一、介紹
中草藥識別系統，基於TensorFlow搭建Resnet50卷積神經網絡算法，通過對10種常見的中草藥圖片（'丹蔘', '五味子', '山茱萸', '柴胡', '桔梗', '牡丹皮', '連翹', '金銀花', '黃姜', '黃芩'）數據集進行訓練，最後得到一個識別精度較高的模型，然後搭建Web可視化操作平台。
技術棧：
- 項目前端使用Html、CSS、BootStrap搭建界面。
- 後端基於Django處理邏輯請求
- 基於Ajax實現前後端數據通信
技術棧：
- 項目前端使用Html、CSS、BootStrap搭建界面。
- 後端基於Django處理邏輯請求
- 基於Ajax實現前後端數據通信
選題背景與意義：
隨着中醫藥現代化進程不斷推進，中草藥的準確識別成為保障藥材質量與用藥安全的重要環節。傳統鑑別方法主要依賴人工經驗，存在主觀性強、效率較低等問題，難以適應規模化、標準化的發展需求。為此，本研究基於TensorFlow框架，引入ResNet50卷積神經網絡算法，構建了一個高效的中草藥圖像識別模型。該模型通過對丹蔘、五味子、山茱萸等10種常見中草藥圖像數據集進行訓練，實現了較高精度的自動分類識別。為進一步提升系統的實用性與可操作性，項目還集成Web可視化平台，前端採用HTML、CSS與BootStrap構建交互界面，後端基於Django實現邏輯處理，並通過Ajax完成前後端數據通信，從而為用户提供便捷、直觀的中草藥識別服務。
二、系統效果圖片展示
三、演示視頻 and 完整代碼 and 安裝
地址：https://ziwupy.cn/p/iUAG7L
四、卷積神經網絡算法介紹
ResNet50是深度殘差網絡（ResNet）的一個經典結構，包含50層深度。其核心創新是殘差學習（Residual Learning），通過引入“跳躍連接”（Shortcut Connection），將輸入直接跨層傳遞並與卷積輸出相加。這種設計有效緩解了深度神經網絡中的梯度消失和梯度爆炸問題，使得網絡可以訓練得更深、更穩定，同時保持較高的特徵提取能力。ResNet50在ImageNet等大型圖像數據集上表現出色，常被用作圖像分類、目標檢測等任務的骨幹網絡。
以下是一個使用TensorFlow調用ResNet50實現圖像分類的簡單示例：
import tensorflow as tf
from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.applications.resnet50 import preprocess_input, decode_predictions
from tensorflow.keras.preprocessing import image
import numpy as np
# 加載預訓練的ResNet50模型（包含在ImageNet上訓練的權重）
model = ResNet50(weights='imagenet')
# 加載並預處理圖像
img_path = 'your_image.jpg'
img = image.load_img(img_path, target_size=(224, 224)) # ResNet50輸入尺寸為224x224
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0) # 添加批次維度
x = preprocess_input(x) # 預處理（如歸一化）
# 預測
preds = model.predict(x)
# 解碼預測結果（返回前3個最可能的類別）
decoded_preds = decode_predictions(preds, top=3)[0]
print('Predicted:', decoded_preds)上述代碼加載了在ImageNet上預訓練的ResNet50模型。通過預處理輸入圖像，模型可輸出對應的類別預測。在實際中草藥識別項目中，我們採用遷移學習策略，保留ResNet50的卷積基，僅替換並重新訓練頂部的全連接層，從而利用其強大的特徵提取能力，高效適應特定的10類中草藥數據集。
流程説明：
- 輸入層：接收預處理後的中草藥圖像（ResNet50標準輸入尺寸為224×224像素，3個顏色通道）
- 卷積與池化層：通過多層卷積核提取圖像特徵（如紋理、形狀），池化層降低特徵圖維度
- 全連接層：將提取的特徵展平並進行非線性組合，為分類做準備
- 輸出層：通過Softmax函數輸出10類中草藥的識別概率分佈
在ResNet50的實際架構中，這一流程通過殘差塊得以深化，每個殘差塊包含多個卷積層並通過跳躍連接緩解梯度消失，使網絡能夠有效訓練至50層深度，從而提升對細微視覺特徵（如不同中草藥的紋理差異）的辨別能力。
