[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

说明书

本发明属于计算机视觉技术领域，提供了一种基于卷积神经网络与迁移学习的国兰种类识别方法，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。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。本发明的优点在于通过使用深层的Inception‑Resnet‑v2网络提取国兰图像信息，更加利于国兰的图像识别，并且通过基于模型的迁移学习方法加快训练速度并且使得国兰识别的准确率提高。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种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。

背景技术

兰花是兰科植物的统称，但中国传统上的兰花是特指兰科中具有较高观赏价值的一些兰属种类。栽培的兰花有中国兰和洋兰之分，中国兰又称国兰，是指兰科兰属的少数地生多年生草本植物。兰科植物的分布十分广泛，可以说是遍布不包含寒冷两极和炎热沙漠的全世界各地。由于品种众多，外表相似，导致很多人没法准确识别兰花的种类，但不同种类的兰花价格却有着有很大差异，造成很多兰花爱好者不必要的损失，同时从事相关工作的兰花研究人员在鉴别时也需要耗费更长的时间和更多的精力。

兰花识别方法主要包括形态识别法、DNA分子标记技术以及SRAP标记技术等。其中形态识别方法在民间应用广泛，主要根据国兰的叶子外形、花的颜色以及开花的花期和花序等特征进行判断，但是这种判别依赖个人对兰花的了解，识别经验不能做到完全准确，而且如果依靠花期来判断的话也不具有实时性。通过化学、生物学以及植物学等科学方式来判别，虽然准确可靠，但是需要专业性设备和专业型科研人员，操作过于复杂，对于普通人民群众来说实验条件及成本过高，很难完成推广。

发明内容

本发明的目的在于提供一种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，用以解决普通民众难以准确识别国兰种类的问题；

为了实现上述目的，本发明采用的技术方案为：

基于卷积神经网络与迁移学习的国兰种类识别方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。