论文总字数：19700字

摘 要

目前的基于叶片图像对植物进行识别多用于物种的鉴别，不同物种的大豆叶片的形状、颜色、纹理等特征差异较大，因此常常能取得不错的结果，然而同物种不同品种的叶片的许多特征差异极小，分类结果往往较差，品种识别的相关研究也较少。植物品种识别是一项具有长远意义的重要基础工作，有利于更好地认识与利用植物资源。许多植物品种繁多且品种间相似度极高，单纯依靠人工进行识别，要求操作者具有专业的知识以及丰富的经验，且效率和准确率都不高，结果也具有较强的主观性。因此需要开发一种高效、准确的基于叶片图像来进行植物品种识别的平台。

本文提出了一种基于深度学习技术自动进行植物品种识别的方法，并以大豆为例进行实验。针对15个不同品种的大豆叶片图像进行处理，利用卷积神经网络实现了对大豆叶片图像的自动识别，取得了0.74的准确率，召回率最高的前五品种准确率为0.93，并以此构建一个基于Web的大豆品种识别系统。

研究结果表明：本文提出的基于深度学习的植物品种识别方法能够准确、快速地对给定叶片图像进行品种识别，能够达到设计的目的和要求。

关键词：品种识别；卷积神经网络；大豆叶片；品种识别系统

Abstract

The current identification of plants based on leaf images is mostly used for species identification. The shape, color, texture and other characteristics of soybean leaves of different species are quite different, so they can often achieve good results. However, because of little leaves difference, the classification results are not satisfactory, and there are a few related studies on variety identification. Plant variety classification is an important and basic work with long-term significance, which is conducive to a better understanding and utilization of plant resources. Many plant have plenty of varieties and the similarities between many varieties are extremely high. Variety visual identification requires the operators to have professional knowledge and rich experience. Identification-efficiency and accuracy are not good enough, and the results are highly subjective. Therefore, it is necessary to develop an efficient and accurate platform for plant variety identification based on leaf images.

This paper proposes a method for automatic plant variety recognition based on deep learning technology, and experiments are carried out using soybean as an example. For the processing of 15 different varieties of soybean leaf images, the convolutional neural network was used to fulfill the automatic recognition of soybean leaf images, , achieving an accuracy of 0.74 and the accuracy of the top five varieties with the highest recall rate was 0.93. A Web-based soybean variety recognition system was constructed.

The research results show that the plant variety identification method based on deep learning proposed in this paper can accurately and quickly perform variety identification on a given leaf image, and can achieve the design goals and requirements.

Key Words：variety classification; convolutional neural network; soybean leaves ; variety recognition system目录

第1章 绪论 1

1.1研究目的及意义 1

1.2国内外研究现状 1

1.2.1植物品种识别的研究现状 1

1.2.2深度学习算法研究现状 2

1.3本研究主要工作及面临的挑战 3

1.3.1研究主要工作 3

1.3.2面临的挑战 3

1.4论文组织结构 3

第2章 相关理论介绍 4

2.1 图像分类 4

2.2 卷积神经网络 4

2.2.1卷积神经网络模型结构 4

2.2.2 卷积神经网络的训练 6

第3章 基于卷积神经网络的品种识别 7

3.1 卷积神经网络ResNet模型 7

3.2 基于ResNet的品种识别实验 7

3.2.1 实验环境 7

3.2.2 构建数据集 7

3.2.3 实验流程 8

3.2.4 模型参数的设置 8

3.3 实验结果与分析 8

3.3.1 评估指标 8

3.3.2 实验结果 9

3.3.3 实验分析 10

3.4 本章小结 11

第4章 基于Web的大豆品种识别系统实现 11

4.1功能介绍 11

4.2系统构建方案及实现 12

4.2.1网站平台的构建及模块功能介绍 12

4.2.2大豆品种识别的实现 14

第5章 总结与展望 16

5.1论文总结 16

5.2展望 16

参考文献 18

致 谢 20

第1章 绪论

1.1研究目的及意义

人类的生产和生活依赖于植物：各式各样的蔬菜在满足人类的口腹之欲的同时也提供了人类生存所必须的营养物质，植物的光合作用是包括人类在内的所有动物生存的基础；植物还具有冷却和加湿的好处，维持环境处在适宜的温湿度；植物还可以通过光合作用维持周围空气中的碳氧平衡^[1]。植物的存在可以维持生态平衡、改善人类生活质量，人类的可持续发展也离不开植物。然而，由于过度开发、环境污染等人类活动，以及诸如外来物种入侵和气候变化等客观因素，导致植被覆盖率急速下降、物种消失甚至灭绝 ^[2]，许多植物的生存正面临着巨大的挑战。幸运的是现在许多国家已经开始重视生态环境的保护，越来越多的人意识到了植物保护的重要性并在生活中践行，与植物相关的研究也越来越多、越来越深入，但是目前的居于叶片对植物进行识别多用于物种鉴别，而关于同物种不同品种的识别相关研究要少很多，因为同物种不同品种间叶片差异要远小于不同植物物种叶片之间的差异，品种识别的难度也因此比植物物种识别难度更大。

植物品种分类是一项具有长远意义的重要基础工作,有利于更好地认识与利用植物资源和进行植物育种。然而即使是训练有素的植物学家，对植物品种识别的准确率也不是很高，并且效率也很低，因此亟需一种简单、准确的方法进行植物品种识别。叶片是重要的植物分类依据^[3]，植物不同品种的叶片在纹理、颜色和形状等方面具有明显的差异。随着计算机视觉和图像学的快速发展，利用人工智能方法研究基于叶片特征的植物品种识别是一种简单而有效的方法。此方法能够很大程度上降低植物品种识别的难度，极大地提升相关工作人员的工作效率，有利于保护植物种质资源，并且可用来普及相关植物品种知识，以便普通大众更好地进行植物保护。

近年来，由于计算机硬件的升级尤其是GPU的显著提升，深度学习技术处理图像的速度得到了极大提高，卷积神经网络也越来越多地被用来作图像处理。利用深度学习处理图像，不必进行繁琐的手动提取特征的过程，完全可以从原始输入图像中自动提取特征，经过多次迭代训练之后即可用于识别，并且准确率率在很多情况下甚至要比人工提取特征的方式高，极大的解放了人力。为此，本文利用深度学习技术进行植物品种识别，并将实验中得到的卷积神经网络模型打包移植到Web平台，方便有需要的人士使用。

1.2国内外研究现状

请支付后下载全文，论文总字数：19700字