库，直接查询到相关草药的信息，该界面将展示待查询草药的详细资料。具体系统功能组件结构如图1所示。

1.2 架构设计

图1 功能组件结构

在软件系统开发中，架构可以确定整个系统中硬件与软件之间的衔接以及通信过程。架构设计是为了提高系统的稳定性，实现系统在高并发情况下可稳定运行。本中草药查询鉴别系统的架构为C/S架构模式，即客户端/服务端模式。其中客户端主要为用户的移动应用，服务端则为部署好的云服务器。在移动应用端主要负责待查询草药的上传以及搜索结果的展示功能；服务器端则实现接受移动设备上传输的文字或图片，利用网络模型的识别结果在中草药数据库中进行识别，并且返回移动设备进行展示。系统框架设计如图2所示。

图2 架构设计图

2 识别算法实现

2.1 Mobilenet-v3简述

在深度学习中减少模型的参数量一直是学者的研究方向，其中最为著名的是MobileNet-v1、MobileNet-v2等轻量级网络。本系统中使用的识别网络则采用结合两者优点的MobileNet-v3。该网络主要具有两个创新点：（1）互补搜索技术组合：在网络结构利用platform-aware NAS与NetAdapt两种技术，第一个技术是在计算和参数量受限的前提下搜索网络的各个模块，即模块级搜索（Block-wise Search），第二个技术是对各个模块确定之后网络层的微调。（2）网络结构改进：基于MobileNet-v2网络断部在最后一步有一定的计算量，为了减少计算量将最后的平均池化层前移，同时删除最后一个卷积层。MobileNet-v3由激励函数swish进行数值近似的h-swish激活函数，如公式(1)所示。

基于以上两个创新点，MobileNet-v3在精度上优于前两个系列网络的同时，在检测速度上也具有优势。MobileNet-v3网络块结构如图3所示。

图3 MobileNet-v3网络块结构

图4 模型训练结果可视化

表1 MobileNet-v3模型性能指标

2.2 实验设计与分析

通过在1.5T机械硬盘，显卡为NVIDIA Tesla P4，运行显存为32G，使用GPU加速计算机配置环境上，使用Python编程语言下搭建Paddle深度学习框架进行训练。

最终模型训练结果如图4所示，该模型在训练过程中acc1（正确标签与预测结果相同的概率）以及acc5（正确标签在预测输出结果最高5项中的概率）在前期收敛速度较快，并且最终稳定与0.9左右。同时loss值则在前期快速收敛，并且最终达到0.027左右。而lr则随着训练进度不断减小，有利于在前期快速达到最优解区间，在后期能逐渐稳定于最终解。

最终模型性能结果如表1所示，该模型在保证94%以上准确率的同时，其预测时间保持在0.3左右。于此同时，经过训练之后获得的模型体积（网络模型中的参数量）也较小。以上实验结果满足图像识别领域中快速、准确的要求，因此将该网络运用于本中草药查询鉴别系统中。

总结：随着科学和技术的快速发展，将深度学习、计算机视觉等新一代信息技术应用到现实生活中解决实际问题已经是不可避免的趋势。当前形势下，我国对中草药医学方面采取了积极的发掘、保护和利用等政策，这促使中草药领域的事业有了较快的恢复与发展。本系统紧随新时代热点，将深度学习、图像识别技术与移动软件应用开发相结合，将目前高性能模型Mobilenet-v3部署于本中草药查询鉴别系统中，并将其作为核心技术应用到系统实现。经过实践应用，该查询鉴别系统能在生活中能准确、快速的识别中草药材，可以帮助人们快速辨认中草药并且普及中草药的相关知识。