中华文化博大精深，作为当代新时代青年，更应该将之传承并发扬下去，中药材是中华文化的一大亮点，更应受到人们的重视。中药材类别繁杂，肉眼不好区分，而人工智能技术已经较为成熟。显然，人工智能已成为替代人工挑选的一大工具，这自然让人想到通过人工智能技术对中药材进行识别、分类。
本项目通过ResNet-50残差网络进行图片分类模型训练，深度学习框架来自百度飞桨的PaddleX，数据集包括163种常见中药材，训练集共256,767张图片，测试集共10,000张图片，通过20轮次的训练，该模型的 Top1准确率可达到98.1%，Top5准确率可达到99.8%。

• 深度学习框架：PaddlePaddle

• 神经网络模型：ResNet-50

• 训练环境：PaddleX

• 数据集：网络收集整合

• 系统后端：Flask + MySQL5.7

• 系统前端：HTML5 + Bulma.css + Javascript

本项目可以分为以下几个步骤:

1. 选题

2. 确定深度学习框架

3. 挑选神经网络模型

4. 制作数据集

5. 训练模型

6. 预测模型

7. 构建系统框架

8. 模型部署

1. 创建Python虚拟环境前

   由于本项目需要使用深度学习框架，因此推荐使用Anaconda来创建虚拟环境，具体Anaconda的安装及配置网上有很多教程，这里不做赘述。

   安装成功之后，执行命令后成功输出conda版本，即代表Anaconda环境配置成功，可以通过conda创建虚拟环境了。

   conda -V

2. 配置conda国内镜像源

   找到你的C盘用户目录下的.condarc文件，Windows 用户无法直接创建名为 .condarc 的文件，可在命令行执行

   conda config --set show_channel_urls yes

   无报错可以查看上述文件是否被成功生成，如成功生成，则编辑替换为如下内容

   channels:
   - defaults
   show_channel_urls: true
   default_channels:
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
   custom_channels:
   conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
   msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
   bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
   menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
   pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
   pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
   simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
   deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

3. 创建虚拟环境

   # your_env_name修改为你自定义的虚拟环境名，使用全英文，这里是使用的是irchm
   conda create --name irchm python
   # 附上移除操作，必须保证环境没被其他程序占用才可进行删除，否则删不干净
   # conda remove --name irchm --all

4. 在PyCharm上面添加该虚拟解释器

   步骤：文件->设置->项目->Python解释器->添加本地解释器->Conda环境->使用现有环境->找到你刚刚创建的虚拟环境->确定。

5. 安装依赖包 使用PyCharm打开项目根目录，使用Ctrl+F12打开终端，可以看到类似如下效果（前边有带着虚拟环境名称的括号，这就代表你可以管理你的虚拟环境了）：

   (irchm) PS D:\projects\PyCharm\Image-recognition-of-Chinese-herbal-medicine>
   

   这里需要使用pip安装依赖，因为pip是官方认可的专门用于Python包管理的工具，因此这里面的包都是最新版的，而conda里面有的包不是最新版本的。

   在使用pip安装我们的依赖包之前，我们首先配置一下pip国内镜像源，首先需要找到C盘用户目录，里面有一个pip.ini，如果没有可以新建一个，然后将下边的内容填写进去：

   [global]
   timeout=40
   index-url=http://mirrors.aliyun.com/pypi/simple/
   extra-index-url=
           https://pypi.tuna.tsinghua.edu.cn/simple/
           http://pypi.douban.com/simple/
           http://pypi.mirrors.ustc.edu.cn/simple/
   [install]
   trusted-host=
           pypi.tuna.tsinghua.edu.cn
           mirrors.aliyun.com
           pypi.douban.com
           pypi.mirrors.ustc.edu.cn

   然后关掉刚刚的终端再次打开它，避免刚刚修改的配置没有奏效，然后在终端输入如下命令

   pip install -r requirements.txt

   使用conda list命令检查依赖是否和requirements.txt文件是否一致，若一致即可进行下一步操作了。

6. 安装MySQL 相信大家电脑上都有MySQL，我这里使用的是MySQL5.7，使用其他版本也可以，具体下载配置步骤网上教程比较多，这里不做赘述，但还是啰嗦一下，请牢记你的root密码!

7. 创建数据库 这里建议数据库名创建为chinese_medicine，字符集为utf8，默认排序规则为utf8_general_ci。

   CREATE DATABASE chinese_medicine DEFAULT CHARACTER SET utf8 DEFAULT COLLATE        utf8_general_ci;

1. 修改配置文件，在系统初始化前，先查看cfg.py文件，这是一个项目配置基类文件，需要修改为你的数据库配置，若一致则略过此步

2. 在终端执行以下命令，注意第四个命令不用执行

# 1. 初始化数据库 
flask db init

# 2. 进行数据迁移
flask db migrate

# 3. 更新数据版本
flask db upgrade

# 4. 回退数据版本
flask db downgrade

特别声明：数据库表是由系统初始化自动生成的，具体可以看App.models模块中的数据表映射类，禁止手动操作MySQL的相应表结构，alembic_version表用于版本管理，禁止修改。对于t_medicine表中的数据，可通过csv文件导入，具体如何导入，自己网上搜，不再赘述。

python run.py

运行成功之后，有一个带IP的网址，同一局域网下的设备均可访问，保证手机跟该主机连接同一局域网，然后可以使用手机端访问网址查看效果。