基于深度学习的植物叶片图像识别方法研究

论文摘要

准确了解植物的种类对保护生物多样性至关重要。传统的植物识别主要依靠研究人员的主观判断,这种方法费时费力,因此本文提出了两种自动化的植物叶片图像识别方法。1)基于特征的植物叶片图像识别方法。首先,对植物叶片图像进行预处理,主要包括图像灰度化、图像二值化、中值滤波以及形态学滤波运算操作,最终得到用于特征提取的二值图像和灰度图像。然后在二值图像上提取形状特征,在灰度图像上提取纹理特征,由于提取到的19维叶片特征存在不同量纲的问题,因此对特征进行归一化处理,接着采用主成分分析方法对归一化后的特征进行降维,最后将降维后的特征向量输入到BP神经网络分类器中进行训练。最终在自建的植物叶片图像数据集中进行分类识别,测试集准确率为90.14%。2)基于迁移学习的卷积神经网络植物叶片图像识别方法。首先对植物叶片图像进行随机水平、垂直翻转操作来扩充植物叶片图像数据集,接着将扩充后的数据集以4:1的比例分成训练集和测试集。然后将AlexNet、VGG-16、Inception-V3模型在ImageNet大型图像数据集上进行预训练,基于迁移学习的理论,将学习得到的模型参数迁移到本文的小样本植物叶片图像数据集上。在不改变其他参数的基础上,只是替换最后一层全连接层神经元个数为植物叶片种类数,从而训练得到植物叶片识别模型。将该方法在ICL数据库上进行实验,实验结果表明,利用AlexNet、VGG-16、Inception-V3预训练模型得到的测试集准确率分别为95.31%、93.86%、95.40%。最后将本文的两种方法在自建的植物叶片数据集上进行对比实验,实验结果表明基于迁移学习的卷积神经网络植物叶片图像识别方法效果更好。

论文目录

文章来源

类型: 硕士论文

作者: 张露

导师: 郑一力

关键词: 植物识别,卷积神经网络,迁移学习,特征提取

来源: 北京林业大学

年度: 2019

分类: 基础科学,信息科技

专业: 生物学,计算机软件及计算机应用,自动化技术

单位: 北京林业大学

分类号: TP18;TP391.41;Q949

DOI: 10.26949/d.cnki.gblyu.2019.000548

总页数: 61

文件大小: 4393K

下载量: 429

相关论文文献

• [1].浅谈深度学习在图像识别领域的应用现状与优势[J]. 科技资讯 2020(03)
• [2].基于深度学习的医学图像识别研究综述[J]. 中国卫生统计 2020(01)
• [3].前沿科技动态[J]. 科技中国 2020(04)
• [4].对基于深度学习的商品图像识别方法分析[J]. 科技创新导报 2020(02)
• [5].基于小样本多背景下的飞机图像识别研究[J]. 电脑编程技巧与维护 2020(04)
• [6].基于SSD_MobileNet_v1网络的猫狗图像识别[J]. 天津职业技术师范大学学报 2020(01)
• [7].深度学习技术在火灾图像识别中的应用[J]. 福建电脑 2020(05)
• [8].一种基于帧间差分法的舰船中靶图像识别方法[J]. 红外 2020(05)
• [9].基于迁移学习的家猪图像识别研究[J]. 软件导刊 2020(07)
• [10].基于双路注意力机制的化学结构图像识别[J]. 计算机工程 2020(09)
• [11].深度学习在图像识别中的研究及应用[J]. 电子世界 2020(19)
• [12].浅析深度学习在图像识别中的应用[J]. 襄阳职业技术学院学报 2019(02)
• [13].计算机图像识别的智能化处理方法分析[J]. 科技经济导刊 2019(11)
• [14].计算机图像识别的智能化处理技术瓶颈与突破[J]. 信息与电脑(理论版) 2019(16)
• [15].基于图像识别的课堂效率监测技术设想[J]. 中国新通信 2019(18)
• [16].浅谈计算机图像识别的智能化处理方法[J]. 计算机产品与流通 2019(11)
• [17].基于深度学习的医学图像识别研究进展[J]. 中国生物医学工程学报 2018(01)
• [18].计算机图像识别的智能化处理技术瓶颈与突破[J]. 信息与电脑(理论版) 2018(21)
• [19].学校食堂菜品图像识别方法研究[J]. 黑龙江科技信息 2017(14)
• [20].人工“智能”图像识别[J]. 中国信息技术教育 2017(Z2)
• [21].智能钱币分类整理机[J]. 科学中国人 2017(03)
• [22].计算机图像识别智能化处理技术的研究[J]. 广西教育 2016(35)
• [23].基于图像识别的食品变质检测技术[J]. 饮食科学 2017(06)
• [24].论自适应3DLBP特征下的人脸深度图像识别[J]. 赤子(下旬) 2016(12)
• [25].智·医疗[J]. 风流一代 2017(24)
• [26].图普科技 日均处理图片9亿张[J]. 创业邦 2017(08)
• [27].“无人便利店”想要走进我们的生活,还要蹚过哪些坑?[J]. 环球市场信息导报 2017(23)
• [28].关于人工智能的图像识别技术分析[J]. 科技资讯 2020(10)
• [29].基于图像识别板球控制系统的设计[J]. 电子设计工程 2020(13)
• [30].基于卷积神经网络的畜牧业动物图像识别研究[J]. 软件 2020(08)

标签：植物识别论文;  卷积神经网络论文;  迁移学习论文;  特征提取论文;