高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ

基于深度学习的快速植物图像识别

张雪芹 陈嘉豪 诸葛晶晶 余丽君

张雪芹, 陈嘉豪, 诸葛晶晶, 余丽君. 基于深度学习的快速植物图像识别[J]. 华东理工大学学报(自然科学版), 2018, 44(6): 887-895. doi: 10.14135/j.cnki.1006-3080.20171116004
引用本文: 张雪芹, 陈嘉豪, 诸葛晶晶, 余丽君. 基于深度学习的快速植物图像识别[J]. 华东理工大学学报(自然科学版), 2018, 44(6): 887-895. doi: 10.14135/j.cnki.1006-3080.20171116004
ZHANG Xue-qin, CHEN Jia-hao, ZHUGE Jing-jing, YU Li-jun. Deep Learning Based Fast Plant Image Recognition[J]. Journal of East China University of Science and Technology, 2018, 44(6): 887-895. doi: 10.14135/j.cnki.1006-3080.20171116004
Citation: ZHANG Xue-qin, CHEN Jia-hao, ZHUGE Jing-jing, YU Li-jun. Deep Learning Based Fast Plant Image Recognition[J]. Journal of East China University of Science and Technology, 2018, 44(6): 887-895. doi: 10.14135/j.cnki.1006-3080.20171116004

基于深度学习的快速植物图像识别

doi: 10.14135/j.cnki.1006-3080.20171116004
基金项目: 

国家自然科学基金(31671006)

详细信息
    作者简介:

    张雪芹(1972-),女,副教授,博士,主要从事模式识别研究。E-mail:zxq@ecust.edu.cn

  • 中图分类号: TP391.4

Deep Learning Based Fast Plant Image Recognition

  • 摘要: 植物分类在形态、颜色和纹理上具有高度的相似性和密集的细节信息,传统的机器学习方法无法满足这些大样本的特征提取训练,识别种类与精度受到限制。深度学习可以有效地解决植物图像识别在种类数量、准确度和速度上的难点。本文提出了基于优化的P-AlexNet模型的植物识别算法,基于卷积神经网络(CNN)中的AlexNet网络模型进行优化处理,提高模型的泛化能力、细节特征的表征能力以及识别精度。利用迁移学习热启动更新植物识别种类,利用GPU并行计算加速模型训练和图片识别速度。针对206类植物图片,训练得到验证集精度达到86.7%的模型。以此模型为基础,开发了一款智能植物图像识别平台,包含了Web网站以及Android和IOS的App应用。Web端实验测试结果表明,检测时间平均为1.282 s,具有较高的准确性和泛化性以及快速的识别速度。

     

  • [1] KUMAR N, BELHUMEUR P N, BISWAS A, et al. Leafsnap:A computer vision system for automatic plant species identification[C]//Proceedings of the 12th European Conference on Computer Vision. Italy:ACM, 2012:502-516.
    [2] 郑姣, 刘立波. 基于Android的水稻病害图像识别系统设计与应用[J]. 计算机工程与科学, 2015, 37(7):1366-1371.
    [3] 黄婕, 李浩锐, 黄皓琪, 等. 基于尺度不变特征变换算法的植物自动识别系统[J]. 计算机应用, 2016, 36(s2):203-205.
    [4] 秦丰, 刘东霞, 孙炳达, 等. 基于深度学习和支持向量机的4种苜蓿叶部病害图像识别[J]. 中国农业大学学报, 2017, 22(7):123-133.
    [5] LEVI G, HASSNCER T. Age and gender classification using convolutional neural networks[C]//Computer Vision and Pattern Recognition Workshops. USA:IEEE, 2015:34-42.
    [6] SCHMIDHUBER J, MEIER U, CIRESAN D. Multi-column deep neural networks for image classification[J]. Computer Vision and Pattern Recognition, 2012, 157(10):3642-3649.
    [7] BOUVRIE J. Notes on convolutional neural networks[J]. Neural Nets, 2006(1):159-164.
    [8] YUAN Z W, ZHANG J. Feature extraction and image retrieval based on AlexNet[C]//Eighth International Conf-erence on Digital Image Processing.[s.l.]:[s.n.], 2016:100330E.
    [9] 庄福振, 罗平, 何清, 等. 迁移学习研究进展[J]. 软件学报, 2015, 26(1):26-39.
    [10] WU Y, LI W, MINOH M, et al. Can Feature-Based Inductive Transfer Learning Help Person Re-identification?[M]. Japan:Kyoto University, 2013.
  • 加载中
计量
  • 文章访问数:  2387
  • HTML全文浏览量:  563
  • PDF下载量:  90
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-11-24

目录

    /

    返回文章
    返回