基于卷积神经网络的植物叶片分类.pdf

计 算 机 与 现 代 化 2014年第4期 JISUANJIYUXIANDAIHUA 总第224期 文章编号：1006-2475(2014)04-0012-04 基于卷积神经网络的植物叶片分类 龚丁禧，曹长荣 (厦门大学信息科学与技术学院，福建 厦门 361005) 摘要：回顾近年来国内外植物叶片分类的研究进展 ，指出传统方法存在的缺陷。简述卷积神经 网络在图像分类的优势， 为了简单高效地对植物叶片进行识别，提 出一种基于卷积神经网络(ConvolutionalNeuralNetwork，CNN)的植物叶片识别 方法。在Swedish叶片数据集上的实验结果表明，本算法识别正确率高达99．56％，显著优于传统的叶片识别算法。 关键词：植物叶片分类；卷积神经网络；深度学习；神经网络；特征图 中图分类号：TP391 文献标识码 ：A doi：10．3969／j．issn．1006-2475．2014．04．003 PlantLeafClassificationBasedonCNN GONG Ding-xi，CAO Chang—rong (SchoolofInformationScienceandTechnology，XiamenUniversity，Xiamen361005，China) Abstract：Plantplaysanimportantroleinhumanlife，SOitisnecessarytobuildanautomaticsystem forrecognizingplant．Plant leafclassificationhasbecomearesearchfocusofrtwentyyears．However．conventionalmethodsofrrecognizingplantleafhaveva． riousdrawbacks．CNNgainedgreatsuccessinimagerecognition，inordertoutilizeCNN torecong izeplantleaf，ahierarchical modelbasedonconvolutionalneuralnetworkisproposed．WeappliedourmethodtoSwedishleaf datasetclassification，theexper- imental resultsshowedthattheproposedmethodisquiteeffectiveandfeasible． Keywords：plantleaf classification；convolutional neuralnetwork；deeplearning；neural network；featuremap 大豆叶片进行分类。2001年，Soderkvistl4使用叶片 0 引 言 的几何特征，采用 BP前馈神经网络对 15种瑞典树 植物在人类生活中扮演着非常重要的角色，对各 木进行分类，实验用到的l5种叶片组成的数据集后来 种植物分门别类地建立数据库，利用人工智能方法 自 成为一个标准数据集——swedish叶片数据集，很多研 动识别植物，对植物进行方便的管理和保护意义重大。 究者利用该数据测试他们的方法。2O07年，Ling等人 在植物形状分类学中，根据植物的花、叶的形状 利用轮廓内最小距离改进形状上下文(ShapeContextU— 分为不同类别 。在 自然界中，通常花的形状结构是三 singInner—Distance，SCID)，然后使用动态规划对叶片形 维的，分析起来比较复杂，而叶片的形状结构一般都 状进行匹配。