本申请涉及但不限于深度学习，尤其涉及一种基于深度学习的ar场景中草药识别方法及电子设备。
背景技术：
1、随着深度学习技术的快速发展，其在图像处理、模式识别等领域的应用日益广泛。特别是在增强现实（ar）场景中，对于中草药识别的需求日益增长。然而，由于中草药种类繁多，形态各异，且在实际应用中往往存在光照、角度、遮挡等多种因素的影响，使得中草药识别成为一项具有挑战性的任务。传统的中草药识别方法主要依赖于人工特征提取和分类器设计，这种方法不仅需要大量的专业知识，而且识别精度往往受限于人工设计特征的表达能力。近年来，随着深度学习技术的兴起，特别是卷积神经网络（cnn）等深度学习模型在图像识别领域的成功应用，为中草药识别提供了新的思路。然而，直接将深度学习模型应用于中草药识别仍面临一些挑战。首先，中草药图像的多样性要求模型具有较强的泛化能力；其次，中草药识别的精度要求模型能够准确地区分不同种类的中草药；最后，ar场景下的实时性要求模型具有较快的识别速度。为了克服这些挑战，研究人员不断探索基于深度学习的中草药识别方法。然而，现有的方法往往存在训练数据的质量参差不齐，导致模型识别精度不高。
技术实现思路
1、有鉴于此，本申请至少提供一种基于深度学习的ar场景中草药识别方法及电子设备。
2、本申请实施例的技术方案是这样实现的：
3、一方面，本申请提供一种基于深度学习的ar场景中草药识别方法，包括：响应于设备ar场景中对目标中草药的拍摄成功状态，获取所述ar场景中的所述中草药的目标中草药图像；将所述目标中草药图像加载到中草药类别识别网络，针对每一中草药类别获得第一中草药类别识别信息，所述第一中草药类别识别信息表示所述目标中草药图像是否对应所述中草药类别；其中，所述中草药类别识别网络的调试过程包括：将初始中草药训练图像集合中的中草药训练图像加载到多个中草药类别识别网络，获得与每一所述中草药类别识别网络对应的置信度最大的中草药类别；依据所述中草药训练图像的第一主要中草药类别先验标记与每一所述中草药类别识别网络对应的所述置信度最大的中草药类别进行对比，在所述初始中草药训练图像集合中选取得到匹配中草药训练图像，选取得到的所述匹配中草药训练图像构成匹配中草药训练图像集合；将所述匹配中草药训练图像加载到每一所述中草药类别识别网络，获得与每一中草药类别对应的积极识别置信度；依据每一所述中草药类别的第一中草药类别先验标记、以及所述积极识别置信度，确定与每一所述中草药类别识别网络对应的第一代价值；针对每一所述中草药类别识别网络，依据与所述中草药类别识别网络对应的所述第一代价值，调试所述中草药类别识别网络；通过所述匹配中草药训练图像集合更换所述初始中草药训练图像集合，以及跳转到所述将初始中草药训练图像集合中的中草药训练图像加载到多个所述中草药类别识别网络的步骤，在所述第一代价值符合调试停止要求时停止，在多个所述中草药类别识别网络中确定调试好的中草药类别识别网络。
4、另一方面，本申请提供一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以上所述方法中的步骤。
5、本申请的有益效果至少包括：本申请提供一种基于深度学习的ar场景中草药识别方法及电子设备，基于反复调试中草药类别识别网络，每一次调试包括对中草药训练图像进行选取，并基于选取得到的匹配中草药训练图像修正中草药类别识别网络的参变量。在每一次调试过程中，将初始中草药训练图像集合经前一次调试后选取得到的中草药训练图像加载到多个中草药类别识别网络。多个中草药类别识别网络获得分别识别的置信度最大的中草药类别，基于多个置信度最大的中草药类别和中草药训练图像的主要中草药类别先验标记的匹配结果，能确定准确的中草药训练图像是哪些，将之确定为匹配中草药训练图像。如此，训练图像的质量被提升，帮助调试出更加精确的神经网络。进而，将选取得到的匹配中草药训练图像加载到中草药类别识别网络，依据每一中草药类别的第一中草药类别先验标记与中草药类别识别网络识别的中草药类别的积极识别置信度即可确定第一代价值，依据第一代价值修正中草药类别识别网络的参变量。每一次调试过程，都是将误差较大的训练图像进行清洗后执行的，神经网络的调试质量将越来越高，使得最终的中草药类别识别网络的精度得到最大化。
1.一种基于深度学习的ar场景中草药识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述中草药类别识别网络包括语义分析深度网络、中草药特征学习组件和类别映射组件；
3.根据权利要求2所述的方法，其特征在于，所述中草药特征学习组件包括第二数量个依次连接的第二描述子转换单元组，每一所述第二描述子转换单元组包括第一数量个第二描述子转换单元，所述第一数量为所述图像语义描述子中的图像语义组成描述子的数量；
4.根据权利要求1所述的方法，其特征在于，所述在多个所述中草药类别识别网络中确定调试好的中草药类别识别网络，包括：
5.根据权利要求1所述的方法，其特征在于，所述中草药类别识别网络包括中草药特征学习组件和类别映射组件；
6.根据权利要求5所述的方法，其特征在于，多个所述第一中草药类别先验标记包含所述无类别先验标记以及各中草药类别子类的各中草药类别先验标记；
7.根据权利要求6所述的方法，其特征在于，所述确定所述第一识别置信度与所述第一中草药训练图像的所述第一中草药类别先验标记对应的第一识别临界值符合第一关联情况，包括：
8.根据权利要求6所述的方法，其特征在于，所述依据所述第一困难中草药训练图像、所述第二困难中草药训练图像和所述简单中草药训练图像各自的子代价值，确定第二代价值，包括：
9.根据权利要求8所述的方法，其特征在于，所述针对所述第一困难中草药训练图像，确定每一所述中草药类别的第一软先验标记，包括：
10.一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至9任一项所述方法中的步骤。
