基于卷积神经网络的植物品种识别研究

摘要：

[目的]花卉识别是图像识别的一个应用方向,市面上已有的植物识别软件只能识别出某种植物或花卉的整体种类,而不能识别出某个种类下的具体品种.[方法]本研究阐述了使用不同深度学习算法对月季品种分类识别的方法,该方法借助卷积神经网络将其分为不同的类别,通过图片集训练卷积神经网络模型来提高识别不同月季品种的准确率,并介绍了花卉识别的背景、卷积神经网络的原理、相关研究现状以及具体实验设计及实验分析.[结果与结论]GoogLeNet测试集的TOP-1准确率为96.36%,Inception V3 的TOP-1准确率为97.06%,ResNet50的TOP-1准确率为96.58%.通过对新图片进行拉伸变形、加滤镜、调色、缩小像素等操作后,发现三种算法模型对于加了黑白滤镜的图片识别准确率很低,经过对大批量黑白图片进行测试,对不同品种的月季识别准确率最高的是Inception V3网络模型.

关键词：花卉识别、图像处理、深度学习、卷积神经网络

所属期刊栏目：54

分类号：TP18(自动化基础理论)

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：65-69