重庆欢乐生肖

欢迎访问 草业科学,今天是

重庆欢乐生肖jiyushenduxuexidetianrancaodizhiwuwuzhongshibiefangfa

高宏元 高新华 冯琦胜 李文龙 鲁征 梁天刚

引用本文: 高宏元,高新华,冯琦胜,李文龙,鲁征,梁天刚. 基于深度学习的天然草地植物物种识别方法. 草业科学, 2020, 37(9): 1931-1939 doi: shu
Citation:  GAO H Y, GAO X H, FENG Q S, LI W L, LU Z, LIANG T G. Approach to plant species identification in natural grasslands based on deep learning. Pratacultural Science, 2020, 37(9): 1931-1939 doi: shu

基于深度学习的天然草地植物物种识别方法

    作者简介: 高宏元(1996-),男,甘肃静宁人,在读硕士生,研究方向为草地遥感与地理信息系统。E-mail: .cn;
    通讯作者: 梁天刚, .cn
  • 基金项目: 国家重点研发计划(2017YFC0504801);国家自然科学基金(31702175、31672484、41805086、41801191);现代农业产业技术体系建设专项资金(CSRS-34);中国工程院咨询研究项目(2020-XZ-29、2018-XZ-25);长江学者和创新团队发展计划(IRT_17R50);兰州大学中央高校基本科研业务费专项资金(lzujbky-2020-kb29)

摘要: 天然草地植物物种的分类识别是草地植被调查与监测的重要内容,传统的植物物种分类方法费时费力,且对专业知识要求高,难以很好地满足天然草地资源快速调查的需求。近年来随着计算机视觉和深度学习的快速发展,基于深度学习算法的植物图像分类识别已成为当前的研究热点。本研究建立了293种天然草地植物图像数据集,利用TensorFlow深度学习框架中的TF-slim模块,通过微调Inception V3模型的训练参数构建了天然草地植物的图像识别模型,训练结果表明,该模型验证集的Top1识别准确率达89.41%,Top5识别准确率为97.71%。与形色、花伴侣、微软识花和拍照识花等软件的识别效果的比较结果显示,本研究训练得到的植物识别模型可以识别的天然草地植物物种数量更多,识别准确度更高。

English

    1. [1]

      阚江明, 王怡萱, 杨晓微, 冷萃.  基于叶片图像的植物识别方法[J]. 科技导报, 2010, 28(23): 81-85.
      KAN J M, WANG Y X, YANG X W, LENG C.  Plant recognition method based on leaf images[J]. Science & Technology Review, 2010, 28(23): 81-85.

    2. [2]

      王敬轩, 冯全, 王宇通, 邵新庆.  基于图像识别技术的豆科牧草分类研究[J]. 草地学报, 2010, 18(1): 37-41. doi:
      WANG J X, FENG Q, WANG Y T, SHAO X Q.  Study on classification for leguminous forage based on image recognition technology[J]. Acta Agrestia Sinica, 2010, 18(1): 37-41. doi:

    3. [3]

      王礼, 洪祖兵, 方陆明, 陈珣, 吴超.  基于iOS系统的观赏植物识别[J]. 浙江农林大学学报, 2018, 35(5): 900-907. doi:
      WANG L, HONG Z B, FANG L M, CHEN X, WU C.  IOS-based recognition of ornamental plants[J]. Journal of Zhejiang A & F University, 2018, 35(5): 900-907. doi:

    4. [4]

      钱亮亮.  基于随机森林的植物叶片识别应用[J]. 现代计算机, 2019, (29): 44-47, 51. doi:
      QIAN L L.  Application of plant leaf recognition based on random forest[J]. Modern Computer, 2019, (29): 44-47, 51. doi:

    5. [5]

      胡直峰. 植物图像识别方法研究及实现. 杭州: 浙江大学硕士学位论文, 2017.
      HU Z F. Research and implementation of plant images recognition methods. Master Thesis. Hangzhou: Zhejiang University, 2017.

