基于改进VGGNet模型的外来入侵植物叶片识别方法

摘要：

针对自然界中不同种类植物的叶片可能存在类间差异小而导致一些边缘轮廓相似的本土植物和外来入侵植物叶片识别错误的问题,提出一种PF-VGGNet模型.常用的VGGNet模型在图像分类上表现优秀,采用顺次连接的结构,可以很好地提取图像的高级语义信息特征,但一些图像浅层的轮廓和纹理特征也对分类起到关键作用.PF-VGGNet模型可以将浅层轮廓和纹理特征与网络深层高级语义信息融合,实现对植物叶片的自动识别.实验结果表明,PF-VGGNet模型对比其它算法在自建的外来入侵植物叶片数据集上取得了较好的识别效果,在训练集和测试集上的准确率分别为99.89％和99.63％.PF-VGGNet可以有效降低因叶片边缘轮廓相近导致识别错误的问题,能够快速识别外来入侵植物叶片,为防治外来植物入侵提供支持.

关键词：植物叶片识别、卷积神经网络、VGGNet模型、金字塔特征输入

分类号：S718.4;TP394.1(林业基础科学)

资助基金：国家自然科学基金资助项目;辽宁省自然科学基金资助项目

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：7-11