基于卷积神经网络模型的多肉植物种类识别

• 作 者: 李晓红 吴仲华 刘海秋 马慧敏
• 机 构: 安徽农业大学信息与计算机学院
• 出 处: 贵州师范学院学报
• 发表日期: 2020年03期
• 关键词: 多肉植物 卷积神经网络 自动识别 图像识别 succulent plantsconvolutional neural networkautomatic reco
• 基金项目: 2019年国家级大学生创新创业训练计划项目“基于卷积神经网络的多肉植物识别方法研究”资助(项目编号:201910364075),安徽省高校自然科学研究项目“基于卷积神经网络的小麦不完善粒快速识别方法研究”资助(项目编号:KJ2019A0210)

多肉植物凭借其观赏价值被很多人喜爱。除此之外,多肉植物还有许多实际应用价值,如:酿酒、药用、建材、食用等。但由于品种复杂繁多、外观相似,人们通常不能准确地识别多肉植物的品种。利用卷积神经网络(CNN)强大的特征自学习能力,自动提取多肉植物特征,并分别对莲和玉露两科各4个品种的多肉植物进行分类,在模型M1中识别准确率分别为0.89、0.84,在模型M2中识别准确率分别为0.95、0.89,可以看出随着卷积层数的加深,能够得到更好的识别效果。