一種智能識別分揀中草藥系統(tǒng)

60 多年過去了，盡管輝光管已經停產，有很多工程師仍然對它情有獨鐘。我用 8 塊液晶顯示屏制作了一個擬輝光管時鐘，感受復古元素的美感，表達對過去經典的敬意。

中醫(yī)藥文化是中華民族傳統(tǒng)文化的重要組成部分。近年來，國家對繼承、發(fā)展中醫(yī)藥文化日益重視，明確提出了要加強中華民族傳統(tǒng)文化教育，推動中醫(yī)藥文化進社區(qū)、校園和家庭，將中醫(yī)藥基礎知識納入中小學傳統(tǒng)文化課程。引導學生深入了解中草藥相關知識，這不僅是對傳統(tǒng)文化的傳承，更是對他們勞動素養(yǎng)的提升和實踐能力的鍛煉，具有深遠的現實意義。近年來，眾多地方學校與中醫(yī)藥相關機構攜手，共同開展了豐富多彩的“中草藥進校園”等勞動教育主題活動。學生們在種植園中親手種植、采摘中草藥，通過親身體驗，更直觀地感受到中草藥文化的魅力。然而，學生在剛接觸中草藥時，勢必會對中草藥的特點、功效、用法等相關知識產生疑問。如果學生一一詢問工作人員，這個過程會過于瑣碎、低效。同時，學生在采摘后，如何分類收集到的中草藥又是一大難題。如果混亂存放，會造成后期藥物回收管理上的不便。基于此，我們設計了一款能夠識別中草藥并將其分揀的裝置，以期能夠解決中草藥回收上的困難。

準備工作

該裝置的功能大體上可分為識別和分揀中草藥兩部分。

識別功能可由深度學習訓練模型完成。在此使用 OpenInnoLab 浦育平臺完成模型的訓練和推理測試，還可將訓練模型轉換為輕量、高效的 ONNX 框架文件，方便模型在終端部署。這里的終端是行空板，借助Obloq 通 信 模 塊、Easy IoT 平 臺 可實現行空板與 Arduino Uno 主控板通信，進而控制舵機。通信連接與舵機控制程序可使用 Mind+ 進行圖形化編程，降低開發(fā)難度。制作該裝置所需的軟 / 硬件清單見附表。

核心內容

總體設計

我們先搜集中草藥圖片， 形成數據集，并將其劃分為訓練集、驗證集和測試集。將數據集上傳至OpenInnoLab 浦育平臺，在平臺上進行模型訓練和推理測試，并將其轉化為輕量、高效的 ONNX 框架文件，再將 ONNX 框架文件上傳至行空板。

分揀臺主要包括分類裝置、機械臂和攝像臺。當使用者把中草藥放置在機械臂上后，啟動程序，USB 攝像機自動拍攝，并將圖像返回到行空板中。行空板再將推理識別的結果傳給外接的藍牙音箱，藍牙音箱播報相關的文化知識。同時，行空板通過物聯網將識別結果傳給 Arduino Uno 主控板，舵機將中草藥投放到對應的分類裝置中，實現藥物分揀。該裝置的技術實現思路如圖 1 所示。

圖 1 中草藥識別分揀裝置的技術實現流程

硬件介紹

行空板

行空板是一款國產開源硬件，它自帶 Linux 操作系統(tǒng)和Python 環(huán)境，還預裝了常用的 Python庫，能夠輕松勝任各種編程相關的開發(fā)場景，如搭建物聯網系統(tǒng)、體驗人工智能應用、編寫游戲、進行科學實驗、設計聲光互動、開發(fā)可穿戴設備等。同時，行空板作為智能終端設備，采用微型計算機架構，集成了 LCD 彩屏、Wi-Fi、藍牙、多種傳感器和豐富的擴展接口，具體如圖 2 所示。

