科研之友
微信
新浪微博
Facebook
分享链接
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%.
- 单位
