基于轻量化卷积神经网络的多肉植物种类识别研究

目前多肉植物产业在我国发展较快，市场前景广阔，由于其具有品种繁多、形态多变、类间相似度高等特点，导致多肉植物种类辨别难度较大。方法：针对上述问题,本研究提出一种基于改进MobileNet V3网络与迁移学习的多肉植物图像分类方法，将Bottleneck模块前六层的ReLU激活函数换成LeakyReLU激活函数，优化了SE模块，添加了Dropout层提高模型的泛化性。结果：试验通过改进MobileNet V3网络对13种多肉植物图像进行种类识别，准确率为97.35%，并且可以实时稳定地对多肉植物图像进行分类,使用Focal Loss代替交叉熵损失函数，达到平衡样本的目的。结论：研究结果表明，利用改进MobileNet V3网络对多肉植物种类识别具有一定可行性。