基于深度學(xué)習(xí)的植物葉片識(shí)別方法研究.pdf

1、植物葉片識(shí)別對(duì)于鑒定新的或者稀缺物種至關(guān)重要，對(duì)于改善藥物工業(yè)、平衡生態(tài)系統(tǒng)以及農(nóng)業(yè)生產(chǎn)力的可持續(xù)性發(fā)展也有重要意義。針對(duì)傳統(tǒng)的植物葉片識(shí)別依賴于特征工程，需要人類的領(lǐng)域?qū)＜覅⑴c特征定義、特征提取、特征處理，從而使得在自然環(huán)境下植物葉片識(shí)別難的問(wèn)題，本文提出了一種通過(guò)自動(dòng)的表達(dá)學(xué)習(xí)程序從二維圖像中抽象特征，并用于分類識(shí)別的深度學(xué)習(xí)模型。本文所做的工作如下：
　?、傺芯總鹘y(tǒng)特征工程的識(shí)別方法的局限，研究深度學(xué)習(xí)的發(fā)展及優(yōu)勢(shì)。

2、　?、谘芯炕谔卣鞴こ痰闹参锶~片識(shí)別流程，包括特征的提取方法、特征的處理與選擇方案、分類器的設(shè)計(jì)方案，以及傳統(tǒng)特征工程面臨的問(wèn)題。
　?、垩芯炕谏疃葘W(xué)習(xí)的植物葉片識(shí)別流程，包括有限數(shù)據(jù)集下數(shù)據(jù)擴(kuò)增與魯棒性增強(qiáng)的圖像預(yù)處理方案，特征提取網(wǎng)絡(luò)構(gòu)造的關(guān)鍵步驟，損失函數(shù)的選擇與分類網(wǎng)絡(luò)構(gòu)造的關(guān)鍵步驟。
　?、苎芯可疃葘W(xué)習(xí)方法中提升識(shí)別率的關(guān)鍵問(wèn)題，實(shí)現(xiàn)更深、更寬、性能更好、參數(shù)更少的深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)造方法，網(wǎng)絡(luò)的訓(xùn)練及優(yōu)化方案，遷移

3、學(xué)習(xí)可用性及實(shí)現(xiàn)方案。
　　最終，本文實(shí)現(xiàn)了基于深度學(xué)習(xí)的植物葉片識(shí)別方法，該方法首先通過(guò)光照變換、水平鏡面翻轉(zhuǎn)、隨機(jī)裁剪、去均值與規(guī)范化等圖像預(yù)處理方式增強(qiáng)數(shù)據(jù)魯棒性。然后將預(yù)處理的圖像作為22層的深度卷積神經(jīng)網(wǎng)絡(luò)模型的輸入，經(jīng)過(guò)該模型一系列的卷積、池化操作，原始圖像被抽象并形成特征圖。最后經(jīng)過(guò)全局均值池化將特征圖轉(zhuǎn)為一維特征向量作為全連接層的輸入，并使用SoftMax損失函數(shù)和梯度下降算法指導(dǎo)學(xué)習(xí)最終實(shí)現(xiàn)分類。
　　本文