深度神經網絡的研究及其在植物葉片圖像識別中的應用.pdf

1、植物在我們生活中無處不在，它對整個地球生態(tài)系統的保護有非常重要的意義，而研究植物非常重要的一項內容就是精確分類。傳統的識別方法需要人工對圖片進行識別和標注，主觀性比較強，工作量極大，進而會導致標注的準確率大大降低。因此，如何從植物葉片中自動提取圖像特征并進行準確的分類已成為植物分類研究所需解決的問題。近年來，深度學習的研究表明，深層神經網絡可以直接從原始圖片中提取抽象特征。而且，像卷積神經網絡本身還具備旋轉和平移不變性，而這一特性在圖像

2、識別中顯得尤其重要。因此，本文重點研究如何將卷積神經網絡應用于植物葉片圖像識別上，并構建一個全卷積神經網絡模型。針對以往植物葉片識別方法識別率偏低的問題，本文提出的具體研究內容如下：
　?。?）設計了一種全卷積深度神經網絡的圖像特征提取方法。首先對圖片進行預處理，包括圖像切割、增強、旋轉和透視等來減少一些計算量。然后，使用卷積神經網絡的算法自動提取圖像特征。最后，用多層感知機來替換傳統神經網絡的線性濾波器，由多層感知機組成的非線性

3、卷積層把輸入的局部數據通過非線性的激活函數進行映射，全連接的網絡非常容易過擬合，而非線性的卷積由于權值共享，本身就具備一定防止過擬合的能力，這樣得到的卷積神經網絡能有效地從非線性可分的數據中抽象出所需的特征。
　?。?）提出一種使用PReLU代替?zhèn)鹘yReLU激活函數的深度神經網絡方法。ReLU（線性糾正函數）加快了訓練過程的銜接，而且比傳統的S形能更好地加速收斂。但在植物葉片圖像訓練中會出現梯度彌散情況，所以本文使用PReLU的激