目录
摘 要 III
关键词 III
ABSTRACT IV
KEY WORDS IV
引言 1
1 概述 1
1.1课题的研究意义 1
1.2 国内外研究现状 2
1.2.1 机器学习识别算法发展概况 2
1.2.2 图像识别算法 3
1.3 研究内容与目标 3
2 数据收集与处理 4
2.1 数据收集 4
2.2 数据增强 4
2.3 数据的预处理 5
3 花卉识别算法设计与分析 6
3.1花卉识别算法的选择与设计 6
3.2 BP神经网络算法 6
3.3 K近邻算法 6
3.4 CNN卷积神经网络算法 7
3.5算法的性能分析 8
3.5.1分析步骤 8
3.5.2分析结果 11
4 需求分析 11
4.1 系统总体目标 11
4.1.1 功能实现 11
4.1.2 系统交互 12
4.2 系统可行性分析 12
4.2.1 操作可行性分析 12
4.2.2 技术可行性分析 12
4.3 系统需求分析 12
4.3.1 系统功能需求分析 12
4.3.2 系统非功能需求分析 13
4.4 系统的条件与约束 13
5 系统设计 14
5.1 花卉识别系统的总体设计 14
5.2 系统的设计目标与原则 14
5.3 系统开发环境与工具 15
5.4 系统架构设计 15
5.5 系统详细设计 16
5.6 数据库设计 19
5.6.1 数据库概念模型设计 19
5.6.2 数据库逻辑设计 21
6 花卉识别系统实现 22
6.1 用户模块的实现 22
6.1.1用户注册模块的实现 22
6.1.2用户登录模块的 *51今日免费论文网|www.51jrft.com +Q: ￥351916072$ 
实现 23
6.1.3用户密码修改模块的实现 24
6.2 花卉识别功能的实现 24
6.3 用户评论的实现 26
6.4 拍照识别功能实现 26
6.5 用户识别记录查看 27
7 系统测试 28
7.1 系统测试目标 28
7.2 测试内容 28
7.3 测试结果 30
8 总结与展望 30
致谢 32
参考文献 33
基于深度学习的花卉图像种类识别系统 设计与开发——以蒲公英等为例
摘 要
随着国家对互联网应用和相关技术的大力推进和应用，国内的互联网技术的应用已经达到了顶峰，并且在各领域的垂直细分都做到了极致。而伴随着人工智能浪潮的再度席卷，基于深度学习的图像识别算法得到了大力发展，并且目前已经得到了广泛的应用。花卉种类识别算法属于图像识别研究过程中的较为经典的一个范例，已经拥有了许多研究成果，在此设计与开发的花卉图像种类识别系统采用最核心的识别方法，既深度卷积神经网络CNN算法通过对样本集的图片数据进行模型训练，并在这之后使用Python语言进行模型的调用。在界面交互实现上，基于Django框架，通过HTML+JS+AJAX技术，来完成前后端数据逻辑的处理，以及界面交互、呈现样式等内容。最终实现的花卉识别系统，能够完成对5种类型的花朵的识别，并且可通过调整模型训练的参数，来调整图像识别的准确度内容。形成一个完整的花卉识别系统，拥有科普展示以及拍照识图片等功能，达到寓教于乐的目的。

原文链接：http://www.jxszl.com/jsj/wljs/606903.html