高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于双路卷积神经网络的植物叶片识别模型

于慧伶 麻峻玮 张怡卓

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. doi: 10.13332/j.1000-1522.20180182
引用本文: 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. doi: 10.13332/j.1000-1522.20180182
Yu Huiling, Ma Junwei, Zhang Yizhuo. Plant leaf recognition model based on two-way convolutional neural network[J]. Journal of Beijing Forestry University, 2018, 40(12): 132-137. doi: 10.13332/j.1000-1522.20180182
Citation: Yu Huiling, Ma Junwei, Zhang Yizhuo. Plant leaf recognition model based on two-way convolutional neural network[J]. Journal of Beijing Forestry University, 2018, 40(12): 132-137. doi: 10.13332/j.1000-1522.20180182

基于双路卷积神经网络的植物叶片识别模型

doi: 10.13332/j.1000-1522.20180182
基金项目: 

中央高校基本科研业务费项目 2572017CB34

林业公益性行业科研专项 201504307

详细信息
    作者简介:

    于慧伶。主要研究方向:大数据与机器学习。Email:yhl@nefu.edu.cn  地址:150040黑龙江省哈尔滨市和兴路26号东北林业大学信息与计算机工程学院

    责任作者:

    张怡卓,教授,博士生导师。主要研究方向:模式识别与信号处理。Email:nefuzyz@163.com  地址:150040黑龙江省哈尔滨市和兴路26号东北林业大学机电工程学院

  • 中图分类号: S718.4;TP394.1

Plant leaf recognition model based on two-way convolutional neural network

  • 摘要: 目的针对卷积神经网络识别植物叶片过程中,叶片边缘形状对卷积层的过度作用而导致相似边缘形状叶片识别错误的问题,提出了一种双路卷积神经网络的植物叶片识别模型。方法模型考虑了叶片信息的边缘形状与内部纹理特征,构建了双路卷积神经网路结构,其中形状特征路径运用7层卷积层的网络结构,前3层采用大尺寸11×11及5×5的卷积核提取大视野特征,完成叶片形状特征提取,另外4层卷积层采用3×3小尺寸卷积核提取叶片细节特征;纹理特征路径采用6个3×3卷积核的卷积层,提取叶片纹理图像细节特征;然后通过特征融合层将两类特征相加为融合特征,并利用全连接层对植物叶片种类进行识别。结果实验结果表明,双路卷积神经网络模型与单路卷积神经网络和图像处理分类识别模型相比,在Flavia叶片数据集与扩充植物叶片数据集上,Top-1识别准确率分别提高到了99.28%、97.31%,Top-3识别准确率分别提高到了99.97%、99.74%,标准差较其他识别与分类模型下降到0.18、0.20。结论本文提出的叶片识别模型能有效避免相似叶片边缘形状干扰而导致识别错误的问题,可以提高植物叶片的识别准确率。

     

  • 图  1  单一背景样本数据处理

    Figure  1.  Sample data processing

    图  2  复杂背景样本的叶片分割

    Figure  2.  Blade segmentation of complex background samples

    图  3  双路卷积神经网络模型结构流程

    Figure  3.  Model structure flow of two-path convolutional neural network model

    图  4  双路卷积神经网络模型结构细节

    Figure  4.  Two-way convolutional neural network model structure details

    图  5  相似形状种类

    Figure  5.  Similar shape types

    表  1  相似叶片形状植物种类数目

    Table  1.   Similar leaf shape plant species number

    相似叶片形状Similar blade shape 植物种类数Plant species
    Flavia数据集Flavia dataset 扩充数据集Augmented dataset
    矛尖形Spear-shape 5 7
    线形Linear shape 4 9
    心形Heart-shape 2 3
    掌形Hand-shape 6 8
    长椭圆形Oblong shape 11 17
    下载: 导出CSV

    表  2  不同叶片识别模型识别率与标准差

    Table  2.   Recognition rate of different identification model

    %
    识别方法Rcognition method 识别率Recognition rate 标准差Standard deviation
    Top-1 Top-3 Top-1 Top-3
    双路卷积神经网络模型(单一背景叶片图像) Two-way CNN model (single background leaf image) 99.28 99.97 0.18 0.10
    双路卷积神经网络模型(复杂背景叶片图像) Two-way CNN model (complex background leaf image) 97.31 99.74 0.20 0.14
    单路卷积神经网络模型(单一背景叶片图像) One-way CNN model (single background leaf image) 96.22 99.46 0.26 0.21
    单路卷积神经网络识别(叶片纹理图像)One-way CNN model (leaf texture image) 88.19 97.80 1.68 0.37
    多尺度距离矩阵+SVM Multi-scale distance matrix+SVM 82.55 95.12 1.61 1.10
    曲率直方图+SVM Curvature histogram + SVM 82.84 94.62 1.63 0.21
    下载: 导出CSV
  • [1] 魏蕾, 何东健, 乔永亮.基于图像处理和SVM的植物叶片分类研究[J].农机化研究, 2013, 35(5): 12-15. doi: 10.3969/j.issn.1003-188X.2013.05.003

