基于图像分析的植物叶片识别研究

发布时间：2024-03-22 21:05

　　目前植物科学研究的普及性没有达到很高的程度。人们对所看到的植物不能快速、准确地获取该植物的学名、性状、品类等特征,使得在植物保护和植物病状知识研究中产生了一定的困难。因此,植物识别是进行植物学习和植物研究过程中一项不可或缺的任务。本论文主要研究基于植物叶片特征的识别研究。首先设计基于植物叶片特征的识别系统,测试出系统的准确率用于对比研究。之后采用深度学习的卷积神经网络设计植物深度识别系统,通过深度识别系统实现了复杂背景以及非人工参与下植物叶片的自动化识别。本论文的主要工作如下:(1)构建植物叶片数据集。本论文采用Plant Village数据集,AI Challenger PDR2018和PPBC(中国植物图像库)作为植物叶片数据库的组成基础。分析对比这3种数据的优劣以及与本次研究的契合度,通过抽取融合,最终生成13个种类约4万容量的数据集。(2)设计基于特征工程的植物叶片识别系统。通过对植物叶片采取图像预处理、特征提取、特征处理等操作提取植物叶片的形状、纹理特征,最后设计3层BP神经网络做为分类器识别特征,得出识别结果。(3)基于深度学习卷积神经网络,设计Resnet-incepti...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图5.2部分植物叶片样本

基于图像多分辨率分析的植物叶片识别系统的研究机获取图像。在本文中一共采用了27类植物的叶片共近500幅图像，该数据库由中科院合肥智能机械研究所神经计算实验室提供。部分叶片图像如图5.2所示。图5.2部分植物叶片样本5.2.3计算机系统随着计算机技术和图像处理技术的迅猛发展，在微型....

图5.8SnakeS算法功能演示

基于图像多分辨率分析的植物叶片识别系统的研究(a)打开一幅复杂背景叶片图像(b)设置初始点

图2.1单个神经元模型(M-P神经元)

南京信息工程大学硕士学位论文6第二章深度卷积神经网络2.1卷积神经网络概述卷积神经网络(CNN)[11][12]是一种基于卷积滤波进行图像特征提取的深度学习网络结构。其在深度神经网络的基础上加入了卷积运算和采样操作。CNN通过卷积核的训练来对图像的单个像素块或多个像素块之间的联系....

图2.2阶跃函数以及表达式[16]

第二章深度卷积神经网络7）（2.1）（2.2图2.1中神经元接受的输入信号为x1到xm，WMK是指神经元m到神经元k的连接权，bk为神经元k的阈值也称为偏置(bias)，f()代表次神经元的激活函数，yk是神经元的输出。神经元从输入到输出可以用以下表达式表示：kmjjkjkbxw....

本文编号：3934952