基于深度学习的天然草地植物物种识别方法

编号 zgly0001721400

文献类型 期刊论文

文献题名 基于深度学习的天然草地植物物种识别方法

作者 高宏元  高新华  冯琦胜  李文龙  鲁征  梁天刚 

作者单位 兰州大学草地农业生态系统国家重点实验室/兰州大学农业农村部草牧业创新重点实验室/兰州大学草地农业教育部工程研究中心/兰州大学草地农业科技学院  甘肃省草原技术推广总站 

母体文献 草业科学 

年卷期 2020年09期

年份 2020 

分类号 TP18  S812 

关键词 深度学习  天然草地  植物识别  TensorFlow  InceptionV3 

文摘内容 天然草地植物物种的分类识别是草地植被调查与监测的重要内容,传统的植物物种分类方法费时费力,且对专业知识要求高,难以很好地满足天然草地资源快速调查的需求。近年来随着计算机视觉和深度学习的快速发展,基于深度学习算法的植物图像分类识别已成为当前的研究热点。本研究建立了293种天然草地植物图像数据集,利用TensorFlow深度学习框架中的TF-slim模块,通过微调Inception V3模型的训练参数构建了天然草地植物的图像识别模型,训练结果表明,该模型验证集的Top1识别准确率达89.41%,Top5识别准确率为97.71%。与形色、花伴侣、微软识花和拍照识花等软件的识别效果的比较结果显示,本研究训练得到的植物识别模型可以识别的天然草地植物物种数量更多,识别准确度更高。