[發(fā)明專利]一種基于卷積神經網絡的植物識別方法及系統

在審

• 申請?zhí)枺?/td>: 201710359176.X
• 申請日: 2017-05-19
• 公開（公告）號: CN107239514A
• 公開（公告）日: 2017-10-10
• 發(fā)明（設計）人: 鄧昌順
• 申請（專利權）人: 鄧昌順
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/08;G06T5/00
• 代理公司: 北京卓唐知識產權代理有限公司11541
• 代理人: 唐海力,韓來兵

1.一種基于卷積神經網絡的植物識別方法，其特征在于，包括如下步驟：

采集的植物圖像，將植物圖像中同類的植物進行分類并標記，得到植物數據庫；

將植物數據庫中植物圖像輸入至卷積神經網絡，對卷積神經網絡進行訓練得到特征匹配模型；

接收待識別圖像，利用特征匹配模型提取待識別圖像的圖像特征值，并計算圖像特征值與植物數據庫中植物的相似度，根據相似度判斷待識別圖像所屬植物的分類。

2.根據權利要求1所述的基于卷積神經網絡的植物識別方法，其特征在于，所述卷積神經網絡依次包括輸入層、卷積操作層和輸出層，其中，

輸入層，用于接收植物圖像；

卷積操作層包括卷積層和池化層，其中，

卷積層，用于根據卷積核提取圖像特征矩陣；

池化層，用于提取出每個圖像特征矩陣中最能代表這個植物圖像局部特征的圖像特征值。

3.根據權利要求1所述的基于卷積神經網絡的植物識別方法，其特征在于，所述接收待識別圖像，利用特征匹配模型提取待識別圖像的圖像特征值，并計算圖像特征值與植物數據庫中植物的相似度，根據相似度判斷待識別圖像所屬植物的分類包括

利用特征匹配模型中卷積核提取N個圖像特征矩陣，并提取每個圖像特征矩陣中圖像特征值；

根據所有圖像特征值得到特征值矩陣；

利用預設的函數計算特征值矩陣與植物數據庫中植物的相似度。

4.根據權利要求1所述的基于卷積神經網絡的植物識別方法，其特征在于，所述將植物數據庫中植物圖像輸入至卷積神經網絡之前還包括

對植物圖像進行預處理，預處理至少包括歸一化、明亮度調整或降噪。

5.根據權利要求1所述的基于卷積神經網絡的植物識別方法，其特征在于，圖像特征值至少包括顏色值、輪廓值、邊緣值、灰度值。

6.一種基于卷積神經網絡的植物識別系統，其特征在于，包括

接收模塊，用于采集的植物圖像，將植物圖像中同類的植物進行分類并標記，得到植物數據庫；

特征提取模塊，用于將植物數據庫中植物圖像輸入至卷積神經網絡，對卷積神經網絡進行訓練得到特征匹配模型；

識別模塊，用于接收待識別圖像，利用特征匹配模型提取待識別圖像的圖像特征值，并計算圖像特征值與植物數據庫中植物的相似度，根據相似度判斷待識別圖像所屬植物的分類。

7.根據權利要求6所述的基于卷積神經網絡的植物識別系統，其特征在于，所述識別模塊包括

卷積單元，用于利用特征匹配模型中卷積核提取N個圖像特征矩陣，并提取每個圖像特征矩陣中圖像特征值；

池化單元，用于根據所有圖像特征值得到特征值矩陣；

計算單元，用于利用預設的函數計算特征值矩陣與植物數據庫中植物的相似度。

8.根據權利要求6所述的基于卷積神經網絡的植物識別系統，其特征在于，所述特征提取模塊包括

預處理子單元，用于對植物圖像進行預處理，預處理至少包括歸一化、明亮度調整或降噪。