使用深度卷积神经网络对中国境内有毒与可食用蘑菇进行分类

由于富含氨基酸、多糖及许多其他有益于人体的营养物质，蘑菇在世界范围内和中国都理所当然地作为饮食菜肴广受欢迎。然而，如果人们误食毒菌，可能会出现恶心、呕吐、精神错乱、急性贫血甚至死亡。在中国，每年约有 8000 人因误食有毒蘑菇而患病，70 人死亡。据统计，蘑菇有数千种，其中仅有约 900 种可食用，因此若无专门知识，误食毒蘑菇的概率非常高。大多数人认为有毒蘑菇的唯一特征是颜色鲜艳，然而某些种类并不符合这一特征。为防止人们食用这些毒蘑菇，我们提出使用深度学习方法，通过分析数百张可食用与有毒蘑菇的智能手机图片来判断蘑菇是否有毒。我们众包构建了一个蘑菇图像数据集，包含 250 张毒蘑菇图像和 200 张可食用蘑菇图像。卷积神经网络（CNN）是一种专用类型的人工神经网络，其至少在一层中使用称为卷积的数学运算替代一般矩阵乘法，可通过分析大量图像产生较为精确的结果，因此非常适用于我们的研究。实验结果表明，所提模型具有高可信度，能为食用菌的选择提供决策依据，从而降低因误食毒蘑菇导致的发病率和死亡率。我们还开源了手工收集的蘑菇图像数据集，以便同行研究者部署自己的模型以推进毒蘑菇识别。