本文關(guān)鍵詞：基于深度學(xué)習(xí)的植物葉片識別算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,植物信息學(xué)逐步重視對基于圖像的植物識別技術(shù)的研究。植物的分類與識別一般依賴植物的形態(tài)、紋理、顏色等特征進(jìn)行識別,即根據(jù)花、果實(shí)、葉等器官的形態(tài)特征完成分類識別工作。植物葉片紋理、顏色和形態(tài)結(jié)構(gòu)各異,是區(qū)別植物物種的主要依據(jù)。而且植物葉片圖像采集方便,存活時(shí)間較長,四季變化分明,通過葉片對植物進(jìn)行分類研究成為目前許多學(xué)者的研究熱點(diǎn)�；诰矸e神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法,可以自主學(xué)習(xí)葉片特征減少人工干預(yù),對于復(fù)雜背景葉片圖像能排除噪聲干擾等,提高圖像識別效率。本文基于卷積神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了一個(gè)8層的深度學(xué)習(xí)葉片識別系統(tǒng),并且利用Pl@antNet葉片庫及自主擴(kuò)展的植物葉片數(shù)據(jù)來訓(xùn)練樣本數(shù)據(jù),完成識別率測試。為了提高識別率,對單一背景和復(fù)雜背景的葉片圖像分別給出了圖像預(yù)處理方案；并將基于深度學(xué)習(xí)的識別系統(tǒng)跟SIFT算子和葉片圖像特征的多分類器識別系統(tǒng)進(jìn)行了對比分析,驗(yàn)證了算法的有效性。實(shí)驗(yàn)證明本文提供的CNN+SVM和CNN+Softmax分類器識別方法對單一背景葉片圖像識別率能夠高達(dá)91.11%和90.90%,識別復(fù)雜背景葉片圖像識別率也能高達(dá)34.38%,取得了較好的識別效果。本文實(shí)現(xiàn)的8層深度學(xué)習(xí)葉片識別系統(tǒng)依然有改進(jìn)空間,各層參數(shù)等均采取的默認(rèn)值,權(quán)值參數(shù)調(diào)優(yōu)過程依然值得改進(jìn)。同時(shí),圖像分割處理部分依然可以作為未來研究的重點(diǎn)之一。復(fù)雜葉片圖像背景下識別率不到40%,改進(jìn)空間依然很大,同時(shí)對于葉形過于相似的植物分類識別將是植物分類中面臨的挑戰(zhàn)問題。
【關(guān)鍵詞】：植物識別 葉片圖像 特征提取 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 1 緒論7-13
• 1.1 研究背景和意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.2.1 植物葉片識別研究發(fā)展現(xiàn)狀8-9
• 1.2.2 深度學(xué)習(xí)研究發(fā)展現(xiàn)狀9-10
• 1.3 植物葉片識別研究難點(diǎn)10-11
• 1.4 本文的主要內(nèi)容及章節(jié)安排11-13
• 2 深度學(xué)習(xí)相關(guān)算法研究13-28
• 2.1 深度學(xué)習(xí)訓(xùn)練過程14-15
• 2.2 深度學(xué)習(xí)常用模型15-27
• 2.2.1 自動(dòng)編碼器15-17
• 2.2.2 限制玻爾茲曼機(jī)17-21
• 2.2.3 深度信念網(wǎng)絡(luò)21-23
• 2.2.4 卷積神經(jīng)網(wǎng)絡(luò)23-27
• 2.2.4.1 卷積神經(jīng)網(wǎng)絡(luò)核心優(yōu)勢24-25
• 2.2.4.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)25
• 2.2.4.3 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程25-27
• 2.3 本章小結(jié)27-28
• 3 分層卷積深度學(xué)習(xí)網(wǎng)絡(luò)設(shè)計(jì)28-32
• 3.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)28-30
• 3.2 分類器30-31
• 3.2.1 Softmax回歸模型30-31
• 3.2.2 支持向量機(jī)31
• 3.3 本章小結(jié)31-32
• 4 植物葉片種類識別實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)32-47
• 4.1 單一背景葉片圖像預(yù)處理33-36
• 4.1.1 圖像灰度化34
• 4.1.2 圖像降噪34-35
• 4.1.3 圖像分割35-36
• 4.2 復(fù)雜背景葉片圖像預(yù)處理36-39
• 4.2.1 葉片興趣區(qū)檢測36-38
• 4.2.2 分水嶺分割38-39
• 4.3 葉片圖像特征識別模塊39-41
• 4.3.1 葉片圖像特征提取39-40
• 4.3.2 葉片圖像特征識別系統(tǒng)40-41
• 4.4 SIFT特征識別模塊41-43
• 4.5 深度學(xué)習(xí)識別模塊43-44
• 4.6 系統(tǒng)測試與結(jié)果44-46
• 4.7 本章小結(jié)46-47
• 5 結(jié)論與展望47-49
• 5.1 結(jié)論47
• 5.2 下一步工作展望47-49
• 參考文獻(xiàn)49-52
• 個(gè)人簡介52-53
• 導(dǎo)師簡介53-54
• 獲得成果目錄54-55
• 致謝55

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報(bào);2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動(dòng)化會(huì)議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

  本文關(guān)鍵詞：基于深度學(xué)習(xí)的植物葉片識別算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：342882