基于改进EfficientDet算法的珍稀植物识别  

Rare Plants Identification Based on Improved Efficientdet Algorithm

作　　者：吴金山 黄子建 孙嘉华 黄衍凯 WU Jinshan;HUANG Zijian;SUN Jiahua

机构地区：[1]福建林业职业技术学院信息工程系,福建南平353099 [2]东莞市农业科学研究中心,广东东莞523086 [3]广东海洋大学,广东湛江524088

出　　处：《林业科技通讯》2024年第12期30-35,共6页Forest Science and Technology

基　　金：JAT231219福建省中青年教师教育科研项目(科技类)。

摘　　要：随着生态文明理念不断深化,珍稀植物的识别与保护成为前沿课题。珍稀植物种类繁多且形态特征细微,肉眼辨识方法面临准确性和效率的双重挑战。为此,本文采集了闽粤地区8种珍稀植物样本图像,结合数据增强等图像处理技术,构建了闽粤地区珍稀植物图像数据集。提出了一种改进EfficientDet算法的珍稀植物识别方法,采用组归一化模块将原始模型的批归一化模块替代,实现了对珍稀植物种类的快速且精确识别。算法模型展现出每秒16帧(FPS)的识别速度、总体识别准确率达到94.8%,显著优于传统模型(Yolo V3、SSD)。不仅提高了识别准确率,还在复杂背景下展现出了良好的泛化能力,可为珍稀植物的现场识别工作提供技术支持。

关 键 词：珍稀植物识别 EfficientDet算法 卷积神经网络 生物多样性保护 图像识别 

分 类 号：Q948[生物学—植物学] TP391[自动化与计算机技术—计算机应用技术]