基于深度学习的蘑菇种类识别算法研究

深度学习已广泛地应用于植物图像识别分类中。由于蘑菇图像的识别分类难度较大,针对如何提高识别模型的准确率和泛化能力,提出了单一背景下的蘑菇图像识别方法。针对传统的卷积神经网络中存在的空间冗余问题,采用了一种降梯度卷积训练模型,有效提高了蘑菇分类图像的识别性能。通过一个包含8 123个样本的蘑菇数据集测试,降梯度卷积训练模型的平均耗费时间为0.985 s,第1张图像的平均命中准确率达到了91.6%,实验结果表明:降梯度卷积训练模型在单一背景、数据量较大的情况下,识别速度和准确率均优于传统的传统卷积神经网络。