基于ResNet152的花卉识别研究

随着人们对花卉繁殖与鉴赏的需求量增大,花卉种类识别的研究与探索便具有重大意义。但早期的花卉分类方法会耗费大量的人力物力,并且效率低下,亟须新的高效的花类分类方法来节约人力物力。近年来,基于卷积神经网络(Convolutional Neural Network)的花卉识别方法得到发展。笔者分别训练AlexNet、MobileNet_V3和ResNet152网络模型,通过实验在算法的准确率、训练时间、损失率、收敛速度、模型大小和模型效率等方面进行对比研究。实验结果表明,ResNet152综合性能最优,其模型精度可达95.17%,模型大小仅为9475KB,能够有效满足实际需求并可以通过界面操作的形式进行花卉识别。