陳志維，唐珂軻，易智彪，許偉珊，李知曉

（1.東莞廣州中醫(yī)藥大學(xué)研究院，廣東 東莞 523808；2.廣州至信中藥飲片有限公司，廣東 廣 州 510430；3.中國(guó)科學(xué)院大學(xué)，北京 100049；4.中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所，沈陽(yáng) 110168）

陳皮是臨床常用的一味中藥，來(lái)源于蕓香科植物橘Citrus reticulata Blanco 及其栽培變種的干燥成熟果皮，具有理氣健脾、燥濕化痰之功效[1]。主產(chǎn)于廣東的來(lái)源于栽培變種的茶枝柑Citrus reticulata‘Chachi’被稱為“廣陳皮”，亦稱新會(huì)陳皮。其他來(lái)源于溫州蜜柑Citrus reticulata‘Unshiu’、大紅袍Citrus reticulata‘Dahongpao’、福橘Citrus reticulata‘Tange‐rina’等均稱為“陳皮”?！皬V陳皮”作為道地藥材和稱呼起源于宋元時(shí)期，明清兩代宮廷御醫(yī)都認(rèn)可廣陳皮為優(yōu)質(zhì)道地藥材，受到眾醫(yī)家的青睞和推崇，并有后來(lái)的“橘皮，產(chǎn)粵東新會(huì)，陳久者良”、“廣東新會(huì)皮為勝，陳久者良，故名陳皮”的記載[2,3]，因此商品“廣陳皮”的價(jià)格比一般“陳皮”的價(jià)格高出幾倍。由于“陳皮”與“廣陳皮”的性狀外觀相近，從外觀性狀上難以區(qū)分。2020 版《中國(guó)藥典》在含量測(cè)定項(xiàng)下，新增通過(guò)測(cè)定“廣陳皮”中川陳皮素、橘皮素的含量，以區(qū)分“陳皮”和“廣陳皮”。雖然也有研究通過(guò)其他物理與化學(xué)的手段對(duì)“廣陳皮”和“陳皮”進(jìn)行區(qū)分[4-6]，但是這些手段都需要用到檢測(cè)儀器，樣品需經(jīng)過(guò)前處理，成本高，周期長(zhǎng)，不利于進(jìn)行現(xiàn)場(chǎng)快速鑒定?！瓣惼ぁ迸c“廣陳皮”二者的性狀外觀雖然接近，但在外表皮的色澤，點(diǎn)狀油室的相對(duì)大小，質(zhì)地的軟硬程度上也有一定的差別，資深的檢驗(yàn)人員能夠通過(guò)其外觀、性狀、氣味等區(qū)分“陳皮”與“廣陳皮”，因此性狀鑒別是最快速、常用的檢測(cè)手段。但傳統(tǒng)的人工目檢是由人主觀判斷，判斷結(jié)果取決于判斷者的主觀經(jīng)驗(yàn)，缺乏客觀量化的統(tǒng)一標(biāo)準(zhǔn)，同時(shí)老藥工的經(jīng)驗(yàn)難以復(fù)制，存在一定的局限性。

計(jì)算機(jī)視覺(jué)技術(shù)是隨著計(jì)算機(jī)技術(shù)的快速發(fā)展而延伸出來(lái)的一個(gè)新的計(jì)算機(jī)應(yīng)用領(lǐng)域，是一門包含圖像處理及分析，模式識(shí)別和人工智能等方面的交叉性學(xué)科?；谏疃壬窠?jīng)網(wǎng)絡(luò)的計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)在圖像識(shí)別已經(jīng)有廣泛的應(yīng)用，其中在中藥的快速識(shí)別上也有一定的研究[7-9]?；谏鲜鲅芯炕A(chǔ)，本實(shí)驗(yàn)將嘗試通過(guò)提取“陳皮”與“廣陳皮”的表面特征圖像，以經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型為骨干模型，建立一種快速識(shí)別“陳皮”與“廣陳皮”的方法，為“廣陳皮”的快速識(shí)別方法提供基礎(chǔ)，滿足“廣陳皮”商品流通過(guò)程中快速識(shí)別的需求。

