深度学习在植物种类及病害识别领域的研究

**

深度学习在植物种类及病害识别领域的研究

**
植物的基本特征包括叶片的形状特征和纹理特征，而对特征的描述范围又分 为全局与局部。
该方法的效果在很大程度上取决于人们的选择是否合理，但他们在选择特征时候往往很盲目。
近年来，深度学习引起了国内外学者浓厚的研究兴趣，并且在计算机视觉、图像分类和识别、目标检测和语音识别等众多领域取得了突破性进展。深度学习是机器学习研究的一个新领域，目的是建立和模拟人脑的分析和学习的神经网络，以及模拟人脑解释数据的机制。作为无监督学习的一种，深度学习采用了神经网络的层次结构，包括输入层、隐层（多层）、多层网络输出层，他们只存在相邻节点之间的连接，在同一层和跨层节点之间不存在相互连接。深度学习建立了与人脑相似的层次模型结构，对输入数据逐层抽取，建立了从底层信号到高级语义的良好映射关系。
CNN能够直接输入原始图像，是一项将人工神经网络与模拟视觉系统、深度学习技术相结合的新方法，在图像识别领域有着广泛的应用，不仅更加接近于生物学，而且降低了网络模型的复杂度，减少了权值的数量。
卷积神经网络对图像的平移、缩放、倾斜等处理不会引起图像的变形。

植物叶片加以识别的算法	Value
1	基于关系结构匹配的植物叶片识别方法
2	基于统计的植物叶片识别方法
3	基于机器学习的植物叶片识别方法