中医认为体质是个性化的，决议了个别对某些疾病的易理性，决议了患病之后的反应方式及医治作用和预后转归。例如有些人感觉身体不适，呈现头晕头疼、两眼干涩、疲倦乏力、食欲不振等，到医院查看方针都正常，但经过中医确诊，体质上却表现出偏颇，因而可经过中医医治和饮食调度来纠正偏颇的体质，然后康复正常。对每一种偏颇体质，中医都有对应的医治和调度计划，经过中医体质测评，就可认为疾病的预测和健康辅导供给依据。现在，中医体质测评已有国家规范，由北京中医药大学王琦教授率领团队完结，研讨成果获国家科技进步二等奖。
现在，绝大多数的中医体质辨识体系就是依据这个规范，经过答复一组规范的问题来判断体质类型，这类体系归于中医问诊。除此之外，中医还选用望诊办法来辨识体质。实践证明，面部和舌苔的改变，可以客观地反映气血、病况、疾病、脏腑等，这些改变蕴含着很多的人体体质信息，可是望诊辨识体质需求中医专家丰厚的专业经验，对没有经验的医师及普通人就比较困难，因而需求选用先进的人工智能办法来辅佐辨认。
已有的一些初步研讨，首要选用图画处理办法和经典的机器学习算法，存在的问题是相关的样本数据库太小、质量不高。其次，实用性不好，需求专门的运用环境或许凭借专业设备。再者是主动化程度不高，需求专业人员辅佐测验，测验速度慢。因而咱们选用不同的办法，研讨完结了体质辨识机器人，其选用先进的认知深度学习算法完结舌苔和面部的主动检测和体质辨识，速度快，准确率高，不受被试者的片面影响。它配备主动调光体系，不需求装备专门环境，实用性强。中医体质辨识机器人不只可以辅佐进步医师的作业效率，进步体质辨识的准确性，还能进步普通人的体质辨识才能，以便防备疾病，这有利于中医的传承和立异，对推动中医现代化具有重要意义。
体质辨识机器人整体规划
中医体质辨识机器人的整体结构如图1所示，首要包含三大部分：机器人硬件体系、主动调光体系和体质辨识软件体系。机器人硬件体系选用现在通用的架构规划，且不包含运动操控体系，由于它的用处十分专业，一般安放的方位相对固定，不需求自在移动。
主动调光体系是很重要的组成部分，它首要处理两个问题。首要中医望诊对收集样本的光照强度和稳定性有较高要求，体质辨认在很大程度上依托机器视觉，视觉的灵敏度将直接影响机器人的体质辨认速度和辨认质量。咱们自主规划的光照主动调度体系，会依据机器人环境的光照状况主动调度到适宜程度，然后增强机器人对环境的抗干扰才能。其次，中医体质辨识机器人作业时，选用摄像机处理被试者的方位问题。由于每次被试者呈现在拍摄现场时，很难要求被试者高精度呈现在方针方位，并且光线改变，方针方位也会改变。而被试者方位距离太大，辨认成果有时会有较大误差。咱们的办法是首要选用传感器检测是否有被试者。其次，经过深度学习算法检测人脸。最终，选用深度学习算法检测被试者是否伸出舌苔。中医体质辨识软件体系是机器人的大脑，它操控主动调光体系将光源强度调到适宜的程度，操控机器人硬件体系完结摄像头的操控和语音操控，收集人脸和舌苔图画，获取对应的体质类型和调度计划，然后显现体质类型的症状、发病倾向和调度计划。
中医体质辨识的流程图如图2所示，体质辨识机器人检测到被试者到来时主动发动体质辨识流程，宣布体质辨识恳求，然后操控摄像头收集人脸图画，进行人脸检测，检测到人脸图画后向中医机器人渠道宣布人脸体质辨识恳求，并等候成果。一起操控摄像头收集舌苔图画，进行舌苔检测，检测到舌苔后，将收集的舌苔图画发送到中医机器人渠道进行舌苔体质辨识，并等候辨识成果。当获取到两个辨识成果后，进行融合核算，得到终究的体质类型（最多三个），并将体质类型及相应的调度计划输出。
体质调度计划首要包含体质辨识定论和个性化健康辅导计划两大部分。体质辨识定论给出具体的体质类型及偏颇程度，并对发病倾向具体解读。个性化健康辅导计划包含精神调养、环境调摄、运动处方、日子辅导、饮食主张、穴道按摩、药膳调补、药物摄生等。
