【技术实现步骤摘要】
本专利技术属于植物识别，尤其涉及一种基于深度学习和决策树的植物机器识别系统。
技术介绍
1、目前植物机器识别过于依赖数学模型，而忽略了将模型信息转化为人类可读的有效信息，因此难以与植物研究者进行有效交互以提高植物识别准确率；用于植物特征训练的数据集特征代表性不足，特征丰度不足，导致无法准确识别形态差异很大的同一植物的不同个体，难以区分形态极其相似的不同植物。
技术实现思路
1、本专利技术的目的在于：为了解决目前植物识别准确率低下，难以区分形态极其相似的不同植物的问题，而提出的一种基于深度学习和决策树的植物机器识别系统。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一种基于深度学习和决策树的植物机器识别系统，具体包括以下步骤：
4、s1、构建植物分类决策树模型；
5、s101、分类检索表的标准模型结构转化，数据收集与预处理：收集项目研究涉及分类单元的检索表信息，进行必要的预处理，包括对模糊描述的精确化处理和特征描述方式的标准化处理...
【技术保护点】
1.一种基于深度学习和决策树的植物机器识别系统，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于深度学习和决策树的植物机器识别系统，其特征在于，所述S101-S102中，系统完善后，根据实际需要添加传统分类系统与分子分类系统各分类单元名称映射关系，以便交互系统可以同时显示植物分子分类阶元信息。
3.根据权利要求1所述的一种基于深度学习和决策树的植物机器识别系统，其特征在于，所述S302中，在于提高模型处理不同类型信息时的效率和准确性，且便于后期图像识别时的架构选择和新增参数进行识别质量控制。
4.根据权利要求1所述的...
【技术特征摘要】
1.一种基于深度学习和决策树的植物机器识别系统，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于深度学习和决策树的植物机器识别系统，其特征在于，所述s101-s102中，系统完善后，根据实际需要添加传统分类系统与分子分类系统各分类单元名称映射关系，以便交互系统可以同时显示植物分子分类阶元信息。
3.根据权利要求1所述的一种基于深度学习和决策树的植物机器识别系统，其特征在于，所述s302中，在于提高模型处理不同类型信息时的效率和准确性，且便于后期图像识别时的架构选择和新增参数进行识别质量控制。
4.根据权利要求1所述的一种基于深度学习和决策树的植物机器识别系统，其特征在于，所述s401中，这些图像将涵盖不同光照条件、角度和背景，以确保模型的泛化能力。
5.根据权利要求1所述的一种基于深度学习和决策树的植物机器识别系统，其特征在于，所述s5中，拟选用架构如下：
6.根据权利...
【专利技术属性】
技术研发人员：常圣鑫，李春霞，陈君豪，于白音，林哲丽，余胜，陈正铭，刘发光，赵世涛，
申请(专利权)人：韶关学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。