1 卷積神經(jīng)網(wǎng)絡(luò)及骨干模型介紹

卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks,CNN）是深度學(xué)習(xí)的代表算法之一，是一種類似于人工神經(jīng)網(wǎng)絡(luò)的多層感知器，長(zhǎng)期以來(lái)是圖像識(shí)別領(lǐng)域的核心算法之一。CNN 可以提取圖像的高層表達(dá)，獲得特征數(shù)據(jù)，通過(guò)這些特征數(shù)據(jù)能夠?qū)Σ煌N類的圖片加以區(qū)分，從而起到智能識(shí)別、智能分類的作用[10]。CNN 算法發(fā)展至今，發(fā)展出多種不同的算法模型，本文主要使用VGG、Inception、ResNet 和DenseNet進(jìn)行測(cè)試。

VGG[11]是牛津大學(xué)Visual Geometry Group 研究團(tuán)隊(duì)于2014 年在大型視覺(jué)識(shí)別挑戰(zhàn)賽（Large Scale Visual Recognition Challenge, ILSVRC）中提出的一系列模型。VGG 采用1x1 和3x3 的卷積核以及2x2的最大池化使得層數(shù)變得更深，常用的版本包括VGG11、VGG13、VGG16、VGG19等。

卷積神經(jīng)網(wǎng)絡(luò)層數(shù)越多，意味著能夠提取得到不同水平的特征越豐富，越深的網(wǎng)絡(luò)提取的特征越抽象，越具有語(yǔ)義信息。主流的網(wǎng)絡(luò)結(jié)構(gòu)突破大致是網(wǎng)絡(luò)更深（層數(shù)更多），網(wǎng)絡(luò)更寬（神經(jīng)元數(shù)更多）。但事實(shí)證明，隨著網(wǎng)絡(luò)模型層數(shù)的增加，深層網(wǎng)絡(luò)訓(xùn)練模型的訓(xùn)練效果不一定變得更好。參數(shù)太多，在訓(xùn)練數(shù)據(jù)集有限情況下，更容易導(dǎo)致過(guò)擬合。網(wǎng)絡(luò)越大，計(jì)算復(fù)雜度越大，對(duì)硬件的要求也越高。另一方面，網(wǎng)絡(luò)越深，梯度越往后穿越容易消失（梯度彌散），更難以優(yōu)化模型。

Inception[12]是Google 在2014 年在GoogLeNet 中提出的，是一種通過(guò)增加網(wǎng)絡(luò)的寬度來(lái)堆疊參數(shù)的一種模型，是ILSVRC 2014 的冠軍模型。Inception的主要特征就是將常用的卷積核：1x1、3x3、5x5 和池化操作堆疊在一起，讓模型自主選擇合適的感受野，從而增加網(wǎng)絡(luò)的寬度和參數(shù)量。

殘差網(wǎng)絡(luò)（Residual neural network,ResNet）[13]是2015年Kaiming He提出的網(wǎng)絡(luò)模型。該模型解決了一般網(wǎng)絡(luò)模型增加卷積層數(shù)，造成誤差率上升的現(xiàn)象。ResNet 通過(guò)建立前面層與后面層之間的“短路連接”（shortcuts，skip connection），這有助于訓(xùn)練過(guò)程中梯度的反向傳播，從而能訓(xùn)練出更深的CNN 網(wǎng)絡(luò)。

密集連接網(wǎng)絡(luò)（Densely connected convolutional network, DenseNet）[14]的基本思路與ResNet 一致，不同的是DenseNet是以前饋的方式將各分層鏈接到每一層，形成密集連接（dense connection）。這種設(shè)計(jì)可以緩解梯度消失問(wèn)題，提高模型精度，并大幅減少參數(shù)量。如此設(shè)計(jì)使得網(wǎng)絡(luò)訓(xùn)練更加容易，每一層都可以利用原始的輸入信息和損失函數(shù)的梯度，這也更加有利于訓(xùn)練更深的網(wǎng)絡(luò)。并且其稠密鏈接的正則化作用在少量的訓(xùn)練集中可以有效降低過(guò)擬合。在DenseNet 出現(xiàn)之前，CNN 的進(jìn)化一般通過(guò)層數(shù)的加深（ResNet）或者加寬（Inception）的方式進(jìn)行，而DenseNet則通過(guò)對(duì)特征的復(fù)用提出了一種新的結(jié)構(gòu)，不但減緩了梯度消失的現(xiàn)象參數(shù)量也更少，也因此獲得CVPR 2017的最佳論文獎(jiǎng)。

