文献知网节
  • 记笔记

基于分层卷积深度学习系统的植物叶片识别研究

张帅淮永建

北京林业大学信息学院

摘要:深度学习已成为图像识别领域的研究热点。本文以植物叶片图像识别为研究对象,对单一背景和复杂背景图像分别给出了优化预处理方案;设计了一个8层卷积神经网络深度学习系统分别对Pl@ant Net叶片库和自扩展的叶片图库中33 293张简单背景和复杂背景叶片图像进行训练和识别,并与传统基于植物叶片多特征的识别方法进行了比较分析。实验证明:本文提供的CNN+SVM和CNN+Softmax分类器识别方法对单一背景叶片图像识别率高达91.11%和90.90%,识别复杂背景叶片图像的识别率也能高达34.38%,取得了较好的识别效果。利用本文实现的分层卷积深度学习识别系统在数据量大而无法做出更多优化的情况下,叶片图像的识别率更高,尤其是针对复杂背景下的叶片图像,取得了极佳的识别效果。
  • DOI:

    10.13332/j.1000-1522.20160035

  • 专辑:

  • 专题:

  • 分类号:

    TP391.41

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:1622 页码:108-115 页数:8 大小:450K

引文网络
  • 参考文献
  • 引证文献
  • 共引文献
  • 同被引文献
  • 二级参考文献
  • 二级引证文献
  • 批量下载
相关推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 相关法规
  • 关联作者
  • 相关视频