識別自然背景下荒漠植物

新疆地處高原，擁有很多一部分的荒漠地帶，降水稀少、植物稀疏，有半喬木、灌木、半灌木、小半灌木等植物?；哪参锏臏?zhǔn)確識別是其認(rèn)識和保護(hù)過程中不可或缺的任務(wù)，是荒漠生態(tài)研究與保護(hù)的基礎(chǔ)。

自然條件下野外荒漠植物圖像的機(jī)器視覺自動分類識別可有效提升植物資源調(diào)查效率、降低人為主觀因素影響，對荒漠植物的精準(zhǔn)分類、多樣性保護(hù)和資源化利用具有重要意義。為了提示對荒漠植物的識別精準(zhǔn)度，新疆農(nóng)業(yè)大學(xué)計算機(jī)與信息工程學(xué)院攜手中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所、國家農(nóng)業(yè)科學(xué)數(shù)據(jù)中心，組成科研團(tuán)隊，提出融合遷移學(xué)習(xí)和集成學(xué)習(xí)的自然背景下荒漠植物識別方法。

該方法以自然環(huán)境下的整株荒漠植物圖像為研究對象，構(gòu)建新疆干旱區(qū)荒漠植物圖像數(shù)據(jù)集，以EfficientNet B0—B4網(wǎng)絡(luò)為基礎(chǔ)網(wǎng)絡(luò)，提出一種融合遷移學(xué)習(xí)和集成學(xué)習(xí)的荒漠植物圖像識別算法，并在公開數(shù)據(jù)集Oxford Flowers102上進(jìn)行對比驗證。

基于EfficientNet B0網(wǎng)絡(luò)的單一子模型的Top-1準(zhǔn)確率最高可達(dá)93.35%，最低為92.26%，軟投票Ensemble-Soft模型、硬投票Ensemble-Hard模型以及加權(quán)投票法集成的Ensemble-Weight模型的準(zhǔn)確率分別為93.63%、93.55%和93.67%，F(xiàn)1 Score和準(zhǔn)確率相當(dāng);基于EfficientNet B0—B4網(wǎng)絡(luò)的單一子模型的Top-1準(zhǔn)確率最高可達(dá)96.65%，F(xiàn)1 Score為96.71%，而Ensemble-Soft模型、Ensemble-Hard模型以及Ensemble-Weight模型的準(zhǔn)確率分別為99.07%、98.91%和99.23%，相較于單一子模型，精度進(jìn)一步提高，F(xiàn)1 Score與準(zhǔn)確率基本相同，模型性能顯著。

在公開數(shù)據(jù)集Oxford Flowers102上進(jìn)行對比試驗，3個集成模型相比5個子模型準(zhǔn)確率和F1 Score最高提升了4.56%和5.05%，最低也提升了1.94%和2.29%，證明了本研究提出的遷移和集成學(xué)習(xí)策略能夠有效提高模型性能。

該方法可提高荒漠植物的識別準(zhǔn)確率，通過云端傳輸至服務(wù)器后，實現(xiàn)荒漠植物的準(zhǔn)確識別，為真實野外環(huán)境下植物圖像識別精度低、模型魯棒性及泛化性弱等問題提供解決思路。服務(wù)于野外調(diào)查、教學(xué)科普以及科學(xué)實驗等場景。

審核編輯 黃宇