技术摘要：
本发明公开了一种轻量级中药材识别方法，包括如下步骤：S1：采集中药材图片并对图片进行预处理；S2：采用卷积神经网络，对其进行张量分解；S3：微调训练；S4：Softmax分类器接收传递来的向量，并对向量信号进行处理，得到分类结果，对图像作分类。本发明提出的轻量级中  全部
背景技术：
中药主要由植物药(根、茎、叶、果)、动物药(内脏、皮、骨、器官等)和矿物药组成。 因植物药占中药的大多数，所以中药也称中草药。中国各地使用的中药已达5000种，把各种 药材相配而形成的方剂，更是数不胜数。在中药资源上，中国占据垄断地位，古代先贤把中 草药进行研究总结，经过几千年的研究，已经形成了一本独立的学科，草本学。中药是中医 预防和治疗疾病使用的独特的药物，是中医区别于其他医学的重要标志。 目前中药材的识别主要还是依靠专业人员根据自己的知识和经验，或者根据图片 对比来鉴别药材。但人的经验识别和鉴定的准确性、重现性、识别准确率较低。但是随着人 们对健康的追求，越来越多的人更倾向于选择副作用更小的中药来预防或者治疗疾病，但 是由于大部分人都不是专业人员，对中药材方面的知识十分匮乏，还是停在只听从中医的 药房，但是却想认识中药材；以及有些人想认识中药材但是身边却没有相关专业人员；同时 存在中药材种类繁多，市场庞大，甚至很多采购人员都不能很好地识别出药材，这就会造成 误识中药材，甚至会导致严重的后果。 图像识别一直以来都是计算机领域一个重要的研究方向，近年来越来越多的人进 入到这个领域来进行研究。深度学习近十几年来在人工智能领域飞速发展，利用深度神经 网络学习、训练模型，对图像进行智能识别，从而提高识别的准确率，已经应用非常广泛。但 是深度学习目前仍然存在一些问题。为了达到更好的性能，深度神经网络通常深度深，层数 多，会造成训练时间长以及参数量大的问题，对深度神经网络的应用造成了很大的障碍。为 了解决这两个问题，用张量分解方法对深度卷积网络中的卷积层和全连接层进行分解，可 以达到减少训练时间，加快训练速度，减少参数量的目的。 基于上述问题，提出一种轻量级中药材识别方法。
技术实现要素：
本发明的目的在于提供一种轻量级中药材识别方法，具有所占内存空间小，计算 复杂度低，可移植性好，能够在手机等边缘端设备上运行，对模型中参数进行张量分解，大 幅度减少了模型中的参数，加快了训练的速度；采用深度卷积神经网络，分类效果好，学习 能力强的优点，以解决上述