[發明專利]一種基于可疊加膠囊網絡的植物葉片識別方法

在審

• 申請號: 202010563207.5
• 申請日: 2020-06-19
• 公開（公告）號: CN111814592A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 黃德雙;鄭旸
• 申請（專利權）人: 同濟大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/54;G06K9/62;G06N3/04;H04L29/06;H04M1/725
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 葉敏華

本發明涉及一種基于可疊加膠囊網絡的植物葉片識別方法，該方法以手機平臺為客戶端，手機平臺采集葉片圖像、發出識別請求并對植物物種信息數據庫進行展示；客戶端發出識別請求至高性能計算機的服務器端，服務器端對葉片圖像進行特征提取、訓練，以及利用可疊加膠囊網絡對葉片進行識別。與現有技術相比，本發明具有識別準確率高、使用方便等優點。

技術領域

本發明涉及圖像處理技術領域，尤其是涉及一種基于可疊加膠囊網絡的植物葉片識別方法。

背景技術

為了更好的利用以及保護植物，人類需要根據植物的種類了解其生長特性，藥物特性，進而對其周邊環境進行調整以及制藥。因此，植物分類是保護植物的過程中重要的一個環節，然而自然界中存在幾千種植物，若要對其一一進行人工識別，不僅需要眾多人力，還需要消耗較多時間，且對于人員也需要進行專業的培養，尤其是針對醫用植物而言更是需要眾多的專業人員來對其進行識別及篩選。因此，利用計算機技術自動識別植物對于植物的保護和利用具有重要的意義。

不同種類的植物在根、莖、葉、花、果實上的差距較為明顯。因此，人們通常利用這些不同器官來識別植物。同理，對于計算機而言，這些明顯的特征也可用于識別植物的種類。植物葉片作為植物的重要器官，且作為植物最有可辨性的特性之一，與其他特征相比，植物葉片相對容易保存，且植物葉片的收集難度也遠遠小于植物的其他特征。同時對于現在常用的圖像識別技術而言，植物葉片的圖像特征相較于植物的根、莖而言更容易識別，相較于花、果實而言更加普遍。隨著機器學習和數字圖像處理等技術的快速發展，人們試圖借助計算機的強大計算能力和學習能力，對植物物種進行自動識別，針對此，計算機識別植物通常采用植物葉片作為首選項。

在神經網絡被廣泛應用之前，傳統的植物葉片識別技術主要是人工的對植物的特征進行提取，通過將植物葉片的圖像轉化為人為設計的特征向量然后再利用機器學習的方法對其進行分類。由于人工提取特征植物葉片圖像的方式過于依賴提取專業人員的經驗知識，而且特征的設計對于植物的識別會產生特別大的影響導致精度會產生一定的下降。而隨著神經網絡的出現，卷積神經網絡的成熟以及各種優化版本的出現，使得計算機對于圖像的識別能力相較于傳統機器學習時期得到了較大的提升。同理，對于植物葉片識別而言，卷積網絡的出現使得原本繁瑣的特征設定，特征向量提取變得相對簡便。然而相對于其他圖像的識別，針對植物葉片的卷積神經網絡識別技術的研究才剛剛興起，尚未普及且未能得到從理論成果到應用成果的轉化。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于可疊加膠囊網絡的植物葉片識別方法。

本發明的目的可以通過以下技術方案來實現：

一種基于可疊加膠囊網絡的植物葉片識別方法，該方法以手機平臺為客戶端，手機平臺采集葉片圖像、發出識別請求并對植物物種信息數據庫進行展示；客戶端發出識別請求至高性能計算機的服務器端，服務器端對葉片圖像進行特征提取、訓練，以及利用可疊加膠囊網絡對葉片進行識別。本發明方法的具體步驟包括如下內容：

S1、將原始圖片數據集劃分訓練集和測試集，并將測試集劃分為查詢集和候選集；

S2、服務器端對訓練集的葉片數據進行包括翻轉、加噪聲、自動裁剪、隨機擦除在內的預處理；

S3、對基準網絡模型進行訓練，優化網絡，并對基準網絡的超參數進行調整；

S4、當進行實際植物葉片識別時，客戶端獲取葉片圖像后，將葉片圖像傳輸給服務器端，并同時向服務器端發送識別請求；

S5、服務器端接收葉片圖像，當服務器端收到識別請求后，基于可疊加膠囊網絡對葉片圖像進行特征提取及識別，識別后的結果無線傳輸至客戶端。

基于可疊加膠囊網絡對葉片圖像進行特征提取及識別的具體內容為：

51)利用局部感知將原有的膠囊網絡中的動態路由方式進行優化；