一种基于深度神经网络的菊花识别方法技术

本发明专利技术公开了一种基于深度神经网络的菊花识别方法，包括以下步骤：(1)菊花图像原始数据的采集和预处理，并构成训练集样本；(2)构建深度神经网络模型；(3)待识别菊花的图像采集，并对图像进行裁剪和缩放，将图像转化成RGB形式输入到深度神经网络的模型中；(4)将测试样本利用训练完成的神经网络的模型得出识别菊花的类型。本发明专利技术设计的卷积神经网络层数一共6层，识别的菊花分为五种类型，相比现有花朵种类识别系统及其方法，极大的提高了图像的识别准确率和解决现有技术对于菊花识别困难的技术问题。

A method of chrysanthemum identification based on deep neural network

The invention discloses a method for identification of chrysanthemum depth based on neural network, which comprises the following steps: (1) acquisition and preprocessing of chrysanthemum image of the original data, and samples of the training set; (2) construction of the depth of the neural network model; (3) to the image acquisition and recognition of chrysanthemum, cut and zoom the image the image was transformed into RGB form, enter into the depth of the neural network model; (4) the type of test samples using the trained neural network model for recognizing the chrysanthemum. The convolution neural network designed by the invention has 6 layers, and the distinguished chrysanthemum is divided into five types. Compared with the existing flower type recognition system and method, the recognition accuracy of the image is greatly improved and the technical problems of the existing technology for identifying chrysanthemum are difficult to solve.

【技术实现步骤摘要】
一种基于深度神经网络的菊花识别方法
本专利技术属于图像处理，尤其涉及一种基于深度神经网络的菊花识别方法。
技术介绍
菊花是中国的传统名花，从原始的野生种类经过栽培、杂交选择和精心培育,已经逐步成为世界上品种最丰富的栽培花卉之一。菊花是中国十大名花之一，花中四君子(梅兰竹菊)之一，具有重要的观赏价值和药用价值。目前，对于植物和花的识别，主要采用了机器学习技术。但是针对不同菊花种类的识别缺少深度的研究，现有技术和产品对不同菊花的识别正确率不高。在现有花的种类识别技术主要有：(1)微软识花是微软和中国科学院植物联合提出的智能识别技术，它采用人工智能技术，但是对不同形状的菊花识别功能不足。(2)myGardenAnswers是通过上传植物和花卉图像进行植物种类识别的系统，通过植物照片就能识别出来植物种类，但是对识别不同形状的菊花能力不足。随着深度学习技术的发展，针对菊花的形状，有必要研究一种基于深度神经网络的菊花识别技术，提高菊花识别的正确率。
技术实现思路
专利技术目的：针对上述现有技术的不足，本专利技术提供一种基于深度神经网络的菊花识别方法，该方法对于菊花的识别率更精准，可以的将菊花按照花朵本文档来自技高网...

【技术保护点】
一种基于深度神经网络的菊花识别方法，其特征在于，包括以下步骤：(1)菊花图像原始数据的采集和预处理，并构成训练集样本；(2)构建深度神经网络模型；(3)待识别菊花的图像采集，并对图像进行裁剪和缩放，将图像转化成RGB形式输入到深度神经网络的模型中；(4)将测试样本利用训练完成的神经网络的模型识别菊花的类型。

【技术特征摘要】
1.一种基于深度神经网络的菊花识别方法，其特征在于，包括以下步骤：(1)菊花图像原始数据的采集和预处理，并构成训练集样本；(2)构建深度神经网络模型；(3)待识别菊花的图像采集，并对图像进行裁剪和缩放，将图像转化成RGB形式输入到深度神经网络的模型中；(4)将测试样本利用训练完成的神经网络的模型识别菊花的类型。2.根据权利要求1所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述的步骤(2)对图像处理包括训练集图片的随机剪裁、随机反转、随机亮度变换、随机对比度变换、白化处理和测试集图片的随机剪裁、白化处理。3.根据权利要求1所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述的深度卷积神经网络依次是数据输入层Input、Conv1卷积层、Conv2卷积层、全连接层和Output数据输出层。4.根据权利要求3所述的一种基于深度神经网络的菊花识别方法，其特征在于：所述的Conv1卷积层输入图像像素大小为48*48*3，所述Conv1卷积层的卷积核数目为64个，卷积核的移动切片步长为1，卷积核的大小为5*5，pooling层的卷积核大小为3*3，移动步长为2，所述的Conv1卷积层的输出为Conv2卷积层的输入。5.根据权利要求3所述的一种基于深度神经网络的菊花识别方法，其特征在...

【专利技术属性】
技术研发人员：袁培森，黎薇，熊迎军，任守纲，徐焕良，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：江苏,32