| 基于多特征融合和卷积神经网络的植物叶片识别 |
| |
| 引用本文： | 韩斌,曾松伟.基于多特征融合和卷积神经网络的植物叶片识别[J].计算机科学,2021,48(z1):113-117. |
| |
| 作者姓名： | 韩斌 曾松伟 |
| |
| 作者单位： | 浙江农林大学信息工程学院 杭州 311300;浙江农林大学信息工程学院 杭州 311300;浙江农林大学浙江省林业智能监测与信息技术研究重点实验室 杭州 311300 |
| |
| 摘 要： | 植物叶片识别是植物自动分类识别研究的重要分支和热点,利用卷积神经网络进行图像分类研究已成为主流.为了提高植物叶片识别准确率,提出了基于多特征融合和卷积神经网络的植物叶片图像识别方法.首先对植物叶片图像进行预处理,提取LBP特征和Gabor特征,将多特征相加融合输入网络进行训练,使用卷积神经网络(AlexNet)构架作为分类器,利用全连接层对植物叶片进行识别.为了避免过拟合现象,使用"dropout"方法训练卷积神经网络,通过调节学习率、dropout值、迭代次数优化模型.实验结果表明,基于多特征融合的卷积神经网络植物叶片识别方法对Flavia数据库32种叶片和MEW2014数据库189种叶片识别分类效果较好,平均正确识别率分别为93.25％和96.37％,相比一般的卷积神经网络识别方法,该方法可以提高植物叶片的识别准确率,鲁棒性更强.
|
| 关 键 词： | 植物叶片识别 LBP Gabor 卷积神经网络 深度学习 |
Plant Leaf Image Recognition Based on Multi-feature Integration and Convolutional Neural Network |
| |
| HAN Bin,ZENG Song-wei.Plant Leaf Image Recognition Based on Multi-feature Integration and Convolutional Neural Network[J].Computer Science,2021,48(z1):113-117. |
| |
| Authors: | HAN Bin ZENG Song-wei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
