【毕业设计】基于卷积神经网络的植物花卉识别系统

系统演示视频：

【毕业设计】基于卷积神经网络的植物花卉分类系统

本项目使用到的技术包括：卷积神经网络（CNN）算法，Django框架搭建网站，CNN模型调优。

项目包括四部分：

1.数据集

2.模型训练代码

3.web网站部署代码

4.帮助文档等其他文档说明等

数据集：包括20种植物花卉图像的数据。

用数字图像处理的方法对图像做过扩充，每类图片大概在1000-2000张左右。

模型训练代码：

卷积神经网络模型训练代码，用于训练植物花卉识别模型，以实现多个经典的卷积神经网络。

模型训练部分代码：

from tensorflow.keras.applications.resnet50 import ResNet50
from keras.models import Model, load_model
from keras.layers import Dense, GlobalAveragePooling2D, Dropout
from keras.preprocessing.image import ImageDataGenerator
import os# verbose：日志显示
# verbose = 0 为不在标准输出流输出日志信息
# verbose = 1 为输出进度条记录
# verbose = 2 为每个epoch输出一行记录
# 注意： 默认为 1
verbose = 1
# NB_CLASS: 分类的类别数量
NB_CLASS = 40
IM_WIDTH = 224
IM_HEIGHT = 224
batch_size = 32
EPOCH = 30
# 数据集路径
train_root = '..\\dataset\\data\\final\\train'
validation_root = '..\\dataset\\data\\final\\test'
test_root = '..\\dataset\\data\\final\\test'# train data
train_datagen = ImageDataGenerator(width_shift_range=0.1,height_shift_range=0.1,shear_range=0.1,zoom_range=0.1,horizontal_flip=True,rescale=1. / 255
)
train_generator = train_datagen.flow_from_directory(train_root,target_size=(IM_WIDTH, IM_HEIGHT),batch_size=batch_size,shuffle=True
)# vaild data
vaild_datagen = ImageDataGenerator(width_shift_range=0.1,height_shift_range=0.1,shear_range=0.1,zoom_range=0.1,horizontal_flip=True,rescale=1. / 255
)
vaild_generator = train_datagen.flow_from_directory(validation_root,target_size=(IM_WIDTH, IM_HEIGHT),batch_size=batch_size,
)# test data
test_datagen = ImageDataGenerator(rescale=1. / 255
)
test_generator = train_datagen.flow_from_directory(test_root,target_size=(IM_WIDTH, IM_HEIGHT),batch_size=batch_size,
)# 构建不带分类器的预训练模型
if os.path.exists("ResNet50-0.h5"):model = load_model('ResNet50-0.h5')# 开放所有的卷积层# for layer in base_model.layers:#     layer.trainable = True# 迁移学习,只训练最后10层for layer in model.layers:layer.trainable = Falsefor i in range(-8, 0):model.layers[i].trainable = True
else:base_model = ResNet50(weights='imagenet', include_top=False)# 添加全局平均池化层x = base_model.outputx = GlobalAveragePooling2D()(x)# 添加一个全连接层x = Dense(1024, activation='relu')(x)x = Dropout(0.5)(x)# 添加一个分类器，假设我们有NB_CLASS个类predictions = Dense(NB_CLASS, activation='softmax')(x)# 构建我们需要训练的完整模型model = Model(inputs=base_model.input, outputs=predictions)# 开放所有的卷积层# for layer in base_model.layers:#     layer.trainable = True# 迁移学习,只训练最后8层for layer in model.layers:layer.trainable = Falsefor i in range(-8, 0):model.layers[i].trainable = True# 编译模型
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])
print('Model Compiled')
model.summary()# 在数据集上训练
model.fit_generator(train_generator, validation_data=vaild_generator, epochs=EPOCH,steps_per_epoch=train_generator.n / batch_size, validation_steps=vaild_generator.n / batch_size, verbose=verbose)save_path = "ResNet50-"
for i in range(100):if not os.path.exists(save_path + str(i) + '.h5'):model.save(save_path + str(i) + '.h5')break

web部署代码：

采用python的django框架对CNN模型进行部署，用网站实现对植物花卉的识别。

最终效果：

4.帮助文档

【毕业设计】基于卷积神经网络的植物花卉识别系统相关推荐

基于卷积神经网络的猫狗识别系统的设计与实现
1．1 题目的主要研究内容 (1)工作的主要描述通过卷积网络实现猫狗图像的识别.首先,在数据集中抽取训练集和测试集:其次,对图像进行预处理和特征提取,对图像数据进行图像增强,将图像从.jpg格式转化 ...
基于卷积神经网络的小麦病害识别方法
基于卷积神经网络的小麦病害识别方法 1.研究思路首先以小麦病害图片资料为基础,利用中值滤波法.直方图阈值法等对图像进行去背景.去噪.病斑分割等预处理形成样本库,然后利用卷积神经网络构建一个具有五层结 ...
2022-05-08 基于卷积神经网络ResNet的车型识别（实验）
人工智能应用--基于卷积神经网络ResNet的车型识别一.实验目的熟悉ResNet卷积神经网络熟悉物体检测+识别的整体流程二.实验内容与记录在给定的6类车型图片数据库上,使用ResNet18 ...
基于卷积神经网络的人脸表情识别应用--AR川剧变脸（二）
本项目将在Android上实现一种通过识别表情类别,从而给人脸戴上不同样式脸谱的AR软件,效果如下: 基于表情识别的脸谱换脸AR安卓APP效果演示想要实现这样一个软件,核心就是两部分: 1)使用卷积 ...
基于卷积神经网络的人脸表情识别应用--AR川剧变脸（一）
1.摘要本项目将在Android上实现一种通过识别表情类别,从而给人脸戴上不同样式脸谱的AR软件,效果如下: 基于表情识别的脸谱换脸AR安卓APP效果演示通过深度学习和Keras训练一个人脸表情识 ...
基于卷积神经网络的不良地质体识别与分类
在泛函分析中,卷积.旋积或摺积(英语:Convolution)是通过两个函数f 和g 生成第三个函数的一种数学算子,表征函数f 与g经过翻转和平移的重叠部分的面积. 如果将参加卷积的一个函数看作区间的 ...
【新技术发布】基于深度神经网络的激光雷达物体识别系统及其嵌入式平台部署
[新技术发布]基于深度神经网络的激光雷达物体识别系统及其嵌入式平台部署激光雷达可以完成三维空间的测量,具有抗干扰能力强.信息丰富等优点,但受限于数据量大.不规则等难点,基于深度神经网络的激光雷达物体 ...
基于tensorflow2.0+opencv的花卉识别系统源码（含数据集）
花卉识别-基于tensorflow2.3实现完整代码下载地址:基于tensorflow2.0+opencv的花卉识别系统源码( 文件目录 # 数据下载地址 https://storage.googl ...
基于卷积神经网络的大豆病害识别
1.研究内容植物已经成为一种重要的能源,是解决全球变暖问题的基础.然而,植物病害正威胁着这一重要来源的生计.卷积神经网络(CNN)在物体识别和图像分类问题上表现出了卓越的性能(超过了人类).本文介绍 ...

【毕业设计】基于卷积神经网络的植物花卉识别系统

【毕业设计】基于卷积神经网络的植物花卉识别系统相关推荐

最新文章

热门文章