首页|基于轻量化卷积神经网络的多肉植物种类识别研究

基于轻量化卷积神经网络的多肉植物种类识别研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
目前多肉植物产业在我国发展较快,市场前景广阔,由于其具有品种繁多、形态多变、类间相似度高等特点,导致多肉植物种类辨别难度较大.针对上述问题,提出一种基于改进MobileNet V3网络与迁移学习的多肉植物图像分类方法,将Bot-tleneck模块前六层的ReLU激活函数换成LeakyReLU激活函数,优化了SE模块,添加了Dropout层提高模型的泛化性.通过改进MobileNet V3网络对13种多肉植物图像进行种类识别,准确率为97.35％,并且可以实时稳定地对多肉植物图像进行分类,使用Focal Loss代替交叉熵损失函数,达到平衡样本的目的.研究结果表明,利用改进MobileNet V3网络对多肉植物种类识别具有一定可行性.
Research on Identification of Succulents Based on Lightweight Convolutional Neural Network

image classificationsucculent plants imagedeep learningtransfer learningMobileNet V3Focal LossDropoutLeakyReLU EEACC:7230

孙公凌云、张靖渝、连俊博、宁景苑、刘伟立、刘权、王国振、陆诗怡、时鹏辉、楼雄伟

展开 >

浙江农林大学数学与计算机科学学院,浙江 杭州311300

图像分类 多肉植物图像 深度学习 迁移学习 MobileNet V3 Focal Loss Dropout LeakyReLU

浙江省科技计划

2019C02075

2023

10.3969/j.issn.1004-1699.2023.12.012

传感技术学报
东南大学 中国微米纳米技术学会

传感技术学报

CSTPCDCSCD北大核心
影响因子：1.276
ISSN：1004-1699
年,卷(期)：2023.36(12)
  • 13