【技术实现步骤摘要】
本专利技术涉及图像处理识别与分类领域，尤其是涉及一种基于深度学习和三支决策的花卉图像分类方法。
技术介绍
1、花卉分类识别是植物识别领域的研究热点之一，随着人们生活水平的提高，中国的花卉产业得以迅速发展。通过高效、精准的花卉图像分类技术，我们不仅能更深入地了解和保护丰富的植物资源，还能为植物学家和生态学家提供宝贵的研究数据。这些数据在智能农业和智能园艺等领域的应用，将极大地助力农民和园艺工作者优化植物管理与保护策略，从而显著提升农业和园艺的生产效率与产量。然而，花卉种类繁多且类间差异微妙，这使得花卉图像分类任务相较于其他类别更具挑战性。如何实现花卉图像种类的快速、准确识别，已成为当前亟待解决的重要课题。
2、图像分类在传统阶段主要通过特征提取和分类器训练两个步骤实现。常用的特征提取方式包括颜色直方图、形状特征、尺度不变特征变换(sifi)及灰度共生矩阵等；常用的分类器包括支持向量机(svm)、k-近邻(knn)、朴素贝叶斯和决策树等。在花卉图像分类的传统方法中，主要采用颜色直方图和sifi特征提取技术，这些方法通过统计图像中...
【技术保护点】
1.一种基于深度学习和三支决策的花卉图像分类方法，其特征在于：首先，采用AlexNet深度学习模型对花卉图像进行初次分类，获取初步的分类结果；随后，通过三支决策方法对初次分类结果进行处理，将测试集数据划分为确定域、不确定域和拒绝域；对于处于不确定域的数据，在原有模型的基础上加权融合MobilNet_V2模型并引入注意力模块，并通过多层次的特征提取与融合。
2.根据权利要求1所述的基于深度学习和三支决策的花卉图像分类方法，其特征在于包括如下步骤：
3.根据权利要求2所述的基于深度学习和三支决策的花卉图像分类方法，其特征在于：
4.根据...
【技术特征摘要】
1.一种基于深度学习和三支决策的花卉图像分类方法，其特征在于：首先，采用alexnet深度学习模型对花卉图像进行初次分类，获取初步的分类结果；随后，通过三支决策方法对初次分类结果进行处理，将测试集数据划分为确定域、不确定域和拒绝域；对于处于不确定域的数据，在原有模型的基础上加权融合mobilnet_v2模型并引入注意力模块，并通过多层次的特征提取与融合。
2.根据权利要求1所述的基于深度学习和三支决策的花卉图像分类方法，其特征在于包括如下步骤：...
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。