基于优化AlexNet的花卉识别

• 作者: 任意平 夏国强 李俊丽
• 来源期刊: 电子测量技术
• 关键词: 神经网络 花卉识别 深度可分离卷积 特征融合
• 年，卷（期）: 2020,（19）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 94-98
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004739

摘要

准确并高效地识别花卉在自动化种植、机械采摘、病虫害防治、鲜花定级等方面均具有重要意义.为了使手机等嵌入式设备对花卉识别更具有适配性,在AlexNet的基础上,利用深度可分离卷积减少运算量,调整自适应池化层和全连接层减少参数量,将低维特征与高维特征相融合提升特征提取能力.实验结果表明优化后的模型可以有效降低运算量及参数量.模型体积仅14.34 MB,浮点运算量减少53％,识别速度提高31％,充分验证了优化方法的有效性.