[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

说明书

本发明公开一种基于弱监督细粒度的植物叶片识别系统及方法，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，并对识别结果进行展示；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。本发明能够对叶片图像进行准确识别，同时构建识别应用系统，通过获取植物的叶片图像，即可高效率高准确率地识别出植物的物种类别。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于弱监督细粒度的植物叶片识别系统及方法。

背景技术

植物对于整个地球生态圈来说是非常重要的组成部分，对于自然界中的大多数自然场景和对象作用来说，植物都充当着十分重要的保护角色。植物通过光合作用，将自然界动物产生的二氧化碳吸收，同时释放动物维持生命所必需的氧气，这一过程中植物降低了大气环境中的二氧化碳含量，同时提供维持生命的氧气，没有植物，大多数动物将难以生存。不仅如此，植物还拥有保持土壤生态环境，维持土壤生态平衡，吸收有毒气体，提升空气质量，调节大气湿度以及杀菌等重要作用。因此对于植物物种的研究工作，对于人类，对于自然界乃至整个地球环境都是具有重要意义的。

近几年，随着计算机算力的提升和卷积神经网络的兴起，大部分的识别技术开始转向研究以卷积神经网络为主的相关模型和方法。在神经网络兴起之前，传统的植物叶片识别技术主要是人工的对植物的特征进行提取，通过将植物叶片的图像转化为人为设计的特征向量然后再利用机器学习的方法对其进行分类。由于人工提取特征植物叶片图像的方式过于依赖提取专业人员的经验知识，而且特征的设计对于植物的识别会产生特别大的影响导致精度会产生一定的下降。对于神经网络而言就没有这样的烦恼，神经网络模型的训练需要预先设定好数据以及标签，采用损失函数对网络中的参数进行训练，不断修改参数以使得网络能够学习到最佳的图像特征。随着神经网络的出现，引起了越来越多的学者的关注，卷积神经网络得到稳定发展逐渐趋于成熟，各种优化版本的出现，使得计算机对于图像的识别能力相较于传统机器学习时期得到了较大的提升

植物叶片识别任务与传统的图像识别任务相比，存在一些问题，植物叶片图像数据存在类内间距大，类间间距小的特点，不同植物种类的植物叶片图片非常相似，同一植物叶片图片由于姿态，背景以及拍摄角度的不同，存在较大的类内差异。对于此特点，传统的卷积神经网络已经无法解决问题，需要设计出新的网络模型和方法识别高区分性的特征。

发明内容

为解决上述现有技术中所存在的问题，本发明提供一种基于弱监督细粒度的植物叶片识别系统及方法，能够对叶片图像进行准确识别，同时构建识别应用系统，通过获取植物的叶片图像，即可高效率高准确率地识别出植物的物种类别。

为了实现上述技术目的，本发明提供了如下技术方案：

一种基于弱监督细粒度的植物叶片识别系统，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。

可选的，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。

可选的，所述客户端与所述服务器采用HTTP协议通信进行数据传输。

可选的，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。

为了更好的实现上述技术目的，本发明提供了一种基于弱监督细粒度的植物叶片识别系统的识别方法，包括，获取所述叶片图像，对所述叶片图像进行预处理；