Python-曾O旻-植物葉片識別

卷積神經網路之植物葉片識別

專案介紹

植物在我們生活中非常的常見，他不僅帶給我們優良的生活品質、源源不絕的食物來源，此外，最大的作用是給我們人類提供足夠的氧氣，但是我們對它的認識不夠深。

因此我想透過人工智慧的方式來辨識出植物的品種，並且以三種圖片的樣式來進行比較。

重點技術

• 步驟1.圖片收集

圖片來源為Kaggle上的PlantVillage Dataset ，每種葉片平均550張。

• 步驟2.圖片處理

讀入圖像 > 圖像處理 > 保存圖像

• 步驟3.讀熟編碼

• 步驟4.搭建模型

丟入圖片為64x64x3，先將圖片進行Con2D進行銳化

接著加入BatchNormalization(BN)加速收斂速度

再丟進MaxPooling2D裡擷取特徵

處理完後再進行利用Flatten展開成一維數組

最後再搭配兩次的Dropout目的是為防止過度擬合

以上全部處理完後透過softmax函數將目標各數轉成機率值。

• 步驟5.模型訓練

訓練次數20次 - 訓練次數、精準度、損失度可視化

• 步驟6.模型評估

返回模型的損失值&精準值。

• 步驟7.模型評估

載入200筆測試資料，並且以每20筆列出預測值與真實值。

• 結論

1.了解每個重點技術的背後原理

2.圖片張數選擇

3.模型優化的技巧、層數選擇及參數選擇

未來應用方向 - 形色APP：能夠馬上辨識出植物種類及各種植物相關信息。

專案心得&教學回饋

經過了半年的學習加上兩個月的實作，從策劃、修改、測試、結果，不斷地調整跟測試，一直反覆磨練，最後的題目還是走了大學時未完成的植物識別

參考了達內的教育影片跟mike老師的指點及自己的爬文技巧，合併出了識別品種的專案，藉此我想利用這次學到的如何辨識物體這項技術，朝著形色APP這方向發展。