目录
摘 要 I
关键词 III
ABSTRACT III
KEY WORDS IV
引言 1
1选题背景 1
1.1问题的提出 1
1.2 国内外研究现状 2
1.2.1 国外研究现状 2
1.2.1 国内研究现状 2
1.3 研究目标和内容 2
1.3.1 研究目标 2
1.3.2 研究内容 3
2数据集构建 3
2.1数据来源 3
2.2数据预处理 3
2.2.1 数据集增广 4
2.2.1 数据集分配 5
2.3数据规范化 5
3基于深度学习的菊花图像细粒度识别 5
3.1 CNN卷积神经网络 5
3.1.1 网络模型简介 5
3.1.2 实验方法 6
3.1.3 结果分析 7
3.2 VGG16卷积神经网络 8
3.2.1 网络模型简介 8
3.2.2 实验方法 9
3.2.3 结果分析 10
4基于深度学习的菊花图像细粒度识别系统 12
4.1技术路线 12
4.2总体设计 13
4.3功能模块简介 14
4.3.1用户使用平台 14
4.3.2开发者使用平台 16
5总结与展望 18
致谢 18
参考文献： 19
基于深度学习的菊花图像细粒度识别
摘 要
菊花品种的精确识别对菊花的育种栽培有着重要的指导意义，为了实现自然环境下菊花品种的实时精确的识别，分别构建基于CNN卷积神经网络和VGG16卷积神经网络的菊花品种智能识别模型。本文首先对获得的各品种的菊花图片进行数据增广和数据规范化等预处理，得到菊花品种的数据集，然后根据菊花品种的个体特征，对CNN网络和VGG16网络的卷积层局部调整，优化主要模型参数，其中参数优化包括：⑴对CNN网络模型采用2层卷积加上ReLU激活函数的方法；⑵对V *51今日免费论文网|www.51jrft.com +Q: ^351916072# 
GG16网络模型采用加载预训练模型的方式，从而实现对各菊花品种的智能识别。实验结果表明，在基于VGG16卷积神经网络的菊花图像的识别达到了最佳效果，对12种不同品种的菊花共586张图片进行测试，准确率最优可达90.7%。最后，设计实现了菊花品种识别系统，采用Python的Tkinter模块，将菊花图像的识别可视化的呈现出来。本文研究的技术和方法，对其他植物的细粒度识别分类具有一定的借鉴意义。

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/605739.html