基于深度学习的快速植物图像识别

• 作者: 余丽君 张雪芹 诸葛晶晶 陈嘉豪
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 植物识别 卷积神经网络 Alexnet模型 迁移学习 GPU并行计算
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 887-895
• 页数: 9页
• 分类号: TP391.4
• 字数: 6814字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.20171116004

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雪芹	华东理工大学信息科学与工程学院	35	240	8.0	15.0
2	余丽君	华东理工大学信息科学与工程学院	2	17	1.0	2.0
3	诸葛晶晶	华东理工大学信息科学与工程学院	4	21	2.0	4.0
4	陈嘉豪	华东理工大学信息科学与工程学院	1	17	1.0	1.0