基于深度学习的蕈菌识别研究
蕈菌因其营养丰富而成为中国人餐桌上屡见不鲜的食物，在我国很多地区人们喜欢所谓“野味”，经常采摘并食用不明野生蕈菌，但大部分人欠缺鉴别蕈菌的知识与能力，容易误判蕈菌的毒性，因此常常发生食物中毒事件，极大威胁了我国公民的生命安全。目前，在传统的蕈菌识别方法中，往往都需要大量的经验与专业检测设备，这对于普通民众来说是难以企及的。为保障我国公民的生命健康安全，提高人们鉴别蕈菌的能力，减少类似中毒事件的发生，亟需一种高效又便捷的方法来识别中国境内常见蕈菌。 基于以上研究背景与研究动机，本文利用深度学习的方法来识别常见蕈菌，工作进程如下： （1）首先依据《中国毒蘑菇名录》和《中国食用菌名录》中所列举的国内常见蕈菌为基础，构建了中国本土的蕈菌图像数据集，其中有毒蕈菌11类，无毒蕈菌9类，蕈菌图像共计5139张。对以上图像精心筛选并做相关预处理。 （2）基于深度学习的方法来识别常见蕈菌，以ConvNeXt-T网络来作为基础训练模型，基于迁移学习的方法设计并实现了多组对比实验，进而来研究影响模型性能的因素。 （3）基于本文所训练的深度学习模型，将深度学习技术与软件工程技术结合，设计并实现了一款蕈菌识别小程序，该小程序既能够准确识别蕈菌种类，又可以将结果及时展现给用户。 最终实验结果显示，本文模型在测试集中Top-1和Top-5的平均准确率分别达到90.62％、99.41%。这表明所提方法能够较为准确的识别蕈菌种类，在一定程度上能够预防民众误食有毒蕈菌。最后，本文设计并实现了一款蕈菌识别小程序，其操作简单、使用方便、易于推广，对日常生产生活及相关科研具有一定意义。
蕈菌识别;深度学习;ConvNeXt-T网络
河北工程大学
硕士
光学工程
焦小雪;任晓明
2023
中文
TP18
2023-08-22（万方平台首次上网日期，不代表论文的发表时间）