基于ResNet152的花卉识别研究

刘景贺 任彦彪 薛岩 郭晓丽 徐龙 夏菲 郜园园

关键词：花卉识别；ResNet152;AlexNet;MobileNet_v3；界面操作

0 引言

花卉的作用涉及药用，观赏，净化空气，经济生产等多方面，花卉种类识别的研究与探索具有重要意义。例如，在花卉农业领域，人们经常需要对花卉种类进行分类处理，常见的花卉分类方法依照其外部形态、生长特性、观赏部位、栽培方式等方面进行区分。

传统的花卉识别方法将花卉图像进行图像分割，利用其他手段将特征部位抠除。首先，它过于依赖花卉的分割效果。其次，它在很大程度上依赖于人机交互。因而需要消耗大量的人力物力，且无法做到快速检测和准确检测。近年来，随着机器学习的发展，人们对花卉识别技术进行进一步的研究与探索。在图像分割技术上，Saitoh等人[1]提出一种能自动进行花卉图片分割的技术。有效地解决了先验色彩信息问题，但限制了花卉在图中的位置，需要人工矫正。Chai等人[2]提出了一种花卉图像联合分割算法，取得了较好的分割效果。在花卉分类技术上，Lee等人[3]提出一种花卉分类技术，对花卉色彩和形状有较好的提取效果。

近年来，基于卷积神经网络（Convolutional NeuralNetwork）的花卉识别方法得到发展。在卷积网络中，避免了传统识别算法中的复杂的特征提取和数据重建过程[4]，取得了较好成果。AlexNet网络是卷积神经网络中的一种经典网络。2012年，Krizhevsky 等人[5]提出的深度网络结构AlexNet，在图像分类中取得了很大突破。AlexNet获得了2012 年大规模视觉识别挑战赛（ImageNetLarge Scale Visual Recogition Challenge，ILSVRC）的冠军，并且引发了研究深度网络结构的热潮。2018年，王爽[6]利用AlexNet 进行迁移学习进行花卉分类，正确率达到90.85%，之后对花卉数据库继续迭代训练并进行网络微调，正确率达到94.37%。在2016 年，He 提出残差网络（ Residual Network，ResNet）[7]，一种深层卷积神经网络结构，在模型深度加大时，用于解决网络退化现象，可以提升网络深度。2020年，袁晨晖[8]提出基于改进ResNet 的深度迁移学习方法，通过模型迁移和深度特征抽取，减小了数据集间内容差异对迁移学习特征识别力的影响。在MNIST 和CIFAR-10 数据集上进行实验，准确率分别达到97.98%和90.45%。

本文重点研究ResNet、MobileNet V3、AlexNet 三种模型的分类效果，提出一种基于ResNet152的准确快速识别花卉种类的分类方法。

1 数据集介绍

实验中采用的花卉数据集大小为47 770，共24个花卉种类，分别是鬼针草、桔梗，石龙芮、全叶马兰、婆婆纳、三叶草、旋覆花、绣球小冠花、狗尾草、一年蓬、剑叶金鸡菊、滨菊、射干、三角梅、马鞭草、油菜花、蒲公英、两色金鸡菊、全缘金光菊、蓝蓟、曼陀罗、诸葛菜、千屈菜、狼尾草。其中石龙芮样本个数为1 770，其他样本数均为2 000。按照8∶2的比例划分训练集和测试集，通过测试集来验证模型的准确度。如图1 所示。

2模型搭建

传统的卷积神经网络易出现梯度消失或退化问题。为解决这两个问题，2015年微软实验室提出了Resnet网络。该网络采用residual结构（残差结构），搭建超过1 000层的网络结构，丢弃dropout，使用了Batch Normalization进行加速训练。ResNet152中使用的残差结构如图2所示。

该残差结构能够减少参数量和运算量，在该残差结构当中，主分支使用了三个卷积层，分别是1×1，3×3，1×1。第一个1x1的卷积层用来压缩channel维度，第二个1x1的卷积层用来还原channel维度。

