基于Android平台的植物叶片识别系统

摘要

近年来，神经网络在图像识别、语音处理等领域发挥着越来越重要的作用。在植物叶片识别方向，传统识别方式效率低，难以步入人们的日常生活。而Android系统的普及，为植物叶片的识别提供了平台，使植物叶片识别技术得以进入人们的学习和生活中。本论文所用植物叶片数据集为校园和植物园内常见植物，通过旋转叶片进行拍摄来增加训练集，也使得本识别系统具有一定的旋转鲁棒性。
　　本文主要工作包括三部分：
　　1.系统设计分为两部分：Android移动端和云服务器端。通过模块化思想组织系统架构，并针对各模块的特点和所承载的任务，设计了系统的整体工作流程，合理分配Android端和服务器端负载，提升系统整体运行效率。
　　2.手机端基于Android平台的图像采集和预处理系统。为了提升复杂背景下植物叶片识别的准确率，采取将植物叶片经过预处理和前景提取的方式，根据叶片颜色特征和利用少量人工交互对图像进行背景标记，将图像中的叶片提取出来，将处理后的图像提交至服务器处理。使用 Android端对图像进行预处理，可以减少服务器端的计算压力，提高系统响应速度。
　　3.服务器端基于卷积神经网络的识别反馈系统。使用7层架构的卷积神经网络进行训练，自主学习图像特征，并对图像进行特征提取。训练后的模型部署在云平台，包含多个服务器节点，利用云计算的优势来提升系统的识别速度。识别准确率高于传统的特征提取方式。
　　实现了基于Android平台的植物叶片识别原型系统，并对系统进行了整体流程测试，同时展示了各个模块的实际使用效果。

目录

声明

第1章 引 言

1.1 研究背景和意义

1.2 国内外研究现状

1.3 主要研究内容与论文组织形式

1.4 本章小结

第2章 植物叶片识别相关技术

2.1 引言

2.2 预处理

2.3 卷积神经网络技术

2.4 本章小结

第3章 基于Android平台的植物叶片识别系统设计

3.1 开发平台环境配置

3.2 系统整体框架设计

3.3 Android客户端设计

3.4 云端服务器设计

3.5 网络通信

3.6 本章小结

第4章 基于Android平台的植物叶片识别系统实现

4.1 引言

4.2 Android端系统实现

4.3 云端服务器实现

4.4 网络结构和实验结果

4.5 本章小结

第5章 工作总结与展望

5.1 工作总结

5.2 后续工作展望

参考文献

致谢