基于深度卷积网的多肉植物图像分类技术研究

《基于深度卷积网的多肉植物图像分类技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ＴＰ３９１．４１１５０分类号：学校代号：１０：１ＵＤＣ：密级：无学号２０６３０９８义盖又通乂事全日制专业硕士学位论文基于深度卷积网的多肉植物图像分类技术研宄ＳｔｕｄｏｎＩｍａｅＣｌａｓｓｉｆｉｃａｔｉｏｎＴｅｃｈｎｏｌｏｏｆｙｇｇｙＳｕｃｃｕｌｅｎｔＰｌａｎｔｓＢａｓｅｄｏｎＤｅｅｐｃｏｎｖｏｌｕｔｉｏｎＮｅｔｗｏｒｋ学生姓名：刘俨娇校内导师及职称：贾世杰教授企业导师及职称：孙德尧高级工程师工程领域：电子与通

2、信工程＿＿研究方向：信号与信息处理论文类型：应用研宄申请学位：工程硕士论文答辩日期：２０１８年６月１０曰学位授予单位：大连交通大学大连交通大学学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢及参考文献的地方外，论文中不包含他人或集体已经发表或撰写过的研究成果，也不包含为获得大连交通大学或其他教育机构的学位或证书而使用过的材料一同工作的同志对本研究所做的任何

3、贡献均已在。与我论文中作了明确的说明并表示谢意。本人完全意识到本声明的法律效力，申请学位论文与资料若有不实之处一，由本人承担切相关责任。学位论文作者签名：＞６：０＾曰期：年６月６曰大连交通大学学位论文版权使用授权书本学位论文作者完全了解大连交通大学有关保护知识产权及保留、使用学位论文的规定：研究生在校攻读学位期间论文工作的，即知识产权单位属大连交通大学，本人保证毕业离校后，发表或使用论文工作成果时署名单位仍然为大连交通大学。学校有权保留并向国家有关部门或机构

4、送交论文的复印件及其电子文档，允许论文被查阅和借阅。水人授权大连交通大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国博士学位论文全文数据库》、《中国优秀硕士学位论文全文数据库》进行信息服务，也可以采用影印、缩印或扫描等复制手段保存或汇编本学位论文。（保密的学位论文在解密后应遵守此规定）学位论文作者签名：知＊师签名：象＆又曰期年月＜曰曰期：＞ｆ年６月Ｚ曰６／ｉｍ摘要近年来，多肉植物由于观赏价值高，、易种植等特点受到人们的关注和喜爱

5、。但多肉植物种类较多，外形相似，仅仅依靠人工识别比较困难，错误率较高。针对我国最常见的十种多肉植物ｌ，本文搜集大量多肉植物图片，运用ＴｅｎｓｏｒＦｏｗ深度学习框架研宄多肉植物识别方法，通过训练实现了基于图像的多肉植物自动识别模型。本文的主要工作如下：１。．构建多肉植物图库该图库由我国常见的十种多肉植物图片和九种生石花图片组成。多肉植物图库共有９３４８幅图片，每类平均９３４幅。生石花图库共５９８８幅图片，每类近６００幅３００ｘ３００。。图库中的每幅图像分辨率均为２．使用自

6、搭建的卷积神经网络实现多肉植物的图像识别。构建多层卷积神经网络，并利用数据增强、Ｄｒｏｐｏｕｔ、随机梯度下降（ＳｔｏｃｈａｓｔｉｃＧｒａｄｉｅｎｔＤｅｓｃｅｎｔ，ＳＧＤ）等技术训练此卷积神经网络模型，。针对多肉植物和生石花图像分类所训练出的模型分别实现了９４７％８６７，６。．和．％的分类正确率。经测试平均每幅图片识别时间为ｓ左右３．基于ＡｌｅｘＮｅｔ深度模型和迁移学习技术实现多肉植物的图像分类。①使用微调－Ｆｉｎｅｔｕｎ，ｉｎ技术对最后三个全连接层进行重新训练得到分类模型。针对

7、多肉植物和（ｇ）生石花图像，该模型可实现９５．３％和８７．３％的分类正确率，平均每幅图片测试用时７．５ｓ。②将全连接层提取的特征融合以后，再重新训练最后三个全连接层，得到最终模型对多９６．３％和８８１％肉植物和生石花图像进行分类的正确率分别为．，平均每幅图片测试用时８ｓ〇４．为实现识别多肉植物的便携性，本文将多肉植物图像分类模型移植到手机上的安卓操作系统，直接用终端设备即可离线识别多肉植物。经测试，此分类模型在手机上可一以正常运行且有较好的分类性能。测试结果表明，该系统识别

8、幅多肉植物图片平均用时为１０ｓ。关键词：多肉植物图像分类卷积神经网迁移学习Ｔｅｎｓｏｒｆｌｏｗ；；；；Ｉ大连交通大学全日制专业硕士学位论文ＡｂｓｔｒａｃｔＩｎｒｅｃｅｎｔｅａｒｓｓｕｃｃｕｌｅｎｔｓａｒｅｗｉｄｅｌｃｏｎｃｅｒｎｅｄａｎｄｆａｖｏｒｅｄｂｅｏｌｅｂｅｃａｕｓｅｏｆｔｈｅｙ，ｙｙｐｐｈｉｈｌｌｔｉＨｏｗｅｖｅｔｉｄｉｆｆｔｌｌｌｌｏｒｎａｍｅｎｔａｖａｌｕｅａｎｄｅａｓａｎｎ．