（1） 输入层是尺寸为224×224×3的待识别的花卉图片。

（2） conv1是7×7的卷积层，步长为2，输出大小为112×112。

（3） conv2_x是3×3的最大池化下采样操作，步长为2，使用了3层残差层，3层卷积层，分别是1×1，3×3，1×1。输出大小为56×56。

（4） conv3_x，使用了8层残差层，3层卷积层，分别是1×1，3×3，1×1。输出大小为28×28。

（5） conv4_x，使用了36层残差层，3层卷积层，分别是1×1，3×3，1×1。输出大小为14×14。

（6） conv5_x，使用了3层残差层，3层卷积层，分别是1×1，3×3，1×1。输出大小为14×14。

（7） 最后是平均池化下采样操作和全连接层。可以通过使用softmax函数来确定，它是一個对于输入和节点进行激活的函数，它可以将24种输出值转换为范围在[0，1]的概率分布，从而进行分类。

3 AlexNet，MobileNet_V3，ResNet152，网络模型的性能指标对比

AlexNet，MobileNet_V3，ResNet152，网络训练过程的曲线图如图3、图4、图5所示，热力图如图6所示。当epochs达到15时，三个网络的Training Accuracy曲线均趋于饱和。当epochs达到5时，Validation Accura?cy曲线便开始在0.95附近上下波动;Training Accuracy 曲线和Validation Accuracy曲线在epochs由0到30的过程中变化均低缓。当epochs 达到10 时，Trainingloss曲线趋于饱和，在epochs由10到30的过程中变化低缓，稍微有向下变化的趋势。Validation loss曲线在epochs由0变化到30的过程中先下降后上升，然后波动，最终在0.22附近徘徊。尽管三种模型的四条曲线变化趋势并不明显，但Resnet152的Validation loss曲线波动更为低缓，平滑。

分别对模型的收敛速度、模型效率、模型精度、召回率、模型分数进行分析。

3.1 收敛速度

是否收敛是评价一个网络模型好坏的重要指标，三个网络模型均未出现收敛抖动现象，最终都会收敛，其中ResNet152的收敛速度最快，在Epochs达到13 时，能够呈现稳定的收敛状态。比另外两个模型要快2个epochs。同样收敛的情況下，收敛速度越快说明网络模型越好。

3.2 模型大小

网络模型的大小决定着是否有利于后期的小程序或者App开发，网络模型所占的内存越小越有利于后期的开发。三个网络模型的大小均为9475KB，适合在移动端进行进一步开发使用。

3.3 模型效率

模型的效率事关后期开发的小程序或者app的识别速度，效率越高，识别速度越快，越有利于提升用户的体验感。识别速度由快到慢的排列顺序分别为：MobileNet_V3>ResNet152>AlexNet，MobileNet_V3 识别每张图片所需时间最短，仅需0.17 s便可识别一张图片，Resnet152识别一张图片的速度为0.18秒。

4 界面化

4.1实现环境

实现环境基于深度学习框架TensorFlower2.3 ；硬件环境采用AMD Ryzen 5 4600H with Radeon Graph?ics，3.00 GHz，GPU 采用NVIDIA GeForce 显卡，16GB 内存，4 GB 显存。采用Windows 10 操作系统，Pycharm 编译环境和Python3.7 语言，使用了pyqt5，pillow，opencv-python，matplotlib。每次试验运行30 轮（epochs），采用ReLU激活函数。

4.2识别过程

加载初始图片，将图片的高度变成400，在界面上方便显示，然后将图片变成224×224的大小，因为模型接收的参数是224×224，然后将224×224的图片转换成数组，输入到模型中得到结果，在界面上进行显示。如图7所示，通过界面化操作进行花卉识别。

5 结束语

对比AlexNet，MobileNet_V3，ResNet152 三个网络模型的各项指标以及实验统计了ResNet152对24种花卉的评估结果，突出了ResNet152的优良性能，在今后的研究工作中，将继续对ResNet152进行优化提高其性能，比如识别准确率，模型效率，模型大小，模型识别速度等指标，并进行花卉识别小程序的开发，进而做出实质性成果。