    6. [6]

      HINTON G E, SALAKHUTDINOV R R.  Reducing the dimensionality of data with neural networks[J]. Science, 2006, 313(): 504-. doi:

    7. [7]

      krizhevsky a, sutskever i, hinton g e. imagenet classification with deep convolutional neural networks. //international conference on neural information processing systems. curran associates inc, 2012: 1097-1105.

    8. [8]

      段萌. 基于卷积神经网络的图像识别方法研究. 郑州: 郑州大学硕士学位论文, 2017.
      重庆欢乐生肖 DUAN M. The research on the mothed of image recognition based on convolutional neural networks. Master Thesis. Zhengzhou: Zhengzhou University, 2017.

    9. [9]

      杭州大拿科技公司. 形色. (2017-11-11)[2018-04-20]. .
      DANA. Xingse. (2017-11-11)[2018-04-20]. .

    10. [10]

      北京联星时代科技有限公司. 花伴侣. (2018-04-11)[2018-04-20]. .
      Robusoft (Beijing) CO.,LTD. aiPlants. (2018-04-11)[2018-04-20]. .

    11. [11]

      重庆欢乐生肖 microsoft corporation. the flower recognition. (2015-12-05)[2018-04-20]. .

    12. [12]

      袁培森, 黎薇, 任守纲, 徐焕良.  基于卷积神经网络的菊花花型和品种识别[J]. 农业工程学报, 2018, 34(5): 160-166.
      YUAN P S, LI W, REN S G, XU H L.  Recognition for flower type and variety of chrysanthemum with convolutional neural network[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(5): 160-166.

    13. [13]

      曹中奇, 刘路路, 康孝岩, 张爱武, 柴沙驼.  一种基于卷积神经网络的草地植物识别方法[J]. 人工智能与机器人研究, 2018, 7(3): 135-146. doi:
      CAO Z Q, LIU L L, KANG X Y, ZHANG A W, CHAI S T.  Grassland plant identification method based on convolutional neural network[J]. Artificial Intelligence and Robotics Research, 2018, 7(3): 135-146. doi:

    14. [14]

      袁银, 王东斌, 刘永金.  基于深度学习的植物图像识别方法研究[J]. 现代农业科技, 2017, (23): 288-290. doi:
      YUAN Y, WANG D B, LIU Y J.  Research on plant image recognition method based on depth learning[J]. XianDai NongYe KeJi, 2017, (23): 288-290. doi:

    15. [15]

      赵彦辉, 范欣宁, 张建逵, 谢明.  基于DeepLearning4J on Spark深度学习方法在药用植物图像识别中应用初探[J]. 中国中医药图书情报杂志, 2018, 42(5): 24-28.
      ZHAO Y H, FAN X N, ZHANG J K, XIE M.  Discussion on application of deep learning method in medical plant image recognition based on DeepLearning4J on Spark[J]. Chinese Journal of Library and Information Science for Traditional Chinese Medicine, 2018, 42(5): 24-28.

    16. [16]

      刘洋, 冯全, 王书志.  基于轻量级CNN的植物病害识别方法及移动端应用[J]. 农业工程学报, 2019, 35(17): 194-204. doi:
      LIU Y, FENG Q, WANG S Z.  Plant disease identification method based on lightweight CNN and mobile application[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(17): 194-204. doi:

    17. [17]

      google. tensorflow. (2014-11-09)[2018-04-20]. .

    18. [18]

      黄睿, 陆许明, 邬依林.  基于TensorFlow深度学习手写体数字识别及应用[J]. 电子技术应用, 2018, 44(10): 12-16.
      HUANG R, LU X M, WU Y L.  Handwriting digital recognition and application based on TensorFlow deep learning[J]. Application of Electronic Technique, 2018, 44(10): 12-16.

    19. [19]

      田晓明. 基于深度学习的目标检测技术研究及其应用. 长沙: 湖南大学硕士学位论文, 2018.
      TIAN X M. The research and application of object detection technology based on deep learning. Master Thesis. Changsha: Hunan University, 2018.

