摘要
香花油茶(CamelliaosmanthaYeCX,MaJLetYeH)是2012年在广西发现的具有早实、丰产、多抗等优良特性的山茶属新种，在我国油茶产业发展中具有广阔的应用前景。近十多年来，广西壮族自治区林业科学研究院已经培育一大批香花油茶通过国家和自治区审、认定的良种，并在生产中广泛推广应用。本文针对香花油茶无性系品种众多、难以通过表型性状进行有效区别的突出问题，运用深度学习方法，开展基于叶、花、果等器官的香花油茶无性系品种识别研究，旨在为香花油茶生产提供一种科学、技术含量高、能快速有效分辨香花油茶无性系品种的技术方法。研究具有智慧植物形态分类学意义和种苗生产真实性的应用价值。研究结果如下: (1)针对没有可用于深度学习模型训练的香花油茶无性系图像数据库的问题，本文从确定香花油茶无性系图像的采集方案着手，分别采集香花油茶无性系叶、花、果图像，建立数字化香花油茶叶、花、果图像数据库。根据香花油茶无性系叶、花、果的特点，有针对性地采集图像，最终得到21876张图像，建立包含20个香花油茶无性系的叶、花、果图像数据库。通过数据筛选去除低质量图像，按6∶2∶2将图像随机分配为训练集、验证集和测试集，再使用数据增强方法增加训练集、验证集图像数据，构建香花油茶无性系叶、花、果数据集。 (2)对于构建的叶、花、果数据集，及将叶、花、果数据集以一定比例混合得到的新数据集，使用GoogLeNet-V3在同一平台、同一训练参数下分别训练180000次，最后对最优模型使用测试集数据进行模型检测。通过多分类模型混淆矩阵评价方法分别对三种模型的各类别识别准确率、召回率，混合模型内叶、花、果识别准确率、召回率及混合模型与单独模型的识别准确率、召回率进行对比评价。结果表明，香花油茶叶、花、果及混合模型识别准确率、召回率均超过88％,其中最高的花模型达到93％;混合模型内则表现为对叶、花图像的识别准确率、召回率均超过93％,而对果图像的识别准确率、召回率仅达到74％。总体来说，香花油茶无性系叶、花、果及混合模型均能对香花油茶无性系进行有效识别，但同一无性系在不同特征、不同无性系在同一特征上的识别准确率均有所不同，结合多种模型进行综合评价可能得到更好的结果。 (3)根据得到的香花油茶无性系叶、花、果图像分类模型，使用AndroidStudio设计并开发可用于香花油茶无性系叶、花、果识别的移动端APP。该移动端APP能通过相机拍摄图像和相册图库选取图像的方法识别叶、花、果图像。经测试，该移动端APP能实现与PC端训练模型一致的识别效果，可为香花油茶的推广提供一种客观、便捷的无性系识别新途径。
NETL