【摘要】：近年來(lái),多肉植物由于觀賞價(jià)值高、易種植等特點(diǎn),受到人們的關(guān)注和喜愛(ài)。但多肉植物種類(lèi)較多,外形相似,僅僅依靠人工識(shí)別比較困難,錯(cuò)誤率較高。針對(duì)我國(guó)最常見(jiàn)的十種多肉植物,本文搜集大量多肉植物圖片,運(yùn)用TensorFlow深度學(xué)習(xí)框架研究多肉植物識(shí)別方法,通過(guò)訓(xùn)練實(shí)現(xiàn)了基于圖像的多肉植物自動(dòng)識(shí)別模型。本文的主要工作如下:1.構(gòu)建多肉植物圖庫(kù)。該圖庫(kù)由我國(guó)常見(jiàn)的十種多肉植物圖片和九種生石花圖片組成。多肉植物圖庫(kù)共有9348幅圖片,每類(lèi)平均934幅。生石花圖庫(kù)共5988幅圖片,每類(lèi)近600幅。圖庫(kù)中的每幅圖像分辨率均為300×300。2.使用自搭建的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多肉植物的圖像識(shí)別。構(gòu)建多層卷積神經(jīng)網(wǎng)絡(luò),并利用數(shù)據(jù)增強(qiáng)、Dropout、隨機(jī)梯度下降(Stochastic Gradient Descent,SGD)等技術(shù)訓(xùn)練此卷積神經(jīng)網(wǎng)絡(luò)模型。針對(duì)多肉植物和生石花圖像分類(lèi),所訓(xùn)練出的模型分別實(shí)現(xiàn)了94.7%和86.7%的分類(lèi)正確率。經(jīng)測(cè)試,平均每幅圖片識(shí)別時(shí)間為6s左右。3.基于AlexNet深度模型和遷移學(xué)習(xí)技術(shù)實(shí)現(xiàn)多肉植物的圖像分類(lèi)。①使用微調(diào)(Fine-tuning)技術(shù)對(duì)最后三個(gè)全連接層進(jìn)行重新訓(xùn)練,得到分類(lèi)模型。針對(duì)多肉植物和生石花圖像,該模型可實(shí)現(xiàn)95.3%和87.3%的分類(lèi)正確率,平均每幅圖片測(cè)試用時(shí)7.5s。②將全連接層提取的特征融合以后,再重新訓(xùn)練最后三個(gè)全連接層,得到最終模型對(duì)多肉植物和生石花圖像進(jìn)行分類(lèi)的正確率分別為96.3%和88.1%,平均每幅圖片測(cè)試用時(shí)8s。4.為實(shí)現(xiàn)識(shí)別多肉植物的便攜性,本文將多肉植物圖像分類(lèi)模型移植到手機(jī)上的安卓操作系統(tǒng),直接用終端設(shè)備即可離線(xiàn)識(shí)別多肉植物。經(jīng)測(cè)試,此分類(lèi)模型在手機(jī)上可以正常運(yùn)行且有較好的分類(lèi)性能。測(cè)試結(jié)果表明,該系統(tǒng)識(shí)別一幅多肉植物圖片平均用時(shí)為10s。
【圖文】：

作為判別器官。花朵可以提供關(guān)于顏色方面的信息，而葉片則可以提。由于拍攝角度、距離和清晰度等因素影響，從植物圖像中提取的差異，且植物圖像分類(lèi)效果取決于提取特征的好壞，因此植物圖像大的難點(diǎn)。逡逑像分類(lèi)早己不是一個(gè)新話(huà)題了，而現(xiàn)下大部分的植物圖像分類(lèi)算法差異去進(jìn)行分類(lèi)識(shí)別。Ｌｉｉ＾ｌ等用小波變換算法提取植物葉片的紋理片圖像使用支持向量機(jī)分類(lèi)器進(jìn)行分類(lèi)識(shí)別，實(shí)驗(yàn)表明小波變換和合運(yùn)用的方法可行并有效。田有文Ｎ等提出了基于紋理特征和支持、小斑病、灰斑病等病害識(shí)別方法。劉海波［１（）】利用深度卷積網(wǎng)提取片特征，通過(guò)訓(xùn)練實(shí)現(xiàn)了番茄病蟲(chóng)害自動(dòng)檢測(cè)模型。逡逑內(nèi)市場(chǎng)上也研宄開(kāi)發(fā)了為數(shù)不多的植物圖像分類(lèi)手機(jī)應(yīng)用（ＡＰＰ），、花伴侶、朝花夕拾等，它們可以通過(guò)拍照和上傳本地照片兩種方類(lèi)，具有實(shí)時(shí)性和便捷性，而且這些手機(jī)應(yīng)用的識(shí)別引擎都是使用型（卷積神經(jīng)網(wǎng)絡(luò)）來(lái)實(shí)現(xiàn)的。雖然它們能夠識(shí)別的植物種類(lèi)比較不高，且是對(duì)生石花的分類(lèi)更沒(méi)有細(xì)致的區(qū)分，下圖分別是微軟識(shí)植物靜夜和生石花朝貢玉的識(shí)別，具體的測(cè)試效果如下圖所示。逡逑亁贅邐ＩＪＷ邐？邋ＭＸ邋＇邋Ｍ邐，邐１３：ＳＪ邐＞邋ｓｅｎ．＇逡逑

白鳥(niǎo)到9l.3Flskuehe
【學(xué)位授予單位】：大連交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP391.41;S682.33

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 張晴晴;劉勇;潘接林;顏永紅;;基于卷積神經(jīng)網(wǎng)絡(luò)的連續(xù)語(yǔ)音識(shí)別[J];工程科學(xué)學(xué)報(bào);2015年09期

2 賈世杰;楊東坡;劉金環(huán);;基于卷積神經(jīng)網(wǎng)絡(luò)的商品圖像精細(xì)分類(lèi)[J];山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期

3 宋衛(wèi)華;;基于多級(jí)別特征融合的醫(yī)學(xué)圖像檢索技術(shù)[J];南華大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

4 田有文;王濱;唐曉明;;基于紋理特征和支持向量機(jī)的玉米病害的識(shí)別[J];沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào);2005年06期

，

本文編號(hào)：2695423