基于残差网络和迁移学习的野生植物图像识别方法

李立鹏，师菲蓬，田文博，陈 雷

(天津商业大学 信息工程学院，天津 300134)

0 引言

我国是全球植物多样性最丰富的国家之一[1]，总数居世界第三位。除了常见的农林植物与盆栽外，还有很多野生植物，是重要的自然资源和环境要素，对于维持生态和发展经济具有重要作用[2]。近年来，由于野生植物种类的多样性以及人们对其认识的匮乏，很多野生植物被过度采摘。尤其是一些国家级重点保护野生植物，如百山祖冷杉、银杉等，处于极度濒危的状态，其生存与发展急需得到保护。因此，探求一种准确且高效的野生植物识别方法刻不容缓。

由于野生植物种类间的相似性，传统的植物识别主要依赖人工采集大量样本，耗时耗力且识别率低，植物识别面临巨大挑战。近年来，人工智能行业飞速发展，深度学习方法已广泛应用于日常生活的各个领域[3-4]。以深度学习为基础，温长吉[5]、曹香滢[6]、于慧伶[7]等研究人员将卷积神经网络的思想与植物图像识别问题相结合，探索出了一系列高效准确的识别算法，应用于不同种类植物图像的分类问题。目前，以深度学习为核心技术的野生植物分类方法较少，分类效率和识别精度方面还有很大的提升空间。

本文以迁移学习方法为基础，利用已在大型ImageNet数据集中提前训练好的ResNet101网络模型，对经过数据增强后的野生植物图像进行识别和分类。同时，使用Dropout正则化和批量正则化等技术对原始模型进行微调，降低模型过拟合。……