CN:36-1239/TH

ISSN:1672-3872

半月刊

JST日本科学技术振新机构数据库(日)(2024)

中文核心期刊(遴选)数据库收录期刊

中文科技期刊数据库收录期刊

中国学术期刊(光盘版)全文收录期刊

中国期刊网收录期刊

中国学术期刊综合评价数据库 统计源期刊

搜索
搜索
这是描述信息

基于卷积神经网络的植物品种识别研究

访问量:

DOI:10.3969/j.issn.1672-3872.2023.17.018

作者:付雪婷,王新鑫,杨凡凡,潘昊(沈阳化工大学,辽宁 沈阳 110142)

 

摘 要:【目的】花卉识别是图像识别的一个应用方向,市面上已有的植物识别软件只能识别出某种植物或花卉的整体种类,而不能识别出某个种类下的具体品种。【方法】本研究阐述了使用不同深度学习算法对月季品种分类识别的方法,该方法借助卷积神经网络将其分为不同的类别,通过图片集训练卷积神经网络模型来提高识别不同月季品种的准确率,并介绍了花卉识别的背景、卷积神经网络的原理、相关研究现状以及具体实验设计及实验分析。【结果与结论】GoogLeNet测试集的TOP-1准确率为96.36%,Inception V3 的TOP-1准确率为97.06%,ResNet50的TOP-1准确率为96.58%。通过对新图片进行拉伸变形、加滤镜、调色、缩小像素等操作后,发现三种算法模型对于加了黑白滤镜的图片识别准确率很低,经过对大批量黑白图片进行测试,对不同品种的月季识别准确率最高的是Inception V3网络模型。

关键词:花卉识别;图像处理;深度学习;卷积神经网络

 

引文信息 [1]付雪婷,王新鑫,杨凡凡,等.基于卷积神经网络的植物品种识别研究[J].南方农机,2023,54(17):65-69.

查看全文请下载PDF文件↓

相关下载

分类:
2023年
文件大小:
1.6M
2023-09-11 09:53:27
所属人群:
所有人
上一页
1
底部logo

公众号

地       址:江西省南昌市红谷滩红谷中大道1326号江报传媒大厦908室

联系电话:0791-86202556

投稿邮箱:nfnj@vip.163.com

版权所有:江西南方农机杂志社有限责任公司.  All rights reserved.   SEO     赣ICP备2023003226号-1       技术支持:中企动力-南昌