基于花蕊区域定位的花卉识别方法

花卉识别在自动化种植,机械采摘,病虫害防治,鲜花定级等方面均起到关键性作用。为了进一步提高卷积神经网络在花卉识别领域的准确率,尤其是提高花卉被局部遮挡情况下的识别准确率。提出了一种基于花蕊区域定位的花卉识别方法,通过目标检测算法Faster-RCNN对图像中的花蕊区域进行定位,再通过花蕊的特征进行种类识别。通过对牛津大学Flowers102数据集中的12种花卉进行验证,基于花蕊区域定位的识别准确率可以达到96.07%,高于小型网络Lenet-5,与大型网络Vgg-16及Inception-V3识别准确率相近,验证了花蕊区域可以提供足够的特征进行识别。对于花瓣高度遮挡的情况,提取整幅图像特征的传统卷积神经网络Vgg-16和Inception-V3的识别准确率大幅下降至25.33%和35.14%,而基于花蕊区域定位的识别准确率可以达到88.93%。表明该方法有效的提升了花卉被局部遮挡情况下的识别准确率,提高了抗遮挡能力。