圖 2 行空板板載接口

Arduino Uno主控板

Arduino Uno 主控板搭載有 AVR單 片 機（ATmega328P）、 晶 體 振蕩 器 和 5V 的 直 流 電 源。它 有 14 個數字輸入 / 輸出引腳 ( 其中 6 個可用作 PWM 輸出 )、6 個模擬輸入引腳、16MHz 晶體振蕩器、USB 接口、電源插孔、ICSP 端口和復位按鍵。只需要通過 USB 數據線連接計算機就能供電、下載程序和通信數據。Arduino Uno 開發(fā)板各部分如圖 3 所示。

圖 3 Arduino Uno 主控板

分揀臺

分揀臺主要由分類裝置、機械臂及攝像臺組成。先通過 LaserMaker軟件設計分揀臺，圖紙如圖 4 所示。再用激光切割機切割，所用的材料是3mm 厚的椴木板。

圖 4 分揀臺的設計圖紙

實現過程記錄與程序設計

該裝置的功能大體上可分為識別中草藥（模型訓練與轉換）和分揀中草藥（行空板與 Aduino Uno 主控板通信、Aduino Uno 主控板控制舵機）兩部分。其中模型訓練、推理測試、模型轉換可結合程序理解。

識別中草藥

1. 數據集制作

通過爬蟲程序爬取中草藥圖片（如果有條件，建議實地拍攝圖片，這樣在模型部署完成后，識別效果更好），并進行篩選、清洗，爬取的中草藥圖片（以車前子為例）如圖 5 所示。

圖 5 爬取的中草藥圖片（以車前子為例）

然后，通過劃分數據集的程序，將上述數據集劃分為訓練集、驗證集、測試集。此處采集了 8 種中草藥的數據集，如圖 6 所示。

圖 6 中草藥數據集

劃分數據集程序如程序 1 所示。

將數據集上傳至 OpenInnoLab浦育平臺，如圖 7 所示。

圖 7 將數據集上傳至 OpenInnoLab 浦育平臺

2. 模型訓練

模型訓練時選用輕量、高效的卷積神經網絡模型 MobileNet，該模型由谷歌公司開發(fā)，是 SOTA 模型（即“State-Of-The-Art” 模 型， 在 這指模型訓練中最先進、高效的模型的總稱）的一種。它能在保持準確性的同時，通過減少模型的計算量，提高模型的效率和速度。MobileNet 可以通過在大規(guī)模數據集上預訓練，將其用作遷移學習的基礎模型，進一步提高模型的準確性和穩(wěn)定性。模型訓練過程如圖 8 所示。

圖 8 模型訓練過程

模型訓練程序如程序 2 所示。

運行之后即可得到識別權重文件，此處名為 best_accuracy_top-5_epoch_43.pth，接下來將在推理測試程序中用到。

3. 推理測試

推理測試程序 3 如下，推理測試結果如圖 9 所示。

圖 9 推理測試結果

4. 模型轉換

模型轉換時選用 ONNX，該模型由微軟公司開發(fā)，是一種開放的深度學習框架互操作性標準，幫助開發(fā)人員實現深度學習框架之間的互操作性和模型的共享和遷移，提高模型推理和部署的效率和靈活性，從而實現

更加高效、可靠和可擴展的圖像分類應用。

模型轉換如程序 4 所示。

轉 換 后 得 到 ImageNet1k.onnx文件，這也是我們的部署文件，后續(xù)把它上傳到行空板中，OpenInnoLab浦育平臺模型轉換示意如圖 10 所示。

