基于ResNET50模型进行迁移学习构建中药饮片分类Web App

本文主要介绍如何利用深度学习迁移方法进行中药分类的设计的过程

1.数据采集

大量有效的中药图片是宝贵的资源，采用自己拍照的方式收集非常耗时，可以从借助搜索引擎从网络抓取中药材图片，方法如下

（1）安装Fatkun插件

在Chrome安装Fatkun插件，可以很方便的下载选定好的图片，并且可以对图片进行重命名保存，插件下载安装地址

https://chrome.google.com/webstore/detail/fatkun-batch-download-ima/nnjjahlikiabnchcpehcpkdeckfgnohf?hl=zh-CN

（2）搜索图片

打开搜索引擎https://images.google.com/?gws_rd=ssl（也可以使用百度）进行中药材图片的检索，例如搜索白术，然后下拉滚动网页刷新，大概获取200张左右图片后停止滚动

（3）下载图片

单击chrome右上角的Fatkun插件，

然后选择当前标签，即对当前页面的图片进行选定下载，

 

选择反选取消默认的选择，然后自己手动选择中药材图片，可以避免去除一些有噪声的不好的图片，全部选择好后，单击选项，选择按此重命名

然后再选择保存图片按钮，浏览器就会自动开始下载图片，全部下载完后，将会在下载文件夹里出现”白术-google搜索“文件夹，里面包含了下载的图片，浏览全部图片，把不能显示的损坏的图片删除，按照上面的方法再下载其他种类的中药材图片。最后枸杞、白术、茯苓各140张，然后按4：1比例分为训练集和验证集，即每个种类训练集112张，验证集28张。

2.在google drive上创建数据集

如果没有google账号，请先申请一个google账号并登陆。因为我们将借助google免费在线 Jupyter 笔记本Colaboratory 的GPU进行自建数据集的训练，Colaboratory 是一个免费的 Jupyter 笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。借助 Colaboratory，您可以编写和执行代码、保存和共享分析结果，以及利用强大的计算资源，所有这些都可通过浏览器免费使用。

（1）上传中药数据到google drive

打开google dirve云端硬盘，在mydrive下新建data文件夹，然后再新建medicine文件夹，再新建train和test文件夹（分别存放训练集和验证集），再新建model文件用于存放最后训练好的模型，tmp文件夹用于存放测试图片

最后的目录结构如下

然后将本地磁盘的枸杞、白术等文件夹拖到google drive的medicine文件下，注意train下面每个中药分类112张，test文件夹下每个种类28张。

 

3.创建colab在线笔记训练数据

（1）创建colab在线笔记

打开https://colab.research.google.com在编辑器，选择Google云端硬盘，然后选择下方的“新建python3笔记本”

（2）修改运行时为GPU，提高训练速度

选择上面的菜单代码执行程序-》更改运行时类型-》选择GPU后保存，然后再单击笔记本上方右边的连接，等待片刻，google将会为您分配一个强大的GPU云端计算引擎