中文引用格式： 韩德强，李宗耀，杨淇善，等. 基于eIQ的中药材图像识别系统的设计与实现[J]. 电子技术应用，2023，49(10)：118-123.
英文引用格式： Han Deqiang，Li Zongyao，Yang Qishan，et al. Design and implementation of image recognition system for Chinese medicinal materials based on eIQ[J]. Application of Electronic Technique，2023，49(10)：118-123.
0 引言
中医作为中华民族原创的医学科学，在我国有着悠久的历史，是我国医药宝库中的重要组成部分。目前，中医在心脑血管疾病、糖尿病等重大慢性病的防控及重大传染性疾病的临床研究都取得积极进展，在此次新冠疫情的治疗与防护中更是发挥了不可替代的作用[1]。而中药则是中医中最常见的治疗手段。传统的中药材识别主要依靠经验丰富的医生，通过眼看、手摸、鼻闻、口尝、水试、火试等方法来识别出每种中药材的真伪优劣。
目前，中药材的智能识别主要依靠复杂的深度神经网络实现。其中，吴冲等利用人工智能和机器视觉技术设计出一种检测贝母、山楂及半夏饮片质量方法[2]。张志光通过向YOLO4目标检测算法中加入Non-local注意力机制和RFB（Receptive Field Block，增强感受野）模块来提升算法在复杂背景和不同尺度下中药饮片的识别性能[3]。徐飞等通过强化特征提取改进的AlexNet模型对5类中草药叶片进行训练并通过增广数据集，提高了中草药图像分类的准确率[4]。李鑫利用Faster- RCNN算法对黄芪、白术、白芷、白芨、西洋参五种药材进行训练并搭建了中药饮片图像识别模型[5]。
由于借助神经网络实现中药材识别需要大量的矩阵运算、存储空间和功耗，因此大多依赖图形处理器（Graphic Processing Unit，GPU）或服务器实现，不但成本较高，而且在实际使用中非常不便。然而微控制器（Microcontroller Unit, MCU）却具有体积小、功耗低、成本低以及高实时性的优势。并且随着轻量级神经网络模型和拥有高性能、高主频且包含有算力扩展的Cortex-M7内核的MCU的出现，使得在MCU平台上实现中药材识别变为了可能。
本文针对目前在MCU平台无法实现复杂深度神经网络的应用和中药材图像数据集不足的问题，提出了在MCU平台实现基于MobileNetV3模型的中药材图像识别系统。借助eIQ机器学习软件开发环境构建MobileNetV3-Small模型，通过采用Hard-swish激活函数、Adam优化器等，修改模型参数完成对中药材数据集的训练与验证，并对模型进行量化和压缩操作，将最终生成的模型文件部署至i.MX RT1060开发板上，实现对中药材的识别。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005724
作者信息：
韩德强，李宗耀，杨淇善，高雪园
（北京工业大学 信息学部，北京 100124）
