基于深度学习的天然草地植物物种识别方法

发布时间：2021-03-17 09:50

　　天然草地植物物种的分类识别是草地植被调查与监测的重要内容,传统的植物物种分类方法费时费力,且对专业知识要求高,难以很好地满足天然草地资源快速调查的需求。近年来随着计算机视觉和深度学习的快速发展,基于深度学习算法的植物图像分类识别已成为当前的研究热点。本研究建立了293种天然草地植物图像数据集,利用TensorFlow深度学习框架中的TF-slim模块,通过微调Inception V3模型的训练参数构建了天然草地植物的图像识别模型,训练结果表明,该模型验证集的Top1识别准确率达89.41%,Top5识别准确率为97.71%。与形色、花伴侣、微软识花和拍照识花等软件的识别效果的比较结果显示,本研究训练得到的植物识别模型可以识别的天然草地植物物种数量更多,识别准确度更高。 

【文章来源】：草业科学. 2020,37(09)

【文章页数】：9 页

【参考文献】：
期刊论文
[1]基于随机森林的植物叶片识别应用[J]. 钱亮亮.  现代计算机. 2019(29)
[2]基于轻量级CNN的植物病害识别方法及移动端应用[J]. 刘洋,冯全,王书志.  农业工程学报. 2019(17)
[3]基于DeepLearning4J on Spark深度学习方法在药用植物图像识别中应用初探[J]. 赵彦辉,范欣宁,张建逵,谢明.  中国中医药图书情报杂志. 2018(05)
[4]基于TensorFlow深度学习手写体数字识别及应用[J]. 黄睿,陆许明,邬依林.  电子技术应用. 2018(10)
[5]基于iOS系统的观赏植物识别[J]. 王礼,洪祖兵,方陆明,陈珣,吴超.  浙江农林大学学报. 2018(05)
[6]大数据分析关键技术与挑战[J]. 韩伟红,贾焰,周斌.  信息技术与网络安全. 2018(04)
[7]基于卷积神经网络的菊花花型和品种识别[J]. 袁培森,黎薇,任守纲,徐焕良.  农业工程学报. 2018(05)
[8]基于深度学习的植物图像识别方法研究[J]. 袁银,王东斌,刘永金.  现代农业科技. 2017(23)
[9]基于叶片图像的植物识别方法[J]. 阚江明,王怡萱,杨晓微,冷萃.  科技导报. 2010(23)
[10]基于图像识别技术的豆科牧草分类研究[J]. 王敬轩,冯全,王宇通,邵新庆.  草地学报. 2010(01)

硕士论文
[1]基于深度学习的目标检测技术研究及其应用[D]. 田晓明.湖南大学 2018
[2]基于视频图像的船舶水尺自动测量系统的设计与实现[D]. 林王峰.集美大学 2017
[3]基于卷积神经网络的图像识别方法研究[D]. 段萌.郑州大学 2017
[4]植物图像识别方法研究及实现[D]. 胡直峰.浙江大学 2017



本文编号：3086958