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。
Comments