应用卷积神经网络识别花卉及其病症

被引：21

作者：

林君宇

李奕萱

郑聪尉

罗雯波

许蕾

机构：

[1] 南京大学计算机科学与技术系

来源：

小型微型计算机系统 | 2019年 / 40卷 / 06期

关键词：

卷积神经网络; 花卉病症图像分类; 多输入; 支持向量机; 迁移学习;

D O I：

暂无

中图分类号：

S68 [观赏园艺（花卉和观赏树木）]; S436.8 [观赏园艺类病虫害]; TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

090706 ; 090401 ; 090402 ; 081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

随着我国花卉产业规模扩大,养花赏花人数不断增加,如何能够快速自动地识别花卉种类及花卉病症受到了广泛的关注.目前图像识别技术已有大量研究工作,卷积神经网络研究已获重大突破,其在花卉分类问题上的应用也有很大进展,但关于花卉疾病识别方面的研究仍然较少.针对10种常见观赏花卉,提供一个包含4种花卉的共16种叶部病症的图像数据集,结合网络多输入和迁移学习方法,设计并实现基于卷积神经网络的分类模型,集成为花卉分类-病症识别一体化工具.实验结果表明,所设计的基于卷积神经网络的分类模型有较高的准确率,病症识别总体准确率达到88. 2%,经迁移学习后提升至94. 4%,相比于基于支持向量机的分类模型准确率高出至少27. 0%.

引用

页码：1330 / 1335

页数：6

共 9 条

[1] 基于SVM的小麦叶部病害识别方法研究 [J].

余秀丽 ;

徐超 ;

王丹丹 ;

张卫园 ;

屈卫锋 ;

宋怀波 .

农机化研究, 2014, (11) :151-155+159

[2] 基于显著图的花卉图像分类算法研究 [J].

周伟 ;

武港山 .

计算机技术与发展, 2011, 21 (11) :15-18+22

[3]

基于卷积神经网络的花卉图像分类算法的研究[D]. 刘园园.华北电力大学(北京). 2017

[4]

基于数字图像的花卉种类识别技术研究[D]. 裴勇.北京林业大学. 2011

[5]

Multi-Input Convolutional Neural Network for Flower Grading[J] . Yu Sun,Lin Zhu,Guan Wang,Fang Zhao,Sos Agaian.Journal of Electrical and Computer Engineering . 2017

[6]

LIBSVM[J] . Chih-Chung Chang,Chih-Jen Lin.ACM Transactions on Intelligent Systems and Technology (TIST) . 2011 (3)

[7]

Study on the flower identification technology with digital images .2 Pei Yong. Beijing Forestry University . 2011

[8]

https://arxiv.org/abs/1502.03167 .

[9]

Multi-column deep neural networks for image classification .2 J Schmidhuber,U Meier,D Ciresan. Computer Vision and Pattern Recognition . 2012

← 1 →