[1]丁常宏,王守宇,高鹏.基于SSD-MobileNet V1深度学习算法的药用植物叶片识别方法[J].江苏农业科学,2020,48(22):222-228.
Ding Changhong,et al.Identification of medicinal plant leaves based on SSD-MobileNet V1 deep learning algorithm[J].Jiangsu Agricultural Sciences,2020,48(22):222-228.
点击复制
基于SSD-MobileNet V1深度学习算法的药用植物叶片识别方法(PDF)
《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]
- 卷:
-
第48卷
- 期数:
-
2020年第22期
- 页码:
-
222-228
- 栏目:
-
农业工程与信息技术
- 出版日期:
-
2020-11-20
文章信息/Info
- Title:
-
Identification of medicinal plant leaves based on SSD-MobileNet V1 deep learning algorithm
- 作者:
-
丁常宏1; 2; 王守宇1; 高鹏3
-
1.黑龙江中医药大学药学院,黑龙江哈尔滨 150040;2.黑龙江中医药大学中药学博士后流动站,黑龙江哈尔滨 150040;3.哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨 150001
- Author(s):
-
Ding Changhong; et al
-
-
- 关键词:
-
数字图像模式识别技术; SSD-MobileNet V1深度学习算法; 相似性检索; 阈值; 植物叶片
- Keywords:
-
-
- 分类号:
-
TP391.41
- DOI:
-
-
- 文献标志码:
-
A
- 摘要:
-
长期以来药用植物的鉴定主要依靠人工和经验,为协助中药资源研究人员、植物资源研究人员更准确地完成植物鉴别,数字图像模式识别技术可以加以应用。本研究基于SSD-MobileNet V1深度学习算法对需要查询的药用植物照片进行相似性检索,对比药用植物叶片进行药用植物的识别与鉴定。结果表明,当阈值为0.5时,精确率及召回率均可达96.0%,为该深度学习模型的最佳值。在此条件下,训练集的学习准确率各标签均为100%;识别检验结果显示,5种药用植物共100张不同叶片照片的识别正确率可以达到100%。说明基于SSD-MobileNet V1深度学习算法的药用植物叶片识别方法高效准确,能够协助植物资源调查人员进行植物辨识,为中药资源普查、研究,植物资源研究等各方面工作提供了强大技术支持。
- Abstract:
-
-
参考文献/References:
[1]梅星宇,李新华,鲍文霞,等. 基于复频域纹理特征的植物叶片识别算法[J]. 江苏农业学报,2019,35(6):1334-1339.
[2]Xiang Z,Zhao W Q,Luo H Z,et al. Plant recognition via leaf shape and margin features[J]. Multimedia Tools and Applications,2019,78(19):27463-27489.
[3]于慧伶,麻峻玮,张怡卓. 基于双路卷积神经网络的植物叶片识别模型[J]. 北京林业大学学报,2018,40(12):132-137.
[4]张善文,张晴晴,齐国红. 基于Fourier描述子和LBP相结合的植物叶片识别方法[J]. 江苏农业科学,2019,47(14):273-276.
[5]马娜,李艳文,徐苗. 基于改进SVM算法的植物叶片分类研究[J]. 山西农业大学学报(自然科学版),2018,38(11):33-38.
[6]丁常宏,高鹏. 基于动态时间规整算法的药用植物叶片识别方法[J]. 中医药导报,2019,25(11):63-66.
相似文献/References:
备注/Memo
- 备注/Memo:
-
收稿日期:2020-02-05
基金项目:国家中医药管理局全国中药资源普查(编号:GZY-KJS-2018-004);黑龙江省自然科学基金面上项目(编号:C2016053);黑龙江省中医药科研项目(编号:2018hljzyzypc-21);黑龙江中医药大学科研基金(编号:035128)。
作者简介:丁常宏(1981—),女,黑龙江哈尔滨人,博士,副教授,从事中药资源学相关研究。E-mail:598808726@qq.com。
通信作者:高鹏,博士,高级工程师,从事计算机体系结构与深度学习方面的研究。E-mail:40478978@qq.com。
更新日期/Last Update:
2020-11-20