基于深度学习的蘑菇种类识别算法研究

摘要：

深度学习已广泛地应用于植物图像识别分类中.由于蘑菇图像的识别分类难度较大,针对如何提高识别模型的准确率和泛化能力,提出了单一背景下的蘑菇图像识别方法.针对传统的卷积神经网络中存在的空间冗余问题,采用了一种降梯度卷积训练模型,有效提高了蘑菇分类图像的识别性能.通过一个包含8123个样本的蘑菇数据集测试,降梯度卷积训练模型的平均耗费时间为0.985 s,第1张图像的平均命中准确率达到了91.6％,实验结果表明:降梯度卷积训练模型在单一背景、数据量较大的情况下,识别速度和准确率均优于传统的传统卷积神经网络.

关键词：深度学习、卷积神经网络、图像识别、图像频率、特征图

所属期刊栏目：38

分类号：S646;TP391.41

资助基金：湖北省自然科学基金计划项目2017CFB560

在线出版日期：2019-07-09（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：26-29,33