2 材料與方法

2.1 實(shí)驗(yàn)材料 選擇陳皮（CP）5 各批次，廣陳皮（GCP）樣品7 各批次，共12 個(gè)批次，各批次樣品由廣東省藥品檢驗(yàn)所提供，具體來(lái)源見表1。

表1 陳皮樣品一覽表

2.2 實(shí)驗(yàn)設(shè)備及軟件 圖像采集設(shè)備：蔡司Discovery V20 體視顯微鏡；硬件配置：Intel 16 core CPU，64G RAM，RTX2080TI * 6；軟件配置：UBUNTU 14.04.1LTS，Python 3.8.6，CUDA 11.2，Nvidia-smi 460.80，cuDNN 7.0，Tensorflow 2.0。

2.3 方法

2.3.1 圖像采集 將樣本展平后放置于觀察臺(tái)上，設(shè)置放大倍數(shù)為8.3 倍，調(diào)節(jié)合適亮度，采集樣本外表面圖像，圖片保存為JPEG 格式，分辨率為2752*2208，同一批次樣品采樣量不少于100張圖片。保證了飲片圖像的準(zhǔn)確性的同時(shí)保證圖片數(shù)量。部分圖像如圖1所示。

圖1 陳皮（CP）及廣陳皮（GCP）采集圖樣集

2.3.2 數(shù)據(jù)擴(kuò)增 卷積神經(jīng)網(wǎng)絡(luò)模型需要擬合上百萬(wàn)個(gè)參數(shù)，模型訓(xùn)練通常需要上百萬(wàn)張圖像樣本的大規(guī)模數(shù)據(jù)集。然而在應(yīng)用研究中難以獲取如此大數(shù)量級(jí)的圖像數(shù)據(jù)，新構(gòu)建并訓(xùn)練一個(gè)模型在實(shí)踐中難以實(shí)現(xiàn)。本文采用樣本生成方法進(jìn)行數(shù)據(jù)擴(kuò)增，包括：樣本圖片調(diào)整為224*224 像素，旋轉(zhuǎn)范圍40度，橫向平移范圍20%，縱向平移范圍20%，歸一化，放大與縮小范圍20%以及水平翻轉(zhuǎn)。數(shù)據(jù)擴(kuò)增方式如圖2所示。

圖2 圖像數(shù)據(jù)擴(kuò)增方式示意圖

2.3.3 數(shù)據(jù)集分類 將采集得到的數(shù)據(jù)根據(jù)廣陳皮、陳皮進(jìn)行劃分，各組數(shù)據(jù)集再分為訓(xùn)練集（Train）-直接用于模型訓(xùn)練的數(shù)據(jù)集；驗(yàn)證集（Validation）-不參與模型訓(xùn)練，用于模型效果驗(yàn)證的數(shù)據(jù)集；測(cè)試集（Test）-用于評(píng)價(jià)模型泛化與外推能力的數(shù)據(jù)集。從廣陳皮類別樣本抽出其中一個(gè)品種的所有樣本作為測(cè)試集，剩余樣本按4∶1劃分為訓(xùn)練集與驗(yàn)證集。

2.3.4 模 型 選 擇 采 用 VGG19、Inception-V3、Resnet101、Densenet121 等經(jīng)典骨干模型進(jìn)行訓(xùn)練測(cè)試。為增加收斂速度，采用Imagenet 預(yù)訓(xùn)練權(quán)重作為預(yù)訓(xùn)練模型，調(diào)整相關(guān)參數(shù)，提高訓(xùn)練準(zhǔn)確率和效率。統(tǒng)一在骨干網(wǎng)絡(luò)底部將多維向量一維化，接駁基于ReLU激活函數(shù)的多層全連接層與Dropout層提高抗過(guò)擬合的能力，最后使用分類器進(jìn)行輸出。

