当前位置:主页 > 科技论文 > 自动化论文 >

基于深度学习的植物叶片识别研究与实现

发布时间:2024-07-07 07:02
  植物在整个生态系统中扮演举足轻重的角色,全球的森林覆盖率为31.7%且分布广泛。对于植物的识别分类能够帮助我们进一步完善全球生态体系,建立完整的生物资料库。植物叶片是分辨其种类的主要参考对象。传统的的识别方法切入点在于在轮廓的形态分析、叶脉的走向分析等。随着现代科技的不断革新,深度学习技术凭借其对于图像特征提取的优势逐渐发展起来。本文围绕基于改进的深度学习的植物叶片识别算法的模型与实现问题开展研究,主要研究内容包括如下几个方面:(1)针对小数据样本训练深度网络模型时产生的过拟合问题,采用两种解决方案。一方面,研究并改进了对数据图像预处理的方法,通过DCGAN方法扩充数据库图像,使之达到深度网络训练的基本要求;另一方面,利用迁移学习将网络模型应用于参数训练上,以提高植物叶片识别的准确率。通过Inception V3和VGG-16两种模型进行优化前后的对比实验,结果表明,此算法可以提高识别植物叶片的效率。(2)针对网络模型参数过大导致其存储及计算代价过高的问题,采用改进的神经网络压缩方法。首先,利用递归贝叶斯算法进行网络剪枝,自适应地去除网络冗余;然后,引入K-means聚类量化网络中的卷...

【文章页数】:57 页

【学位级别】:硕士

【部分图文】:

图1-]技术路线图??

图1-]技术路线图??

?东北林业大学硕士学位论文???<?开始???\1/???融合DCGAN与迀移学??习算法进行卷积神经??网络的识别优化???\J^???融合网络修剪与量化??算法进行卷积神经网??络的识别模型压缩???^???构建卷积神经网络识??别植物叶片的嵌入式??硬件平台???^???图....


图2-2最大池化操作??

图2-2最大池化操作??

?东北林业大学硕士学位论文???D2?=?D\?(2-4)??如图2-2所示演示了一张对大小为4x4的图像数据进行最大池化的操作,这里采??用的卷积核大小为2x2、单次移动步长为2,可以看出粉色格子所代表像素中最大值为??6、绿色格子所代表像素中最大值为8,以此类推可以得到2x2....


图2-3?Sigmoid函数图像??Tanh激活函数,函数表达式为:??

图2-3?Sigmoid函数图像??Tanh激活函数,函数表达式为:??

?东北林业大学硕士学位论文???D2?=?D\?(2-4)??如图2-2所示演示了一张对大小为4x4的图像数据进行最大池化的操作,这里采??用的卷积核大小为2x2、单次移动步长为2,可以看出粉色格子所代表像素中最大值为??6、绿色格子所代表像素中最大值为8,以此类推可以得到2x2....


图2-4Tanh函数图像??Relu函数是三种激活函数中最为常见的一个,函数表达为:??

图2-4Tanh函数图像??Relu函数是三种激活函数中最为常见的一个,函数表达为:??

?2深度学习相关知识???——??___—???.1??图2-4Tanh函数图像??Relu函数是三种激活函数中最为常见的一个,函数表达为:??f〇?x<0??H?(2-7)??对丨、V:的函数阁像为:??1/???〇-?y???10?-5?0?S?10??图2-5?Relu函数....



本文编号:4003330

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/4003330.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户48f98***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com