    20. [20]

      林王峰. 基于视频图像的船舶水尺自动测量系统的设计与实现. 厦门: 集美大学硕士学位论文, 2017.
      重庆欢乐生肖 LIN W F. The design and implementation of a Ship’s draft automatica measurement system base on the video image recognition technology. Master Thesis. Xiamen: JiMei University, 2017.

    21. [21]

      韩伟红, 贾焰, 周斌.  大数据分析关键技术与挑战[J]. 信息技术与网络安全, 2018, 37(4): 11-14.
      HAN W H, JIA Y, ZHOU B.  The key technologies and challenges of big data analysis[J]. Information Techology and Network Security重庆欢乐生肖, 2018, 37(4): 11-14.

    1. [1]

      张春林韩向敏郎侠王彩莲 . 青藏高原东北缘不同草地类型牧草营养品质动态. 草业科学, 2019, 36(3): 763-771. doi: 

    2. [2]

      王卫张鲜花安沙舟李宏木克松·木明董莉莉 . 新疆伊犁天然草地白喉乌头种群分布格局. 草业科学, 2014, 8(3): 484-487. doi: 

    3. [3]

      李建平谢应忠 . 封育对黄土高原天然草地深层土壤碳、氮储量的影响. 草业科学, 2016, 10(10): 1981-1988. doi: 

    4. [4]

      王婷李建平张翼井乐张茹 . 不同降水下天然草地土壤水稳定性团聚体分布特征. 草业科学, 2019, 36(8): 1935-1943. doi: 

    5. [5]

      方精云潘庆民高树琴景海春张文浩 . “以小保大”原理:用小面积人工草地建设换取大面积天然草地的保护与修复. 草业科学, 2016, 10(10): 1913-1916. doi: 

    6. [6]

      张凡凡杨开虎于磊和海秀鲁为华马春晖 . 新疆沙尔套山主要草地类型牧草营养品质季节变化规律. 草业科学, 2019, 36(10): 2647-2654. doi: 

    7. [7]

      郭淑梅郑天立黄文博宋珊珊唐玲 . 青藏高原共玉公路沿线取弃土场修复效果可持续性评估. 草业科学, 2020, 37(11): 2243-2250. doi:  重庆欢乐生肖

    8. [8]

      重庆欢乐生肖  hongyuantianrancaodiyouduzhiwudehuaxuefangchu. caoyekexue, 2010, 4(10): 91-95.

    9. [9]

      ??航侯扶江 . 草地 农业农牧交错带天然草地植物种枯落物对小麦幼苗生长的影响. 草业科学, 2009, 3(5): 110-115.

    10. [10]

      魏秀红靳瑰丽范燕敏安沙舟夏小伟 . 伊犁绢蒿荒漠草地物种光谱特征分析及识别初探. 草业科学, 2016, 10(10): 1924-1932. doi: 

    11. [11]

      重庆欢乐生肖  tianranyangcaocaodimianyangcaishidejijiebianhua. caoyekexue, 2013, 7(2): 266-273.

    12. [12]

       tianzhuxiantianrancaodituihuachengyinjiduicefenxi. caoyekexue, 2012, 6(11): 1678-1683.

    13. [13]

       kezhoudiqutianrancaodishengchanlipingjia. caoyekexue, 2011, 5(1): 53-58.

    14. [14]

       haibeizhoutianrancaodituihuashahuachengyinyuduice. caoyekexue, 2009, 3(7): 186-190.

    15. [15]

       qinghaishengtianranyouqicaodinaijiantaxingyanjiu. caoyekexue, 2008, 2(11): 103-110.

    16. [16]

       qinghaishengzhuyaoleixingtianrancaodievidongtaibianhua. caoyekexue, 2010, 4(5): 23-29.