深度学习体质辨识办法
咱们选用深度学习办法完结体质辨识，深度学习能从很多数据中主动提取初特征。深度学习依赖于大数据学习样本，可以处理一些高度杂乱的分类问题，辨认准确率大幅度进步。由于增大练习数据的意图，就是使得练习数据与实际中的测验数据有更大概率保持一致，这就是深度学习的优势。咱们挑选VGG、GoogLeNet、ResNet模型，然后比较它们在体质辨识上的作用。这三个模型都是ILSVRC比赛历年表现出色的模型。ILSVRC比赛的使命方针是完结1000类图画分类，公开126万张练习图画和5万张验证集图画，比较算法在未公开的10万张测验集图画上的作用。经过比较发现GoogLeNet的模型参数更少，运算速度更快，作用也与VGG挨近，因而中医体质辨识机器人挑选GoogLeNet完结依据舌苔的体质辨识，挑选深度卷积神经网络完结了依据面部的体质辨识。可是深度学习需求很多的练习样本，这给咱们带来了实际的问题，用于中医体质辨识的临床样本归于比较小的样本集。另一个问题是，即便有大样本，深度学习也纷歧定能取得更好的泛化才能，会发生一些古怪的对立样本问题，特别是这些样本与真实的反例不同，它们是十分简略的正常样本，但深度学习没有办法辨认。
深度学习面临的困难来源于几个原因。首要，它们选用同一个深度学习模型处理同一个问题范畴的一切目标，这与人类的认知是对立的。人类的感知遵守简略性准则，简略目标的辨认只需求简略办法，只要杂乱目标的辨认才需求杂乱办法。练习数据越大，深度模型越杂乱，模型过度杂乱的价值便是过拟合，使得学习模型过于精细化，缺少泛化才能。其次，尽管深度学习增加了很多的练习数据，但数据量满意只是能更完整地描绘数据的正确散布，散布有简略的，也有杂乱的，特别是还可能是混合散布的，这由问题的实质决议。最终，深度学习的学习成果都保存到神经网络的权重和辅佐参数上，那么这些权重及参数有必要一起统筹简略目标和杂乱性目标的辨认，当存在冲突时，难以一起满意。这些困难使得咱们重新研讨人类对小样本状况下的思想问题，实际上人类在小样本下也可能处理得比大样本好，咱们从认知规则视点提出了认知机器学习办法，提出了杂乱性感知和逆向思想，并完结了愈加高效的体质辨识算法。
中医体质辨识机器人体系完结
中医体质辨识机器人选用深度神经网完结舌苔图画和人脸图画的体质辨识，需求很多的已符号数据库，可是现在没有公共的数据库。咱们直接从医院获取很多的临床样本，每个样本都有对应的体质类型，用于构造练习图画数据库，并选用了咱们提出的图画索引算法树立索引，支撑练习数据库的快速增长。其中体质类型是选用王琦教授的研讨成果及中华中医药学会发布的《中医体质分类断定规范》，体质类型分为平缓质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、血瘀质、气郁质、特禀质九个类型。
中医体质辨识机器人的完结选用现有的深度学习结构，然后是咱们提出的人脸检测、舌苔检测和人脸舌苔体质辨识算法，主动检测出的舌苔图画作用很好。中医体质辨识机器人的对体质辨识的速度十分快，每次测验不超越1分钟，并且测验的准确率高。
中医体质辨识机器人的规划与完结办法，首要奉献在于构造了第一个较大规划的天然条件下的舌苔和面部数据库，提出了依据深度学习的作用很好的舌苔检测办法和人脸检测算法，选用深度学习办法和自主立异的认知机器学习办法完结了作用较好的体质辨识成果。中医体质辨识机器人的测验标明，体质辨识是有共性的，标明中医可以客观化、规范化，未来的作业是活跃引进更多更先进的科学技术，在有限练习样本的状况下，依据认知机器学习办法取得更好的体质辨识准确率。（文贵华 王昌俊）