[發(fā)明專利]一種基于深度學習的植物葉片識別系統(tǒng)與方法

在審

• 申請?zhí)枺?/td>: 201611175271.6
• 申請日: 2016-12-19
• 公開（公告）號: CN106599925A
• 公開（公告）日: 2017-04-26
• 發(fā)明（設(shè)計）人: 雷方元;戴青云;趙慧民;蔡君;魏文國;羅建楨
• 申請（專利權(quán)）人: 廣東技術(shù)師范學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 廣州粵高專利商標代理有限公司44102
• 代理人: 林瑞云

1.一種基于深度學習的植物葉片識別系統(tǒng)，其特征在于，包含用戶交互模塊，數(shù)據(jù)庫用戶接口模塊，數(shù)據(jù)庫模塊，專家模塊；

所述的用戶交互模塊，位于用戶智能終端側(cè)，包含用戶植物葉片獲取，葉脈類型選擇，葉片邊緣形狀選擇以及反饋檢索結(jié)果顯示功能；

所述的數(shù)據(jù)庫用戶接口模塊，位于后臺服務(wù)器，用于存儲用戶的注冊信息，包括郵件地址等信息；用于接收和發(fā)送用戶數(shù)據(jù)；用戶圖像數(shù)據(jù)的顏色空間轉(zhuǎn)換處理；通過郵件向用戶發(fā)送專家對圖像識別的結(jié)果信息；

所述的數(shù)據(jù)庫模塊，位于后臺服務(wù)器，用于深度卷積神經(jīng)網(wǎng)絡(luò)參數(shù)的訓(xùn)練和葉片圖像特征的提取及存儲；

所述的專家模塊，位于后臺服務(wù)器，用于專家對用戶所拍攝葉片圖像的分類與相關(guān)信息的提供。

2.一種基于深度學習的植物葉片識別方法，其特征在于，包含深度卷積神經(jīng)網(wǎng)絡(luò)參數(shù)的訓(xùn)練及離線特征提取過程和葉片圖像識別檢索過程；訓(xùn)練過程及離線特征提取具體包含, 植物葉片圖像數(shù)據(jù)預(yù)處理，深度卷積網(wǎng)絡(luò)參數(shù)的訓(xùn)練及細化調(diào)整，采用深度卷積神經(jīng)網(wǎng)絡(luò)對圖像庫的特征進行提取及分類，將深度學習獲得的圖像特征與葉脈特征和邊緣形狀特征等構(gòu)建葉片圖像的組合特征；

所述的植物葉片圖像數(shù)據(jù)預(yù)處理，將植物葉片圖像尺度歸一化，顏色空間變換處理；將植物葉片圖像數(shù)據(jù)集分為測試數(shù)據(jù)集和訓(xùn)練數(shù)據(jù)集兩部分；

所述的深度卷積網(wǎng)絡(luò)參數(shù)的訓(xùn)練及細化調(diào)整,構(gòu)造深度卷積神經(jīng)網(wǎng)絡(luò)；

利用葉片訓(xùn)練集數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)參數(shù)，進一步利用帶標簽的測試數(shù)據(jù)集來精細化調(diào)整網(wǎng)絡(luò)參數(shù)；

所述的采用深度卷積神經(jīng)網(wǎng)絡(luò)對圖像庫的特征進行提取及分類，利用深度卷積神經(jīng)網(wǎng)絡(luò)提取葉片圖像特征及其分類；

所述的將深度學習獲得的圖像特征與葉脈特征、邊緣形狀特征等構(gòu)建葉片圖像的組合特征。

3.根據(jù)權(quán)利要求2所述的基于深度學習的植物葉片識別方法，其特征在于，所述顏色空間變換處理，是將圖像從RGB空間變換到HSV空間。

4.根據(jù)權(quán)利要求2所述的基于深度學習的植物葉片識別方法，其特征在于，所述構(gòu)造深度卷積神經(jīng)網(wǎng)絡(luò)采用AlexNet網(wǎng)絡(luò)參數(shù)來構(gòu)建。

5.根據(jù)權(quán)利要求2所述的基于深度學習的植物葉片識別方法，其特征在于，所述構(gòu)建葉片圖像的組合特征是按照以葉脈的走向和邊緣形狀為分類的基礎(chǔ)，將圖像按照葉脈走向->邊緣形狀特征->SoftMax分類->葉片特征這四種層級，將葉片圖像及其特征保存到圖像特征數(shù)據(jù)庫中。

6.根據(jù)權(quán)利要求2所述的基于深度學習的植物葉片識別方法，其特征在于，葉片圖像識別檢索過程包括：

步驟201. 通過手機拍照或者圖片的方式獲得包含有植物葉片的圖像；將歸一化為227*227大小；

步驟202. 用戶對植物葉片基本信息描述如，葉脈紋理類型等信息；

在移動終端通過交互示意圖的方式選擇葉脈紋理的示意圖，選擇邊緣類型的示意圖；

步驟203.將圖像和基本信息上傳到服務(wù)器數(shù)據(jù)庫檢索引擎，將歸一化后的葉片圖像及葉脈類型和邊緣形狀等信息通過無線網(wǎng)絡(luò)發(fā)送到后臺服務(wù)器；

步驟204. 數(shù)據(jù)庫中根據(jù)用戶提供的分類信息，在對應(yīng)的類別中進行檢索；

將葉片信息通過深度卷積神經(jīng)網(wǎng)絡(luò)計算得到其分類和從FC7中提取出其特征表示；首先根據(jù)葉脈類型及邊緣形狀這兩類特征確定葉片圖像的分類，然后在相同的SoftMax分類中采用歐式距離來進行相似性度量，結(jié)果按照從小到大來進行排序輸出；

步驟205. 將檢索的結(jié)果和對應(yīng)的文字描述信息返回到移動端進行顯示；

將檢索圖像反饋給用戶，并讓用戶進行結(jié)果是否相似的判斷，該判斷為非強制要求的，其缺省值為相似；

步驟206. 將用戶反饋是否相似的信息更新到數(shù)據(jù)庫，如果相似將用戶圖像及其特征保存到數(shù)據(jù)庫中；

步驟207. 若用戶反饋檢索的結(jié)果與實際不一致，則將用戶圖像提交到專家鑒別；

步驟208.將鑒別信息通過用戶注冊的郵件或者手機號碼告知用戶；

通過郵件或者手機短信的方式將專家鑒定的信息反饋給用戶。