    17. [17]

      文畅平 . 基于突变级数法的天然草地分类. 草业科学, 2015, 9(2): 174-181. doi:  重庆欢乐生肖

    18. [18]

      重庆欢乐生肖  zhiwuvh+atpmeishiyingnijingdefenzidiaokongjili . caoyekexue, 2013, 7(2): 245-252.

    19. [19]

      米秀博邵树勋汤鋆张静 . 湖北恩施地区天然富硒植物中硒形态的HPLC-ICP-MS分析 . 草业科学, 2014, 8(6): 1173-1177. doi: 

    20. [20]

      伏映萍李爱华康艳梅李正娟重庆欢乐生肖 . 宁夏盐池天然草地牧草脂肪酸的组成及含量. 草业科学, 2013, 7(12): 2024-2028.

  • 重庆欢乐生肖

    图 1  TensorFlow的基本架构图

    Figure 1.  重庆欢乐生肖 Basic architecture diagram of TensorFlow

    图 2  研究技术路线图

    Figure 2.  Technology frame

    图 3  重庆欢乐生肖 图像数据扩增示例

    Figure 3.  重庆欢乐生肖 Example of image augmentation

    图 4  重庆欢乐生肖 模型Top1和Top5准确率变化图

    Figure 4.  Change in Top1 and Top5 accuracy during training

    表 1  重庆欢乐生肖 Inception V3网络结构

    Table 1.  重庆欢乐生肖 Inception V3 network architecture

    网络层数
    Network
    layer
    类型
    Type
    滤波器
    Filter
    输入尺寸
    Input size/pixel
    1 卷积层1 Convolution layer 1 3 × 3 299 × 299 × 3
    2 卷积层2 Convolution layer 2 3 × 3 149 × 149 × 32
    3 卷积层3 Convolution layer 3 3 × 3 147 × 147 × 32
    4 卷积层1 Convolution layer 1 3 × 3 147 × 147 × 64
    5 卷积层4 Convolution layer 4 3 × 3 73 × 73 × 64
    6 卷积层5 Convolution layer 5 3 × 3 71 × 71 × 80
    7 卷积层6 Convolution layer 6 3 × 3 35 × 35 × 192
    8 Inception模块组
    Module Group
    3 35 × 35 × 288
    9 Inception模块组
    Module Group
    5 17 × 17 × 768
    10 Inception模块组
    Module Group
    3 8 × 8 × 1280
    11 池化层2 Pool Layer 2 8 × 8 8 × 8 × 2048
    12 线性 Linear function Logits 1 × 1 × 2048
    13 Softmax Classifier 1 × 1 × 1000
    下载: 导出CSV

    表 2  主要训练参数设置

    Table 2.  重庆欢乐生肖 Main training parameter settings

    参数名称 Parameter含义 Meaning设置 Parameter setting
    checkpoint_exclude_scopes 模型不恢复层
    Model exclude scopes
    InceptionV3/Logits, InceptionV3/Auxlogits
    trainable_scopes 训练范围 Training scopes
    max_number_of_epoches 最大训练回合
    Maximum training round
    30
    batch_size 批尺寸 Batch_size 64
    learning_rate 初始学习率 Initial learning rate 初始值0.01,每3个epoch减半
    The initial value is 0.01, reduce by half for every 3 epochs
    optimizer 优化器 Optimizer rmsprop
    weight_decay 权重衰减 Weight decay 0.00004
    下载: 导出CSV

    表 3  重庆欢乐生肖 不同科植物物种识别准确率

    Table 3.  Accuracy of plant species identification in different families

    科名
    Family name
    物种数量
    Number of species
    准确率
    Accuracy/%
    科名
    Family name
    物种数量
    Number of species
    准确率
    Accuracy/%
    菊科 Compositae 55 90.6 伞形科 Umbelliferae 14 80.0
    禾本科 Gramineae 39 89.2 毛茛科 Ranunculaceae 14 82.9
    豆科 Leguminosae 26 89.2 藜科 Chenopodiaceae 12 88.3
    蔷薇科 Rosaceae 17 91.8 蓼科 Polygonaceae 10 84.0
    唇形科 Labiatae 16 90.0 龙胆科 Gentianaceae 8 90.0
    玄参科 Scrophulariaceae 15 91.1 百合科 Liliaceae 6 90.0
    下载: 导出CSV

