〖项目背景〗

中草药种类繁多，不同药材在形态、色泽与纹理等方面既具有一定规律，也存在外观相近、产地与炮制方式差异明显等情况。传统识别主要依赖专业人员的知识积累和实践经验，普通用户在学习、查询和初步辨识过程中往往面临信息分散、检索效率不高等问题。与此同时，图像识别、知识库和桌面应用开发等技术不断成熟，为中草药知识的数字化整理与便捷获取提供了新的实现路径。

基于上述需求，项目团队立足智能科学与信息技术应用，开展“本草智联——中草药识别与中医诊疗平台”设计。项目以中草药图像识别为切入点，探索深度学习技术与中医药知识组织方式的融合，力求形成集图像上传、药材识别、信息查询、历史记录与辅助参考于一体的应用系统，为中草药知识学习和信息检索提供更加直观、便捷的工具。平台所提供的相关信息定位于学习与辅助参考，不能替代专业医师的诊断和用药指导。

〖解决方案〗

项目围绕“数据处理—模型训练—知识关联—界面交互”构建整体技术路线。团队首先对中草药图像进行整理、清洗与标注，并通过旋转、缩放、裁剪等数据增强方式扩充样本；在此基础上，采用改进的AlexNet卷积神经网络开展模型训练，结合迁移学习进行参数微调，以增强模型对不同拍摄条件和图像特征的适应能力。对于识别结果，系统进一步关联药材类别、形态、产地、颜色等基础信息，并通过知识库实现相关内容的统一组织与呈现。

在系统实现方面，项目将PyTorch模型、MySQL数据库与PyQt5图形界面进行集成。用户完成注册和登录后，可选择本地图像并启动识别，系统随后显示识别结果及相应的中草药信息，同时支持文本保存和历史记录查询。团队按照阶段任务持续开展数据、模型、接口和界面的联调优化，针对模型过拟合、训练效率受限以及界面响应卡顿等问题进行排查与改进，逐步完成从算法验证到应用软件的落地。

图1　系统登录界面

图2　中草药识别与中医诊疗平台主界面

〖特色成效〗

项目的主要特色在于将图像识别模型、知识库与应用界面进行一体化设计。相较于单一的图像分类实验，系统不仅关注识别结果，还对中草药基础信息进行关联展示，并提供历史查看、信息存储等功能，使算法训练成果能够以较完整的软件形态服务于实际查询场景。项目采用模块化思路组织数据处理、模型推理、数据库访问和用户交互，为后续扩充药材类别、增加多场景样本和优化交互功能预留了空间。

经过项目实施，团队完成“中草药识别与中医诊疗平台V1.0”的设计与开发，并取得计算机软件著作权登记证书。围绕相关技术实践，团队成员在中国机器人及人工智能大赛、全球校园人工智能算法精英大赛等赛事中获得国家级、省级及赛区奖项。其中，安家齐、宋雨萌、张珊琪组成的团队在第二十六届中国机器人及人工智能大赛全国总决赛人工智能创新赛中获三等奖。这些成果体现了项目在软件实现、技术应用与创新实践方面的阶段性成效。

〖实践育人成效〗

项目实施过程中，团队成员经历了需求分析、数据整理、模型设计、软件开发、系统测试与成果凝练等环节。面对样本规模有限、数据标注工作量大、本地硬件训练效率不高以及跨框架集成等实际问题，团队通过任务分工、阶段迭代和协同调试不断完善方案，提升了运用专业知识分析问题、解决问题的能力，也进一步增强了工程实践、创新设计和团队协作意识。

目前，系统在数据覆盖范围、复杂场景适应性和知识服务深度等方面仍有进一步完善空间。后续，团队将继续扩充多类别、多环境中草药图像数据，优化模型结构与运行效率，完善知识内容审核机制和人机交互体验，并探索更加便捷的部署方式。项目以真实需求为牵引，将课堂所学转化为可展示、可验证的软件成果，为人工智能技术服务中医药知识传播与数字化应用积累了实践经验。

图3　“中草药识别与中医诊疗平台V1.0”计算机软件著作权登记证书

图4　项目团队成员获中国机器人及人工智能大赛全国总决赛三等奖