天然草地植物物種的分類識別是草地植被調(diào)查與監(jiān)測的重要內(nèi)容,傳統(tǒng)的植物物種分類方法費時費力,且對專業(yè)知識要求高,難以很好地滿足天然草地資源快速調(diào)查的需求。近年來隨著計算機視覺和深度學(xué)習(xí)的快速發(fā)展,基于深度學(xué)習(xí)算法的植物圖像分類識別已成為當(dāng)前的研究熱點。本研究建立了293種天然草地植物圖像數(shù)據(jù)集,利用TensorFlow深度學(xué)習(xí)框架中的TF-slim模塊,通過微調(diào)Inception V3模型的訓(xùn)練參數(shù)構(gòu)建了天然草地植物的圖像識別模型,訓(xùn)練結(jié)果表明,該模型驗證集的Top1識別準(zhǔn)確率達(dá)89.41%,Top5識別準(zhǔn)確率為97.71%。與形色、花伴侶、微軟識花和拍照識花等軟件的識別效果的比較結(jié)果顯示,本研究訓(xùn)練得到的植物識別模型可以識別的天然草地植物物種數(shù)量更多,識別準(zhǔn)確度更高。 

【文章來源】：草業(yè)科學(xué). 2020,37(09)

【文章頁數(shù)】：9 頁

【參考文獻】：
期刊論文
[1]基于隨機森林的植物葉片識別應(yīng)用[J]. 錢亮亮.  現(xiàn)代計算機. 2019(29)
[2]基于輕量級CNN的植物病害識別方法及移動端應(yīng)用[J]. 劉洋,馮全,王書志.  農(nóng)業(yè)工程學(xué)報. 2019(17)
[3]基于DeepLearning4J on Spark深度學(xué)習(xí)方法在藥用植物圖像識別中應(yīng)用初探[J]. 趙彥輝,范欣寧,張建逵,謝明.  中國中醫(yī)藥圖書情報雜志. 2018(05)
[4]基于TensorFlow深度學(xué)習(xí)手寫體數(shù)字識別及應(yīng)用[J]. 黃睿,陸許明,鄔依林.  電子技術(shù)應(yīng)用. 2018(10)
[5]基于iOS系統(tǒng)的觀賞植物識別[J]. 王禮,洪祖兵,方陸明,陳珣,吳超.  浙江農(nóng)林大學(xué)學(xué)報. 2018(05)
[6]大數(shù)據(jù)分析關(guān)鍵技術(shù)與挑戰(zhàn)[J]. 韓偉紅,賈焰,周斌.  信息技術(shù)與網(wǎng)絡(luò)安全. 2018(04)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的菊花花型和品種識別[J]. 袁培森,黎薇,任守綱,徐煥良.  農(nóng)業(yè)工程學(xué)報. 2018(05)
[8]基于深度學(xué)習(xí)的植物圖像識別方法研究[J]. 袁銀,王東斌,劉永金.  現(xiàn)代農(nóng)業(yè)科技. 2017(23)
[9]基于葉片圖像的植物識別方法[J]. 闞江明,王怡萱,楊曉微,冷萃.  科技導(dǎo)報. 2010(23)
[10]基于圖像識別技術(shù)的豆科牧草分類研究[J]. 王敬軒,馮全,王宇通,邵新慶.  草地學(xué)報. 2010(01)

碩士論文
[1]基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)研究及其應(yīng)用[D]. 田曉明.湖南大學(xué) 2018
[2]基于視頻圖像的船舶水尺自動測量系統(tǒng)的設(shè)計與實現(xiàn)[D]. 林王峰.集美大學(xué) 2017
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究[D]. 段萌.鄭州大學(xué) 2017
[4]植物圖像識別方法研究及實現(xiàn)[D]. 胡直峰.浙江大學(xué) 2017



本文編號：3086958