圖 10 OpenInnoLab 浦育平臺模型轉換示意

分揀中草藥

此功能主要通過編程實現，此處先對通信功能進行設備準備說明。

第一步：先將模型轉換得到的ImageNet1k.onnx 文 件 上 傳 至 行 空板，如圖 11 所示。

圖 11 將 ImageNet1k.onnx 文件上傳至行空板

第二步：需要將 Arduino Uno 主控板加裝的 Obloq 通信模塊、行空板、計算機三者設置于同一網絡下，建議用手機開熱點，熱點連接情況如圖 12所示。

圖 12 熱點連接示意

注意，當 Obloq 通信模塊連接到熱點時將會亮綠燈，如圖 13 所示，其他情況可自行搜索排查問題。

圖 13 Obloq 通信模塊連接成功示意

第 三 步：當 行 空 板 和 Arduino Uno 主控板同處一個熱點下時，可以開始考慮如何讓兩者實現通信。此處借用 Easy IoT 平臺，采用 MQTT 通信協議。

MQTT 是一種輕量級的、基于發(fā)布 - 訂閱模式的物聯網通信協議，是由 IBM 公司開發(fā)的，主要用于連接傳感器、物聯網設備或其他小內存和小帶寬設備，實現設備間的互聯互通。

在 Easy IoT 平臺注冊賬號并登錄，登錄后添加設備名，具體如圖 14所示。至此，通信連接準備工作完成，接下來結合程序說明編程過程。

圖 14 Easy IoT 平臺界面

第四步：打開 Mind+，需要編寫完成“攝像頭拍攝調用——識別框架調用——消息發(fā)送”這一流程的程序，并下載到行空板中。

這個功能實現程序如程序 5 所示。

接下來是行空板連接 Easy IoT平臺的程序，其中 user="epOOB4sVR",password="etOdfVsVgz" 為 圖14 中需要記錄的另外兩條數據。

此功能程序如程序 6 所示。

當行空板識別到中草藥后，會將中草藥名稱通過訂閱消息的方式發(fā)送到 Easy IoT 平臺，而 Easy IoT 平臺也能查看消息發(fā)送結果，具體如圖 15所示。

圖 15 Easy IoT 平臺設備消息查詢結果

到這里就實現了行空板將識別結果發(fā)送到Easy IoT 平 臺 的 功 能。接下來介紹 Arduino Uno主控板如何獲取 Easy IoT平臺數據并執(zhí)行相關動作指令。

第五步：在 Arduino Uno 主 控 板 上 連 接 好 舵機、Obloq 通信模塊等，打開 Mind+，直接在可視化編程界面進行編程，主要程序如圖 16 所示。

圖 16 主要程序

需要注意的是 MQTT的初始化設置，同樣使用到 圖 14 中 的 3 條 數 據，具體設置如圖 17 所示。

圖 17 MQTT 協議配置

Arduino Uno 主 控 板 可 以 接 收Easy IoT 平臺消息后，我們可以在串口中查看消息，如圖 18 所示。

圖 18 Obloq 通信模塊接收到 Easy IoT 平臺消息

至此，行空板與 Arduino Uno 主控板之間的通信工作便設置完成了。最后，是 Arduino Uno 主控板控制舵機的程序說明。也就是圖 16 中所涉及的“復位”“第一”等封裝函數，參數需要根據實際搭建的分揀臺進行調整，圖 19 所示程序僅供參考。

圖 19 舵機控制程序

成品展示

最終分揀臺的搭建成果如圖 20所示。

圖 20 最終成品

同時我們也把這個項目中深度學習的部分打包在 OpenInnoLab 浦育平臺，讀者可基于我們的項目體驗中草藥識別模型的訓練、推理測試、轉換過程。

結語

從演示視頻中我們可以看出，目前該作品還依賴人工將藥物放置在分類裝置上，這顯然與現實有所出入。我們打算在分類裝置前加入機械臂，從藥物堆中抓取藥物放到分類裝置上，進一步提高中草藥加工過程的機械化程度，其中涉及的技術更為復雜，需要我們進一步探索。

這個項目傾注了我們接近半年的心血。在學習與創(chuàng)作過程中，我們對復雜的算法、晦澀的邏輯結構感到困惑和煩惱，幾次想要放棄。最終，我們不斷地查閱資料、請教前輩、反復試錯，問題都被一一解決，達到了想要的效果。