全文总字数：2364字

1. 研究目的与意义及国内外研究现状

随着科学技术的发展，利用卷积神经网络进行图像分类在生活中已经是随处可见的，此技术可以应用到很多方面，如动物种类的识别以及日常乘坐火车需要的人脸检测和人脸识别等等，图像识别技术给人们带来了极大的便利。图像识别的含义是指利用一些算法让视觉的机器捕获目标的图像，然后提取该图像的某些特点，然后进行学习训练，最后 能够达到识别不同目标的图像的目的。最近几年来，由于图像识别技术的蓬勃发展，越来越多的领域开始使用图像识别技术，在一些高科技的帮助下，解决了很多社会上存在的难题，完成了一些枯噪无味、麻烦甚至是比较危险的任务，减少技术人员的工作量，有的时候还保证了一些工作人员的安全。

国内外研究现状

近年来，人工智能和机器学习发展的非常快。图像识别技术已经融入了我们的生活，如各类汽车的车牌的识别，面部识别和手势识别应用。花卉识别作为图像识别的一个方面也取得了不错的成绩。目前，在国内外花卉分类识别技术主要用于花卉大棚和智能化花卉种植领域。为了更方便，花识别技术将与计算机相结合，并且图像将通过计算机采集并传输到相关的图像处理平台，完成花卉的辨认。花卉识别具有很高的应用价值。吸引了国内外许多感兴趣的科研人员加入研究的队伍中。

国外得许多大学很早就开始了对花的识别研究和实验。牛津大学教授收集了花的图片集oxfordflower17和oxfordflower102，以便于对花卉分类进一步得研究。今天,这两个数据集被广泛的应用在花卉图像识别的研究中。国内的花卉识别研究相对与西方较晚,虽然起步较晚,但也取得了可观的成绩。中国科学院的植物研究所利用整理好的260万的大数据量的花卉图片和弱监督方法,开发的拍照识别花的app可以识别出几千种花,有很高的准确率。国内外花卉识别技术很多都是利用超像素和其它的方法用来实现该花的图像的分割，并提取花卉图象的表面信息，如颜色的形状，然后进行分类和识别。这种方法比较简单，但是其缺点是效果差强人意。得益最近几年科技的快速发展，花卉分类和识别技术也逐渐由传统的机器学习转向了更深层次的深度学习，深度学习网络更深，能够提取到的信息更多、更深入，也更能代表图像的信息，而且实验表明，深度学习的图像分类准确率比之前人工提取特征分类的方法和普通机器学习的效果更好。

2. 研究的基本内容

本文在现有的Inception神经网络模型下，对CNN的理念进行理解和学习。再对Inception网络进行分析，了解Inception网络模型大概的框架，理解Inception网络是如何建立的，并且针对现有的Ineption网络中存在激活函数和损失函数的问题，本文将对Inception网络进行轻微的改造，优化激活函数，提出一种Tanh函数和ReLU函数结合的Inception网络，并基于这种算法进行局部优化，并且对损失函数进行优选。对这种Inception网络进行调整与优化，在优化训练好模型达到一定的标准后，采用Inception网络进行花卉分类识别模型训练与测试。对测试图像进行预处理，再对处理好的图像进行模型训练，最后对训练好的花卉模型进行检测。

3. 实施方案、进度安排及预期效果

毕业设计安排如下：

1，寒假先查阅相关资料，对课题有深入的了解

2，熟悉python语言

4. 参考文献

1. 柯逍，陈小芬，李绍滋.基于多特征融合的花卉图像检索[j].计算机科学.2010.37(12):283-289

2. 刘颖超，张纪元.梯度下降法[j].南京理工大学学报：社会科学报，1993（2）：13-17

3. 张军云，张钟，董春富，等.切花月季红唇的花枝生产规律及品质[j].贵州农业科学，2017，46（11）：108

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付