基于Android和深度学习的外来入侵植物智能识别系统

刘万学　蒯乃阳　韩爽等

中图分类号：S 431.9 文献标识码：A DOI：10.16688/j.zwbh. 2020267

随着全球经济一体化的飞速发展，外来生物入侵已经成为与一个国家的经济发展、生态安全、国际贸易与政治利益紧密关联的重大科学问题，也是国际社会、各国政府、科学家与民众共同关注的社会热点。我国是世界上外来生物入侵危害最为严重的国家之一，在已报道的600多种外来入侵物种中占300多种，严重威胁着我国的生态安全和农林业生产甚至对人畜健康和军事防卫构成严重威胁。实现对入侵植物早期监测预警和早期及时防治的一个重要的前提是实时识别入侵植物的种类。目前，入侵植物识别主要通过形态学分类鉴定和分子生物学鉴定等方法。其中，形态学识别方式主要依靠调查鉴定人积累的经验，或者参考相关书籍和网络资料进行判定，对于难以辨认的种类则需要专家鉴定。由于入侵植物种类繁多，且有些种类之间形态相似，种内也有可能出现变异或发育阶段的可塑性形态变化。这些因素导致对入侵植物进行识别时容易出现误判，调查监测的实时性也很差;此外，由于专家人数有限和专业领域的差异等，也不可能随时到现场对入侵植物进行识别。因此，亟须建立和开发一种入侵植物智能识别工具，为用户提供便捷、高效、实时、准确的入侵植物识别诊断服务。

随着图像处理技术和机器学习理论的发展与应用，有很多学者开始利用植物叶片图像来研究植物种类识别的方法s。……