    Wei L, He D J, Qiao Y L. Plant leaves classification based on image processing and SVM[J]. Journal of Agricultural Mechanization Research, 2013, 35(5):12-15. doi: 10.3969/j.issn.1003-188X.2013.05.003
    [2] 张宁, 刘文萍.基于克隆选择算法和K近邻的植物叶片识别方法[J].计算机应用, 2013, 33(7): 2009-2013. doi: 10.11772/j.issn.1001-9081.2013.07.2009

    Zhang N, Liu W P. Plant leaf recognition method based on clonal selection algorithm and K nearest neighbor[J]. Journal of Computer Applications, 2013, 33(7): 2009-2013. doi: 10.11772/j.issn.1001-9081.2013.07.2009
    [3] 王丽君, 淮永建, 彭月橙.基于叶片图像多特征融合的观叶植物种类识别[J].北京林业大学学报, 2015, 37(1):55-61. doi: 10.13332/j.cnki.jbfu.2015.01.006

    Wang L J, Huai Y J, Peng Y C. Method of identification of foliage from plants based on extraction of multiple features of leaf images[J]. Journal of Beijing Forestry University, 2015, 37(1): 55-61. doi: 10.13332/j.cnki.jbfu.2015.01.006
    [4] 杨天天, 潘晓星, 穆立蔷.基于叶片图像特征数字化信息识别7种柳属植物[J].东北林业大学学报, 2014, 42(12):75-79. doi: 10.3969/j.issn.1000-5382.2014.12.016

    Yang T T, Pan X X, Mu L Q. Identification of seven Salix species using digital information analysis of leaf image characteristics[J]. Journal of Northeast Forestry University, 2014, 42(12):75-79. doi: 10.3969/j.issn.1000-5382.2014.12.016
    [5] 张帅, 淮永建.基于分层卷积深度学习系统的植物叶片识别研究[J].北京林业大学学报, 2016, 38(9):108-115. doi: 10.13332/j.1000-1522.20160035

    Zhang S, Huai Y J. Leaf image recognition based on layered convolutions neural network deep learning[J]. Journal of Beijing Forestry University, 2016, 38(9):108-115. doi: 10.13332/j.1000-1522.20160035
    [6] Lee S H, Chan C S, Wilkin P, et al. Deep-plant: plant identification with convolutional neural networks[C]//Proceedings of 2015 IEEE International Conference on Image Processing (ICIP). Quebec: IEEE, 2015: 452-456.
    [7] Wu S G, Bao F S, Xu E Y, et al. A leaf recognition algorithm for plant classification using PNN (probabilistic neural network)[C/OL]//Proceedings of 2007 IEEE International Symposium on Signal Processing and Information Technology. New York: IEEE, 2007[2018-02-27]. https://ieeexplore.ieee.org/document/4458016.
    [8] Krizhevsky A, Sutskever I, Hinton G E. ImageNet classification with deep convolutional neural networks[C]//Proceedings of the 25th International Conference on Neural Information Processing Systems. Lake Tahoe: ACM, 2012: 1097-1105.
    [9] 卢宏涛, 张秦川.深度卷积神经网络在计算机视觉中的应用研究综述[J].数据采集与处理, 2016, 31(1):1-17. http://d.old.wanfangdata.com.cn/Periodical/sjcjycl201601001

    Lu H T, Zhang Q C. Applications of deep convolutional neural network in computer vision[J]. Journal of Data Acquisition and Processing, 2016, 31(1):1-17. http://d.old.wanfangdata.com.cn/Periodical/sjcjycl201601001
    [10] Lecun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324. doi: 10.1109/5.726791
    [11] Bouvrie J. Notes on convolutional neural networks[EB/OL]. (2006-11-22)[2015-10-11]. http://cogprints.org/5869/1/cnn_tutorial.pdf.
  • 加载中
图(5) / 表(2)
计量
  • 文章访问数:  767
  • HTML全文浏览量:  334
  • PDF下载量:  24
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-05-30
  • 修回日期:  2018-10-22
  • 刊出日期:  2018-12-01

目录

    /

    返回文章
    返回