[发明专利]一种基于深度神经网络的菊花识别方法

权利要求书

1.一种基于深度神经网络的菊花识别方法，其特征在于，包括以下步骤：

(1)菊花图像原始数据的采集和预处理，并构成训练集样本；

(2)构建深度神经网络模型；

(3)待识别菊花的图像采集，并对图像进行裁剪和缩放，将图像转化成RGB形式输入到深度神经网络的模型中；

(4)将测试样本利用训练完成的神经网络的模型识别菊花的类型。

2.根据权利要求1所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述的步骤(2)对图像处理包括训练集图片的随机剪裁、随机反转、随机亮度变换、随机对比度变换、白化处理和测试集图片的随机剪裁、白化处理。

3.根据权利要求1所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述的深度卷积神经网络依次是数据输入层Input、Conv1卷积层、Conv2卷积层、全连接层和Output数据输出层。

4.根据权利要求3所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述的Conv1卷积层输入图像像素大小为48*48*3，所述Conv1卷积层的卷积核数目为64个，卷积核的移动切片步长为1，卷积核的大小为5*5，pooling层的卷积核大小为3*3，移动步长为2，所述的Conv1卷积层的输出为Conv2卷积层的输入。

5.根据权利要求3所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述Conv1卷积层和Conv2卷积层为相同的设计结构，并均使用ReLU函数为神经元激活函数。

6.根据权利要求3所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述全连接层包括Fc3全连接层和Fc4全连接层，Fc3全连接层的输出神经元个数设为384个，Fc4全连接层输出的神经元个数设为192个。

7.根据权利要求1所述的一种基于深度神经网络的菊花识别方法，其特征在于：本发明所述方法采用修正线性单元ReLU激活函数为f(x)＝max(0,x)。

8.根据权利要求1所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述步骤(4)识别的菊花类型有五种，分别为翻卷型、雏菊型、飞舞型、球型和莲座型。

9.根据权利要求1所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述步骤(2)中所述卷积神经网络训练阶段包括如下步骤：

(a)从截断的正态分布中输出随机值的方法初始化网络的权值参数W，生成的值服从正态分布；

(b)从训练集中通过线程随机选取15-50个训练样本，然后对选取图像进行预处理后输入到BP卷积神经网络中；

(c)计算实际的输出值与预测的输出值之间的误差值；

(d)如果迭代次数达到预定值，则停止训练，否则继续进行训练，并按照极小化的方式将误差进行反向传播；

(e)返回步骤(b)，循环训练。