应用卷积神经网络识别花卉及其病症

摘要 随着我国花卉产业规模扩大，养花赏花人数不断增加，如何能够快速自动地识别花卉种类及花卉病症受到了广泛的关注.目前图像识别技术已有大量研究工作，卷积神经网络研究已获重大突破，其在花卉分类问题上的应用也有很大进展，但关于花卉疾病识别方面的研究仍然较少.针对10种常见观赏花卉，提供一个包含4种花卉的共16种叶部病症的图像数据集，结合网络多输入和迁移学习方法，设计并实现基于卷积神经网络的分类模型，集成为花卉分类-病症识别一体化工具.实验结果表明，所设计的基于卷积神经网络的分类模型有较高的准确率，病症识别总体准确率达到88.2%，经迁移学习后提升至94.4%，相比于基于支持向量机的分类模型准确率高出至少27.0%