卷积神经网络在植被识别中的应用研究

• 作者: 丁宾 张德升 王琢 鞠训光 黎普涛
• 来源期刊: 计算机科学与应用
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 潘安湖湿地公园
• 年，卷（期）: 2019,（5）
• 页码范围: 841-848
• 页数: 8页
• 分类号: TP39

摘要

大多数植物图片识别的方法,都是聚焦与植物图片的某一特征进行识别,例如叶径,叶长,花,果实,叶片。使用其植物某个器官进行识别,这样得出的结果并不可靠,因为实际自然界有非常多的植物有着极其相似的特征。本文通过选取整个植物图片作为训练样本,即提取植物的所有特征,基于卷积神经网络(Convolutional Neural Networks, CNN)中的AlexNet模型,利用GPU并行计算能力加快模型训练和图片识别速度。通过对潘安湖的5类植物数据集进行训练,训练得到正确精度为87.5%的模型,并且将此训练精度与最近邻(K-NearestNeighbor, KNN)和BP神经网络(Back Propagation, BP)两种分类算法训练得到的训练精度作比较,验证了模型的高可用性。以此模型为基础,应用Python开发了一款基于潘安湖湿地公园植物的植物APP识别软件。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鞠训光		23	53	5.0	6.0
2	张德升		4	0	0.0	0.0
3	丁宾		13	64	5.0	7.0
4	黎普涛		2	0	0.0	0.0
5	王琢		1	0	0.0	0.0