基于轻量化卷积神经网络的多肉植物种类识别研究

作者：孙公凌云; 张靖渝; 连俊博; 宁景苑; 刘伟立; 刘权; 王国振; 陆诗怡; 时鹏辉; 楼雄伟

来源：传感技术学报, 2023, 36(12): 1916-1927.

• 图像分类
• 多肉植物图像
• 深度学习
• 迁移学习
• MobileNet V3
• Focal Loss
• Dropout
• LeakyReLU

目前多肉植物产业在我国发展较快，市场前景广阔，由于其具有品种繁多、形态多变、类间相似度高等特点，导致多肉植物种类辨别难度较大。针对上述问题，提出一种基于改进MobileNet V3网络与迁移学习的多肉植物图像分类方法，将Bottleneck模块前六层的ReLU激活函数换成LeakyReLU激活函数，优化了SE模块，添加了Dropout层提高模型的泛化性。通过改进MobileNet V3网络对13种多肉植物图像进行种类识别，准确率为97.35%,并且可以实时稳定地对多肉植物图像进行分类，使用Focal Loss代替交叉熵损失函数，达到平衡样本的目的。研究结果表明，利用改进MobileNet V3网络对多肉植物种类识别具有一定可行性。

• 单位
  浙江农林大学