[发明专利]一种基于弱监督细粒度的植物叶片识别系统及方法

权利要求书

1.一种基于弱监督细粒度的植物叶片识别系统，其特征在于，包括：

客户端，服务器；所述客户端与所述服务器连接；

其中，所述客户端用于获取植物叶片图像及识别请求；

所述服务器用于接收植物叶片图像及识别请求，并基于识别请求通过弱监督细粒度模型对所述植物叶片图像进行识别，并将识别请求及识别结果存储至数据库，其中服务器内包含有数据库；

所述客户端还用于对识别结果进行展示。

2.根据权利要求1所述基于弱监督细粒度的植物叶片识别系统，其特征在于：

所述客户端通过摄像头拍照或从客户端的本地数据库中获取植物叶片图像。

3.根据权利要求1所述基于弱监督细粒度的植物叶片识别系统，其特征在于：

所述客户端与所述服务器采用HTTP协议通信进行数据传输。

4.根据权利要求1所述基于弱监督细粒度的植物叶片识别系统，其特征在于：

所述服务器包括对外联网的nginx流量分发服务器及双主多从的工作服务器。

5.基于权利要求1-4任一项所述基于弱监督细粒度的植物叶片识别系统的识别方法，其特征在于，包括：

获取所述叶片图像，对所述叶片图像进行预处理；

通过弱监督细粒度模型对预处理后的图像进行识别，得到识别结果，其中弱监督细粒度模型为训练后的卷积神经网络。

6.根据权利要求5所述基于弱监督细粒度的植物叶片识别方法，其特征在于：

基于ResNet50及VGG16网络，构建原始网络；

获取原始图像，通过拼图打乱式方法对所述原始图像进行处理，得到打乱后的拼图数据，基于打乱后的拼图数据，通过分层式渐进式训练方法对所述原始网络进行训练，同时在所述训练过程中，通过模拟退化法优化原始网络的更新步长，得到弱监督细粒度模型。

7.根据权利要求5所述基于弱监督细粒度的植物叶片识别方法，其特征在于：

所述预处理过程包括：裁剪、切割、压缩、旋转、随机裁剪。

8.根据权利要求6所述基于弱监督细粒度的植物叶片识别方法，其特征在于：

所述拼图数据的得到过程包括：

获取原始图像，通过切片方法将所述原始图像切分为2^k份，其中，k为超参数，并将所述切分后的图像进行打乱，得到打乱后的拼图数据。

9.根据权利要求6所述基于弱监督细粒度的植物叶片识别方法，其特征在于：

对所述原始网络进行训练的过程包括：

将原始网络分割为若干个卷积块，并根据卷积块中的数据输出顺序依次对卷积块进行训练，其中，从第一个卷积块开始，训练第一个卷积块，同时不对第一个之后的卷积块进行训练，当第一个卷积块训练完成后，训练下一个卷积块，同时不对下一个卷积块之后的卷积块进行训练，通过对若干个卷积块依次训练，直到所有卷积块训练完成，得到弱监督细粒度模型。