基于度量学习和深度特征学习的植物叶片识别系统及方法技术方案

本发明专利技术涉及一种基于度量学习和深度特征学习的植物叶片识别系统及方法。其中系统包括：IOS客户端，用于首先获取植物叶片图像后进行预处理，然后将预处理后的植物叶片图像通过IOS客户端的人机交互页面选取本地识别路径或服务器端识别路径发出请求，针对本地识别路径请求，调用自身网络模型进行植物叶片识别，针对服务器端识别路径请求，将预处理后的植物叶片图像无线发送至服务器端；服务器端，用于接收服务器端识别路径请求下来自IOS客户端预处理后的植物叶片图像，并调用基于分段损失加权的生成式对抗网络进行识别。对应识别方法基于全局特征表示和特征度量学习结合的学习方式和基于softmax的全局分类分支和具有三元损失的度量学习分支来展开。的度量学习分支来展开。的度量学习分支来展开。

【技术实现步骤摘要】
基于度量学习和深度特征学习的植物叶片识别系统及方法


[0001]本专利技术涉及植物叶片识别
，尤其是涉及一种基于度量学习和深度特征学习的植物叶片识别系统及方法。

技术介绍

[0002]一直以来，植物都是地球生态环境的重要组成部分，其对地球，对人类，对整个生物圈都有着不可或缺的重要作用。大多数植物都可以在光照条件下进行光合作用，吸收二氧化碳并释放氧气，这对于大气层内氧气与二氧化碳含量保持平衡是很重要的。同时，植物还对湿度调节，空气净化，土壤生态环境保持，吸收有毒气体，杀菌等有很大的贡献。抛开这一切，植物的存在给人类提供了生存必须的氧气这一事实就奠定了植物在我们生活中举足轻重的地位，因此针对植物展开的研究是十分有意义的。
[0003]植物图像识别是针对自然界常见的植物，将其图像进行采集后，利用现在最先进的计算机视觉技术，对其进行识别，从而达到分类的目的。主要操作包括图像采集，图像预处理，选择合适的深度学习网络，搭建具体的深度网络，利用计算机技术，进行分类操作。
[0004]由于植物的重要性，我们需要对自然界中纷繁复杂的植物进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于度量学习和深度特征学习的植物叶片识别系统，其特征在于，该系统包括IOS客户端和与所述IOS客户端通过无线网络相连接的服务器端，其中：所述IOS客户端，用于首先获取植物叶片图像后进行预处理，然后将预处理后的植物叶片图像通过所述IOS客户端的人机交互页面选取本地识别路径或服务器端识别路径发出请求，针对本地识别路径请求，调用自身网络模型进行植物叶片识别，针对服务器端识别路径请求，将预处理后的植物叶片图像无线发送至所述服务器端；所述服务器端，用于接收服务器端识别路径请求下来自所述IOS客户端预处理后的植物叶片图像，并调用基于分段损失加权的生成式对抗网络进行识别。2.根据权利要求1所述的一种基于度量学习和深度特征学习的植物叶片识别系统，其特征在于，所述的IOS客户端包括图像采集模块、图像上传模块、图像识别模块、图像处理模块、客户端数据存储模块和客户端网络通信模块，所述的人机交互页面与所述图像采集模块和图像上传模块分别连接，所述的图像处理模块分别与所述图像采集模块、图像上传模块、图像识别模块、人机交互页面、客户端数据存储模块和客户端网络通信模块相连接，所述的图像上传模块与所述客户端数据存储模块相连接，所述客户端网络通信模块与所述服务器端相连接。3.根据权利要求1所述的一种基于度量学习和深度特征学习的植物叶片识别系统，其特征在于，所述的服务器端包括用于对外联网的流量分发服务器以及用于根据分发规则对请求分别进行发放的多个工作服务器，每个工作服务器还分别各自设有从属备份服务器，所述的流量分发服务器自身还设有备份服务器。4.一种基于如权利要求1至3中任一项所述的基于度量学习和深度特征学习的植物叶片识别系统的植物叶片识别方法，其特征在于，该方法包括以下步骤：步骤1：所述IOS客户端获取植物叶片图像后，对图像通过采取交互式的方式进行图片复杂背景去除操作；步骤2：用户根据自身需求在所述IOS客户端的人机交互页面上选取识别途径，若选择本地识别路径请求，则执行步骤3，若选择服务器端识别路径请求，则执行步骤4；步骤3：用户选择本地快速识别后，所述人机交互页面将控制信号发送至所述图像识别模块，所述图像识别模块调用部署于所述IOS客户端的模型对步骤1中经过处理的植物叶片图像直接进行识别，并于所述人机交互页面实时展示识别结果；步骤4：用户选择服务器端识别...

【专利技术属性】
技术研发人员：黄德双，杨宏伟，
申请(专利权)人：同济大学，
类型：发明
国别省市：