基于深度學(xué)習(xí)的可食用野菜種類識(shí)別

打開(kāi)文本圖片集

摘    要：可食用野菜兼具營(yíng)養(yǎng)價(jià)值和藥用價(jià)值，然而傳統(tǒng)采摘可食用野菜的分辨主要依賴人為主觀經(jīng)驗(yàn)，效率低且錯(cuò)誤風(fēng)險(xiǎn)高，因此對(duì)可食用野菜快速準(zhǔn)確的識(shí)別對(duì)實(shí)現(xiàn)野菜產(chǎn)業(yè)開(kāi)發(fā)和保障食用安全具有重要意義。以南京地區(qū)“七頭一腦”共8種可食用野菜為研究對(duì)象，構(gòu)建了8種野菜的2400張圖像數(shù)據(jù)集，采用3種具有代表性的卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）模型（AlexNet、VGG16和ResNet50）和3種視覺(jué)自注意力（vision transformer，ViT）模型（ViT、CaiT和DeiT）共6種不同的深度學(xué)習(xí)模型進(jìn)行訓(xùn)練和驗(yàn)證，并通過(guò)梯度加權(quán)類激活映射（gradient-weighted class activation mapping，Grad-CAM）來(lái)分析深度學(xué)習(xí)模型的決策機(jī)制。（剩余16276字）