植物叶片识别的方法研究

发布时间：2023-06-13 20:23

　　植物在大自然中扮演着重要角色,大自然的有序循环、人们日常生产生活都离不开植物。全球植物种类繁多,数量巨大,特别是在我们国家,植物种类丰富多样,分布广泛,那么如何能快速有效的识别植物种类呢?由于植物种类繁多,单纯靠人工识别,效率较低,所以自动化的识别工作显得尤为重要。而不同的植物叶片在形状、颜色和叶脉纹理上都有很大差距,从而我们可以利用植物叶片的外观视觉特征来辨别不同的种类。随着当前数字计算机处理技术和人工智能技术的快速发展,植物的外观视觉特征提取也并不依靠人工,计算机技术以及编程软件在此类领域发挥着重要作用,不仅可以节约人力物力的投入,而且可以有效的提高图像识别的准确率。本论文是基于UCI公开数据库中的植物叶片数据集,从该数据集中挑选了24类植物,共计281张,平均每类约有12张图片,每张图片对应14个特征。论文中使用了两大类方法,第一类方法是基于所有植物的叶片特征进行分类识别,第二类方法是直接对281张图片,采用卷积神经网络进行训练和识别,具体如下:第一类是机器学习中的传统方法,包括决策树、支持向量机、随机森林。机器学习中的传统方法是基于植物叶片的外部特征进行分类,进行分类的结果为:...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 选题背景
    1.2 本文研究的意义及目的
    1.3 国内外研究现状
        1.3.1 国外研究现状
        1.3.2 国内研究现状
    1.4 本文研究方法和内容结构
    1.5 论文创新点
第2章 植物叶片识别方法及原理
    2.1 决策树识别原理
    2.2 随机森林识别原理
    2.3 支持向量机识别原理
    2.4 基于深度学习的植物叶片识别原理
        2.4.1 人工神经网络
        2.4.2 卷积神经网络
        2.4.3 Keras深度学习框架
第3章 植物叶片识别的实验及分析
    3.1 植物叶片数据库
    3.2 数据集的选取
    3.3 数据预处理结果
    3.4 决策树实验结果
    3.5 随机森林实验结果
    3.6 支持向量机实验结果
    3.7 卷积神经网络实验结果
第4章 基于数据集扩充后的植物叶片识别
    4.1 植物叶片数据集扩充
    4.2 植物叶片数据集扩充后的实验结果
第5章 总结与展望
    5.1 总结
    5.2 未来工作的展望
附录
参考文献
在校期间研究成果
致谢



本文编号：3833232