3 實(shí)驗(yàn)過(guò)程與結(jié)果

3.1 網(wǎng)絡(luò)篩選 每個(gè)網(wǎng)絡(luò)訓(xùn)練的學(xué)習(xí)率設(shè)定為0.0001，使用指數(shù)衰減學(xué)習(xí)率。選擇二值交叉熵/對(duì)數(shù)損失作為目標(biāo)函數(shù)。在網(wǎng)絡(luò)篩選階段，對(duì)每個(gè)網(wǎng)絡(luò)進(jìn)行100 輪的訓(xùn)練探索?？梢园l(fā)現(xiàn)在訓(xùn)練的前10輪中，Resnet101 與InceptionV3 的損 失函 數(shù)（loss function，loss 表示預(yù)測(cè)值與目標(biāo)值的差距）得到快速下降，網(wǎng)絡(luò)對(duì)數(shù)據(jù)具有較好的適應(yīng)性，隨著訓(xùn)練次數(shù)的繼續(xù)增加，識(shí)別準(zhǔn)確度緩慢的增長(zhǎng)，損失函數(shù)逐漸降低并最后收斂。但VGG19 與DenseNet121 可能存在一定的過(guò)擬合情況，損失函數(shù)在第一輪訓(xùn)練后就處于平穩(wěn)，結(jié)果見圖3。

圖3 網(wǎng)絡(luò)篩選輸出結(jié)果

3.2 交叉驗(yàn)證 根據(jù)網(wǎng)絡(luò)篩選的情況，選擇Incep‐tionV3 與Resnet101 作為進(jìn)一步驗(yàn)證的網(wǎng)絡(luò)模型。同時(shí)，對(duì)網(wǎng)絡(luò)訓(xùn)練相關(guān)參數(shù)進(jìn)行微調(diào)，采用驗(yàn)證集數(shù)據(jù)進(jìn)行五折交叉驗(yàn)證（Cross Validation），并最終采用測(cè)試集進(jìn)行最終優(yōu)選模型的判定。交叉驗(yàn)證，也稱作循環(huán)估計(jì)（Rotation Estimation），是一種統(tǒng)計(jì)學(xué)上將數(shù)據(jù)樣本切割成較小子集的實(shí)用方法。在實(shí)際的訓(xùn)練中，由于初始條件敏感，訓(xùn)練的結(jié)果對(duì)于訓(xùn)練集的擬合程度通常較高，而對(duì)于訓(xùn)練集之外的數(shù)據(jù)的擬合度通常較差。此時(shí)引入驗(yàn)證集數(shù)據(jù)，對(duì)訓(xùn)練集生成的參數(shù)進(jìn)行測(cè)試，相對(duì)客觀的判斷這些參數(shù)對(duì)訓(xùn)練集之外的數(shù)據(jù)的符合程度，這種方法就稱為交叉驗(yàn)證。根據(jù)交叉驗(yàn)證和測(cè)試集識(shí)別的結(jié)果顯示，采用Resnet101 骨干網(wǎng)絡(luò)的準(zhǔn)確率均高于采用Incep‐tionV3 的準(zhǔn)確率，最終選擇Resnet101 骨干網(wǎng)絡(luò)模型作為最終方案。

表2 InceptionV3與Resnet101比較結(jié)果

4 討論

本研究通過(guò)獲取陳皮及廣陳皮的外觀特征圖像，利用卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的計(jì)算機(jī)視覺(jué)技術(shù)，通過(guò)比較VGG、Inception、Resnet、Densenet 等經(jīng)典骨干模型的識(shí)別效率及準(zhǔn)確率，最終選擇了Resnet 作為骨干模型，建立了一種無(wú)損快速識(shí)別陳皮及廣陳皮的方法，識(shí)別準(zhǔn)確率達(dá)到94%。通過(guò)該研究成果，在現(xiàn)實(shí)鑒別場(chǎng)景中只需將待鑒別飲片圖像傳入計(jì)算機(jī)軟件中，就能達(dá)到快速識(shí)別的效果。結(jié)合智能手機(jī)及網(wǎng)絡(luò)，可作為一種日常的陳皮及廣陳皮快速識(shí)別方法。與常用人工特征提取方法，卷積神經(jīng)網(wǎng)絡(luò)可有效提取圖像高級(jí)特征，能較為準(zhǔn)確區(qū)分出陳皮與廣陳皮。但由于本研究數(shù)據(jù)樣本量偏少，其識(shí)別準(zhǔn)確率仍有提升空間，且需要在特定的采樣條件及采樣要求下采集圖片才能得到準(zhǔn)確的識(shí)別效果。后續(xù)研究將可以通過(guò)增加圖像樣本數(shù)，增加背景干擾等方式，提高識(shí)別準(zhǔn)確率，保證在不同場(chǎng)景下及樣本條件下的分類識(shí)別的準(zhǔn)確率。