基于大数据分析植物标本取样方法研究.docVIP

基于大数据分析植物标本取样方法研究 　　摘要 植物识别是利用植物的前提。随着图像处理与识别技术的迅速发展，植物种类识别App应运而生。虽然这些App能够识别植物，但存在一些误差，导致识别结果不够准确。为了解产生误差的可能原因，本文以花伴侣作为识别App，通过不同的取样方法，探讨植物标本取样因素对识别率的影响。测试结果表明，基于大数据分析的标本取样，以全株局部含花的样本识别效果最佳，不同植物器官的样本照片在识别上存在显著差异，不同拍摄设备、不同背景条件下拍摄的植物样本照片识别效果也有一定差异。 　　关键词 植物识别；植物器官识别；取样方法；大数据；深度学习算法 　　中图分类号 Q948.3 文献标识码 A 文章编号 1007-5739（2018）03-0149-03 　　Abstract Plant identification is the precondition for plant application.As the rapid development of image processing and image identification，identification Apps for plants appeared. Though plant species can be identified by these Apps，it still has some errors.These errors account for inaccurate results. In order to find the possible causes of these errors，this paper using Hua Banlv as the chosen identification App，the effect of sampling factors on the identification ratio was discussed through different sampling methods. Based on the big data analysis of specimen sampling，test results indicated that the samples using the whole plant with flowers had the highest identification ratio.Meanwhile，various specimen photos of different plant organs differentiated from each other.There were also some differences in the recognition ratio of the plant sample photos taken under different shooting equipment and different background colors. 　　Key words plant identification；plant organ identification；sampling method；big data；deep learning algorithm 　　植物?R别是利用植物的基础。随着计算机处理能力的迅猛发展，图像处理与模式识别等技术在各个领域得到了广泛应用。近年来，随着移动终端摄影技术的发展以及移动互联网的推动，植物种类识别App开发应用正逐步兴起，为专业人士和植物爱好者提供了极大的便利。目前上线运行的植物识别App能在一定程度上解决植物识别问题，但也存在识别误差。造成误差的原因可能是数据原始样本不足或样本自身错误，也可能是移动终端获取的样本差异导致误差产生。为了解移动终端取样方式对植物识别的影响，本文通过不同取样方法，探讨植物标本照片取样因素对识别准确率的影响。 　　1 研究方法 　　以vivo X9、HUAWEI荣耀畅玩4X和iPhone 6这3种移动终端作为摄影设备，选取紫薇、龙船花、大花芦莉为识别对象，每组样本数为30个，以花伴侣为识别App平台。花伴侣是一款以中国植物图像库海量植物分类图片为基础，基于深度学习开发的植物识别应用。选取植物的全株、叶局部、果局部、花果枝局部等特征并拍摄8 730张图像，应用花伴侣平台识别处理，以平台得出的可信度指标作为对该样本的识别率。利用SPSS统计软件进行结果分析。 　　2 结果与分析 　　2.1 不同植物种类识别率的差异 　　对8 730个标本图像进行识别，获得的平均识别率为36.02%。由表1可知，对大花芦莉的平均识别率为35.29%，对紫薇的平均识别率为27.66%，对龙