基于MobileNetV3的植物叶片识别系统

被引：1

作者：

张柔绮 ^{[1
,2
]}

赵家松 ^{[1
]}

严伟榆 ^{[3
]}

机构：

[1] 云南农业大学理学院

[2] 福州大学物理与信息工程学院

[3] 云南农业大学大数据学院

来源：

云南民族大学学报(自然科学版) | 2024年 / 33卷 / 04期

关键词：

轻量级卷积神经网络; MobileNetV3-Large; 迁移学习; 系统设计; 植物叶片识别;

D O I：

暂无

中图分类号：

学科分类号：

摘要：

针对现有植物叶片识别研究存在的模型泛化性差的问题，本文设计一个基于MobileNetV3-Large网络和迁移学习的植物叶片识别系统.通过自采集图像补充数据和使用图像锐化、翻转、亮度增强等方法构建了包含32种植物的大规模叶片数据集，以MobileNetV3-Large网络和预训练权重为前提，寻找最佳超参数完成模型的迁移学习，对32种植物叶片进行特征提取和分类.通过PyQt5的前后端部署，该方法被实例化为一个实用性强的植物叶片识别系统.在测试集上的实验结果表明，MobileNetV3-Large达到98.45%的识别准确率，与AlexNet、ResNet和MobileNetV2相比分别提高12.46%、1.09%和9.62%,有效弥补了模型泛化性差的短板.该系统对32类植物的叶片的识别效果颇佳，满足各种场景下的植物叶片种类识别的需求.

引用

页码：496 / 504

页数：9

共 16 条

[1] 基于ResNeXt网络和迁移学习的非侵入式负荷监测
鲍光海
黄逸欣
[J]. 电力系统自动化, 2023, 47 (13) : 110 - 120
[2] 基于轻量化YOLO模型的植物叶片识别
常黎玫
丁学文
杨旭
孙盼盼
蔡鑫楠
董国军
[J]. 智能计算机与应用, 2023, 13 (01) : 118 - 122
[3] 基于一种轻量级卷积神经网络的植物叶片图像识别研究
李文逵
韩俊英
[J]. 软件工程, 2022, 25 (02) : 10 - 13
[4] 融合贝叶斯的压缩CNN植物叶片识别模型
晏铭
朱良宽
景维鹏
[J]. 哈尔滨理工大学学报, 2021, 26 (03) : 83 - 90
[5] 基于多特征融合和卷积神经网络的植物叶片识别
韩斌
曾松伟
[J]. 计算机科学, 2021, 48 (S1) : 113 - 117
[6] 基于SSD-MobileNet V1深度学习算法的药用植物叶片识别方法
丁常宏
王守宇
高鹏
[J]. 江苏农业科学, 2020, 48 (22) : 222 - 228
[7] 基于双路卷积神经网络的植物叶片识别模型
于慧伶
麻峻玮
张怡卓
[J]. 北京林业大学学报, 2018, (12) : 132 - 137
[8] 基于迁移学习的卷积神经网络植物叶片图像识别方法
郑一力
张露
[J]. 农业机械学报, 2018, 49(S1) (S1) : 354 - 359
[9] A Multiscale Fusion Convolutional Neural Network for Plant Leaf Recognition
Hu, Jing
Chen, Zhibo
Yang, Meng
Zhang, Rongguo
Cui, Yaji
[J]. IEEE SIGNAL PROCESSING LETTERS, 2018, 25 (06) : 853 - 857
[10] Plant Leaf Recognition Using a Convolution Neural Network.[J]..INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS.2017, 1

← 1 2 →