|本期目录/Table of Contents|

[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)
分享到：

《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