植物圖像識別方法研究及實現(xiàn).pdf

1、圖像識別技術目前廣泛應用于傳統(tǒng)制造業(yè)、安保以及互聯(lián)網(wǎng)行業(yè)，相關方法都較為成熟。但是，在生物、醫(yī)學以及食品等領域上還有很多空白需要填補，主要在于現(xiàn)在的識別方法往往面向“大”類別識別，例如區(qū)分貓和狗、人和車輛、動物和植物等，并非細粒度（微差）圖像識別的范疇，例如同為菊科下的秋菊和野菊的識別。本文針對微差圖像識別領域中的植物圖像識別進行了方法研究，主要工作如下:
　　1.從圖像底層特征入手，重點研究了BoV和費雪向量特征編碼方法，提出了

2、基于費雪向量的多特征融合圖像識別方案。實驗表明，在植物圖像識別應用中，基于費雪向量的特征編碼方案具有更好的效果。
　　2.從深度學習方法入手，首先設置對比實驗進行模型初選，研究分析不同訓練模式以及卷積神經(jīng)網(wǎng)絡深度對植物圖像識別的影響;其次提出了基于選擇性搜索算法的植物圖像關鍵區(qū)域生成方法;最后提出了面向關鍵區(qū)域的基于VGGNet16的植物圖像識別模型，并驗證了本文提出方法的有效性。
　　3.構(gòu)建植物圖像數(shù)據(jù)集。數(shù)據(jù)庫的構(gòu)建包