[发明专利]一种基于深度学习的树种分类方法与系统

说明书

本发明公开了一种基于深度学习的树种分类方法与系统，所述方法包括：采集样本图像进行标注，利用标注后的样本图像构造数据集并进行预处理，然后对预处理后的图像数据集利用卷积神经网络提取图像特征，获取特征向量集，利用获取的特征向量集训练验证三十分类器。最后采集待测树种的叶片图像数据以及进行预处理操作，并提取特征向量，再利用训练过的三十分类器对提取的叶片图像特征向量进行判断分类，实现树种的自动分类。本发明解决了现有树种分类方法无法完整反映树种叶片轮廓特征而造成结果不准确的问题，保证了树种分类的准确性以及可靠性。

技术领域

本发明涉及人工智能技术领域，更具体地，涉及一种基于深度学习的树种分类方法与系统。

背景技术

树种的识别与分类对于探索植物生态系统的进化规律具有重要的意义，经过长期的发展，植物研究学界提出了很多树种分类方法。这些分类方法主要选择树木的一些比较稳定的外观性状，即外观特征，通过观察和测量采集关于这些性状的特征数据，再对这些性状特征数据进行聚类分析和主成分分析，实现分类。树木性状的选择一般基于树木的局部，比如叶、花、果、茎、枝的一些特征，而识别树木的叶片是识别树木种类最直接、有效和简单的方式。传统的识别叶片特征的方法都是通过采集标本，观察测量获得数据。这些方法工作效率低并且数据客观性难以保证。

目前，研究学者们开始采用计算机视觉技术对树叶分类，具体是通过计算树叶轮廓的曲率、纵横轴比、矩形度、偏心率等形状特征来进行识别分类，但这种方法对树叶轮廓进行了参数化处理，不能反映轮廓的原貌，结果存在一定的偏差。因此，如何设计一种能对树种自动识别分类而且又能保证准确性的方法，是现在面临的一个主要问题。

发明内容

本发明的目的在于提供一种基于深度学习的树种分类方法及系统，实现树种的自动分类，并保证较高的准确率和可靠性。

为实现上述目的，本发明提供了一种基于深度学习的树种分类方法，包括：

采集预设数量的树种叶片图像，获得样本图像；

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；

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；

利用所述获得的特征向量集对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。

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。

所述预处理操作具体包括重构图像大小和去均值操作。

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。

本发明还提供了一种基于深度学习的树种分类系统，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；