基于深度学习的蘑菇种类识别算法研究

• 作者: 罗奇
• 来源期刊: 中国食用菌
• 关键词: 深度学习 卷积神经网络 图像识别 图像频率 特征图
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 生理生化
• 页码范围: 26-29,33
• 页数: 5页
• 分类号: S646|TP391.41
• 语种: 中文
• DOI: 10.13629/j.cnki.53-1054.2019.06.007

摘要

深度学习已广泛地应用于植物图像识别分类中.由于蘑菇图像的识别分类难度较大,针对如何提高识别模型的准确率和泛化能力,提出了单一背景下的蘑菇图像识别方法.针对传统的卷积神经网络中存在的空间冗余问题,采用了一种降梯度卷积训练模型,有效提高了蘑菇分类图像的识别性能.通过一个包含8123个样本的蘑菇数据集测试,降梯度卷积训练模型的平均耗费时间为0.985 s,第1张图像的平均命中准确率达到了91.6％,实验结果表明:降梯度卷积训练模型在单一背景、数据量较大的情况下,识别速度和准确率均优于传统的传统卷积神经网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗奇	武汉体育学院体育工程与信息技术学院	9	6	2.0	2.0