基于卷积神经网络模型的多肉植物种类识别

作者：李晓红; 吴仲华; 刘海秋; 马慧敏^*

来源：贵州师范学院学报, 2020, 36(03): 9-15.

DOI：10.13391/j.cnki.issn.1674-7798.2020.03.002

• 多肉植物
• 卷积神经网络
• 自动识别
• 图像识别

多肉植物凭借其观赏价值被很多人喜爱。除此之外,多肉植物还有许多实际应用价值,如:酿酒、药用、建材、食用等。但由于品种复杂繁多、外观相似,人们通常不能准确地识别多肉植物的品种。利用卷积神经网络(CNN)强大的特征自学习能力,自动提取多肉植物特征,并分别对莲和玉露两科各4个品种的多肉植物进行分类,在模型M1中识别准确率分别为0.89、0.84,在模型M2中识别准确率分别为0.95、0.89,可以看出随着卷积层数的加深,能够得到更好的识别效果。

• 单位
  安徽农业大学