基于TensorFlow框架花卉识别系统的设计与实现开题报告

 2023-12-04 10:12

1. 研究目的与意义

在我国有着成千上万种花卉, 但如何能方便快捷的识别辨识出这些花卉的种类成为了植物学领域的重要研究课题。 我国的花卉研究历史悠久, 是世界上研究较早的国家之一。 花卉是我国重要的物产资源, 除美化了环境, 调养身心外, 它还具有药用价值, 并且在医学领域为保障人们的健康起着重要作用。

花卉识别是植物学领域的一个重要课题, 多年来已经形成一定体系化分类系统,但需要植物学家耗费大量的精力人工分析。 这种方法要求我们首先去了解花卉的生长环境, 近而去研究花卉的整体形态特征。 在观察植株形态特征时尤其是重点观察花卉的花蕊特征、 花卉的纹理颜色和形状及其相关信息等。 然后在和现有的样本进行比对, 最终确定花卉的所属类别。

2. 课题关键问题和重难点

花卉种类识别功能实现的主要途径是利用计算机对样本进行分类。 通过对样本的精准分类达到得出图像识别结果的目的。本课题的具体流程为首先获取图片对图片进行预处理,对图片的特征进行提取,利用分类器对图片进行分类,得到最后的结。

本课题的创新点在于利用多种多样的cnn神经网络对花卉图片进行分析处理,比较分析经过每个cnn神经网络处理后的图片分类后的准确性,选择最后正确率最高,错误率最低的cnn神经网络模型作为最终选择的处理图片的模型。

本课题的难点在于对图片特征的提取和对图片的预处理。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 国内外研究现状(文献综述)

一开始的时候,对植物的识别多是对植物叶片进行的识别,因为对植物的叶片进行拍摄时,由于植物叶片天生多是扁平的,所以得到的图像可以是平面的,更加方便计算机图像进行预处理。但是随着进一步的研究发现,不同植物的叶片在某种程度上具有一样的相似性,而且植物叶片随环境的改变变化较大。

2017年,郑一力等学者在“基于多特征降维的叶片识别”中谈到由于对植物叶片的局限性,比如在植物叶片的照片中不免会出现于叶片连接的的植物的根茎部分,其与叶片的形状和颜色过于相近,所以计算机在识别的时候会有很大误差。并且植物叶片上出现的虫洞或者遮挡可能对叶片特征的识别有着巨大的影响。于是为了对这些情况进行进一步优化,文中通过利用数字图片处理技术,对出片进行预处理,对图像的不重要或者对处理起到反作用的特征进行弱化,把某些高维度特征转化为低纬度特征,并对处理后的图像数据进行训练,以达到提高准确率的目的。

而相比之下,植物的花朵是植物的繁殖器官,其只在植物生长周期的一个特定时间段内出现,从而受环境的影响相比叶片较小。所以利用花朵对植物进行分类较为合适。由于对花朵识别的重视,基于深度学习技术已经研发出了一一些植物花朵识别系统诸如,国外的微软公司开发了“微软识花app”,国内的中国科学院植物研究所开发了“智能花卉识别系统”。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 研究方案

1)设计方案

模型的设计一共分为四个模块:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

5. 工作计划

2022-2023-1学期:

第15-16周:完成选题,查阅相关中英文资料,进行相关技术的学习

第17周:与导师沟通进行课题总体规划;

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。