[发明专利]基于卷积神经网络与迁移学习的国兰种类识别方法及系统

权利要求书

1.基于卷积神经网络与迁移学习的国兰种类识别方法，其特征在于，包括步骤：

通过预设方式获取国兰的图片；

将获取的国兰图片经过预设训练结果模型进行识别，并获得国兰的种类识别结果。

2.根据权利要求1所述的基于卷积神经网络与迁移学习的国兰种类识别方法，建立预设训练结果模型的步骤为：

通过预设方式获取国兰各个类别的图像信息，并建立国兰图像数据集；

对国兰图像数据集中的图像信息进行预处理；

通过国兰图像数据集对预设识别网络模型进行训练，得到预设训练结果模型。

3.根据权利要求2所述的基于卷积神经网络与迁移学习的国兰种类识别方法，其特征在于，建立所述预设识别网络模型的步骤包括：

通过ImageNet图像数据集对Inception-Resnet-v2网络模型进行预训练，得到预训练网络模型；

将所述预训练模型通过基于模型的迁移学习得到所述预设识别网络模型。

4.根据权利要求2所述的基于卷积神经网络与迁移学习的国兰种类识别方法，其特征在于，对预设识别网络模型进行训练的步骤包括：

将预处理后的国兰图像数据集中的图像信息进行特征提取，得到特征图；

通过预设识别网络模型对特征图进行识别；

通过SoftMax分类器对所述特征图的识别结果进行分类。

5.根据权利要求4所述的基于卷积神经网络与迁移学习的国兰种类识别方法，其特征在于，通过SoftMax分类器对所述特征图的识别结果进行分类的具体步骤为：

通过SoftMax分类器计算出所述特征图属于每一个种类的概率，选取概率最大的种类，作为预测目标，将国兰图像分入预测目标对应的分类中。

6.基于卷积神经网络与迁移学习的国兰种类识别系统，其特征在于，包括：

图片获取模块，用于通过预设方式获取国兰的图片；

图片识别模块，用于将获取的国兰图片经过预设训练结果模型进行识别，并获得国兰的种类识别结果。

7.根据权利要求6所述的基于卷积神经网络与迁移学习的国兰种类识别系统，其特征在于，所述图片识别模块包括：

数据集建立单元，用于通过预设方式获取国兰各个类别的图像信息，并建立国兰图像数据集；

预处理单元，用于对国兰图像数据集中的图像信息进行预处理；

训练单元，用于通过国兰图像数据集对预设识别网络模型进行训练，得到预设训练结果模型。

8.根据权利要求7所述的基于卷积神经网络与迁移学习的国兰种类识别系统，其特征在于，所述训练单元包括：

特征提取子单元，用于将预处理后的国兰图像数据集中的图像信息进行特征提取，得到特征图；

特征识别子单元，用于通过预设识别网络模型对特征图进行识别；

分类子单元，用于通过SoftMax分类器对所述特征图的识别结果进行分类。