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

作為判別器官�；ǘ淇梢蕴峁╆P(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，且植物圖像分類效果取決于提取特征的好壞，因此植物圖像大的難點。逡逑像分類早己不是一個新話題了，而現(xiàn)下大部分的植物圖像分類算法差異去進行分類識別。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分類器進行分類識別，實驗表明小波變換和合運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、灰斑病等病害識別方法。劉海波［１（）】利用深度卷積網(wǎng)提取片特征，通過訓(xùn)練實現(xiàn)了番茄病蟲害自動檢測模型。逡逑內(nèi)市場上也研宄開發(fā)了為數(shù)不多的植物圖像分類手機應(yīng)用（ＡＰＰ），、花伴侶、朝花夕拾等，它們可以通過拍照和上傳本地照片兩種方類，具有實時性和便捷性，而且這些手機應(yīng)用的識別引擎都是使用型（卷積神經(jīng)網(wǎng)絡(luò)）來實現(xiàn)的。雖然它們能夠識別的植物種類比較不高，且是對生石花的分類更沒有細(xì)致的區(qū)分，下圖分別是微軟識植物靜夜和生石花朝貢玉的識別，具體的測試效果如下圖所示。逡逑亁贅邐ＩＪＷ邐？邋ＭＸ邋＇邋Ｍ邐，邐１３：ＳＪ邐＞邋ｓｅｎ．＇逡逑

白鳥到9l.3Flskuehe
【學(xué)位授予單位】：大連交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：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)語音識別[J];工程科學(xué)學(xué)報;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[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2014年06期

3 宋衛(wèi)華;;基于多級別特征融合的醫(yī)學(xué)圖像檢索技術(shù)[J];南華大學(xué)學(xué)報(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的玉米病害的識別[J];沈陽農(nóng)業(yè)大學(xué)學(xué)報;2005年06期

，

本文編號：2695423