[发明专利]一种基于深度学习的树种分类方法与系统

权利要求书

1.一种基于深度学习的树种分类方法，其特征在于，包括以下步骤：

采集预设数量的树种叶片图像，以获得样本图像；

对获得的所述样本图像进行标注，利用标注后的样本图像构造数据集以及对所述数据集进行预处理操作，用于训练三十分类器；所述三十分类器用于对树种的叶片图像进行分类；

对所述预处理后的样本图像进行特征提取，获得特征向量集；

利用获得的所述特征向量集对所述三十分类器进行训练和验证；

采集待测树种的叶片图像，对所述待测树种的叶片图像进行预处理，并提取特征，利用所述经过训练和验证的三十分类器对提取的特征进行判断分类，获得所述待测树种的种类。

2.如权利要求1所述的一种基于深度学习的树种分类方法，其特征在于，在所述采集待测树种的叶片图像，对所述待测树种的叶片图像进行预处理，并提取特征，利用所述三十分类器对提取的特征进行分类，获得所述待测树种的种类之后，还包括步骤：保存所述待测树种的叶片图像，用于丰富样本图像数据集的多样性。

3.如权利要求1所述的一种基于深度学习的树种分类方法，其特征在于，所述预处理操作具体包括重构图像大小和去均值操作。

4.如权利要求1所述的一种基于深度学习的树种分类方法，其特征在于，所述对所述预处理后的样本图像进行特征提取，获得特征向量集，具体步骤是：利用VGG16卷积神经网络以迁移学习的方式对所述预处理后的样本图像进行特征提取，获得特征向量集。

5.一种基于深度学习的树种分类系统，其特征在于，包括：

数据集采集模块，用于采集预设数量的树种叶片图像，获得样本图像；

图像预处理模块，用于对所述获得的样本图像进行标注，利用标注后的样本图像构造数据集以及对所述数据集进行预处理操作，便于训练三十分类器；所述三十分类器用于对树种的叶片图像进行分类；

特征提取模块，用于对所述预处理后的样本图像进行特征提取，获得特征向量集；

分类器训练模块，用于利用所述获得的特征向量集对三十分类器进行训练和验证；

待测树种鉴定模块，用于采集待测树种的叶片图像，对所述待测树种的叶片图像进行预处理，并提取特征，利用所述三十分类器对提取的特征进行判断分类，获得所述待测树种的种类。

6.如权利要求5所述的一种基于深度学习的树种分类系统，其特征在于，还包括：

待测树种数据保存模块：用于保存所述待测树种的叶片图像数据，丰富样本图像数据集的多样性。

7.如权利要求5所述的一种基于深度学习的树种分类系统，其特征在于，所述图像预处理模块具体通过重构图像大小和去均值操作对所述样本图像数据集进行预处理。

8.如权利要求5所述的一种基于深度学习的树种分类系统，其特征在于，所述特征提取模块利用VGG16卷积神经网络以迁移学习的方式对所述预处理后的样本图像进行特征提取，获得特征向量集。