    表 4  不同地区植物物种识别准确率

    Table 4.  Accuracy of plant species identification in different areas


    Province
    物种数量
    Number of species
    准确率
    Accuracy/%
    甘肃 Gansu 195 88.80
    四川 Sichuan 72 89.90
    内蒙古 Inner Mongolia 115 89.10
    下载: 导出CSV

    表 5  不同草地类型植物物种识别准确率

    Table 5.  重庆欢乐生肖 Accuracy of plant species identification in different rangeland types

    草地类型
    Rangeland types
    物种数量
    Number of species
    准确率
    Accuracy/%
    高寒草甸类
    Alpine meadow
    107 89.7
    山地草甸类
    Mountain meadow
    116 89.3
    温性草原类
    Temperate grassland
    69 88.6
    温性荒漠草原类
    Temperate desert grassland
    21 89.6
    下载: 导出CSV

    表 6  重庆欢乐生肖 几种植物识别系统的识别结果

    Table 6.  重庆欢乐生肖 Identification results of several plant identification systems

    识别软件
    Identification system
    物种数量Number of species识别准确率Accuracy/%
    天然草地植物识别模型 Natural grassland plant identification model29389.6
    形色 Xingse17660.1
    花伴侣 aiPlants20971.3
    微软识花 The flower recognition29 9.9
    拍照识花 Paizhaoshihua4515.4
     本表的识别结果是识别系统给出的第一个结果,即得分最高的结果。
     In this table, the identification result is the first result given by the identification systems.
    下载: 导出CSV
    重庆欢乐生肖 Yabo下载_Yabo官网下载 加拿大pc_加拿大pc官网 重庆欢乐生肖 重庆欢乐生肖 重庆欢乐生肖
  • <tr id='b9cte'><strong id='b9cte'></strong><small id='b9cte'></small><button id='b9cte'></button><li id='b9cte'><noscript id='b9cte'><big id='b9cte'></big><dt id='b9cte'></dt></noscript></li></tr><ol id='b9cte'><option id='b9cte'><table id='b9cte'><blockquote id='b9cte'><tbody id='b9cte'></tbody></blockquote></table></option></ol><u id='b9cte'></u><kbd id='b9cte'><kbd id='b9cte'></kbd></kbd>

      <code id='b9cte'><strong id='b9cte'></strong></code>

      <fieldset id='b9cte'></fieldset>
            <span id='b9cte'></span>

                <ins id='b9cte'></ins>
                    <acronym id='b9cte'><em id='b9cte'></em><td id='b9cte'><div id='b9cte'></div></td></acronym><address id='b9cte'><big id='b9cte'><big id='b9cte'></big><legend id='b9cte'></legend></big></address>

                      <i id='b9cte'><div id='b9cte'><ins id='b9cte'></ins></div></i>
                      <i id='b9cte'></i>
                        • <dl id='b9cte'></dl>
                        • 加载中
                        • 图(4)表(6)
                          计量
                          • PDF下载量:  28
                          • 文章访问数:  2824
                          • HTML全文浏览量:  564
                          文章相关
                          • 通讯作者:  梁天刚, .cn
                          • 收稿日期:  2019-02-05
                          • 网络出版日期:  2019-09-17
                          • 刊出日期:  2019-09-15
                          通讯作者: 陈斌,
                          • 1. 

                            shenyanghuagongdaxuecailiaokexueyugongchengxueyuan shenyang 110142

                          1. 本站搜索
                          2. 百度学术搜索
                          3. 万方数据库搜索
                          4. CNKI搜索

                          /

                          返回文章
                          重庆欢乐生肖 Yabo下载_Yabo官网下载 加拿大pc_加拿大pc官网 重庆欢乐生肖 重庆欢乐生肖 重庆欢乐生肖