首页 > 分享 > 一种基于孪生网络的牡丹花型识别方法

一种基于孪生网络的牡丹花型识别方法

花匠小妙招
2025-12-17 03:38

本发明涉及图像识别，具体说的是一种基于孪生网络的牡丹花型识别方法。

背景技术：

1、花型作为开花植物重要的观赏性状，在长期的自然和人工选择下，很多植物的萼片、花瓣、雄蕊和雌蕊等花器官的数量、排列方式、形状和大小都有很大的不同，从而形成了丰富的变异类型。随着社会经济的不断发展，人民生活水平的日益提高，人们对花朵品质的要求也越来越高。姿态迥异的花型极大地提高了花的观赏品质，深受广大消费者的青睐，因此，花型的丰富程度是决定其观赏价值和经济价值的关键因素。

2、牡丹(paeonia suffruticosa)是我国特有的木本名贵花卉，历经持续多年的栽培选育，形成了花型丰富、数量庞大的中国牡丹园艺品种体系。组成牡丹花型的花萼、花瓣、雄蕊、雌蕊的形态、数量、变异程度和排列组合方式有很大差异，导致花器官表型性状产生不同程度的变异，而这些丰富的变异类型显著提升了牡丹的观赏价值。花瓣的数量和花瓣轮数在不同花型不同品种中也存在很大差异，花瓣数从单瓣类的5～15枚到千层台阁型的1000～1400枚；花轮数从2～3轮的‘白玉兰’到10余轮的‘薇紫’；花径大小从‘麻姑献寿’品种的10cm×5cm到‘酒醉杨妃’品种的23cm×12cm等等。以上研究表明牡丹拥有极其丰富的花型变异类型，且不同品种间花型性状也存在很大差异，如何高效选育新优牡丹花型品种是当前育种研究中亟需解决的重要科学问题。

3、目前，不同植物花型的划分仍多集中在基于形态观测建立的分类方法，其存在一定的局限性，特别是对品种间花型差异较小植物，单纯依据目测的简单观察获得的形态性状数量和变异幅度并不足以对所有品种进行区分，因此，需要更加精确、科学的手段协助完成不同品种花型识别任务。随着机器学习的快速发展，基于图像的深度学习方法越来越多地应用于植物识别领域。它利用机器自学习从海量图像数据中识别关键特征。与传统方法相比，图像采集可以快速将植物形态信息转化为二维图像信息，大大简化了植物表型数据的采集过程。因此，深度学习技术通过同化大量异构数据，为复杂和不确定的现象提供可靠的预测结果。因此，研究基于图象识别与深度学习的牡丹花型品种精准识别方法显得尤为迫切，研究结果对加快牡丹新优花型种质资源的筛选鉴定、花型育种具有重要意义。

技术实现思路

1、为解决上述技术问题，本发明提供一种基于孪生网络的牡丹花型识别方法，能够快速识别牡丹花型。

2、为解决上述技术问题，所采用的技术方案是：一种基于孪生网络的牡丹花型识别方法，包括以下步骤：

3、步骤1、建立牡丹花型数据集，并分类为训练集、验证集和支持集；

4、步骤2、对牡丹花型数据集进行预处理，将彩色图像转换为灰度图像，去除颜色信息，仅保留图像的关键形态特征，处理后的训练集和支持集按照花型类别分别归类为不同的花型类别数据集；

5、步骤3、利用不同的花型类别训练集训练孪生网络；

6、步骤4、通过训练后的孪生网络计算测试集和已进行分类的支持集的相似性系数，相似性系数最高的花型类别作为测试集的牡丹花型类别。

7、不同的花型类别包括单瓣型、荷花型、菊花型、金环型、金蕊型、蔷薇型、托桂型、皇冠型、绣球型、楼子台阁型、千层台阁型。

8、孪生网络中的主干特征提取网络为vgg16。

9、相似性系数最高指的是单张支持集对应的相似性系数最高或单类支持集的平均相似性系数最高。

10、本发明有益效果是：利用本方法识别牡丹品种的花型识别准确率高，识别方法效率较高。

技术特征：

1.一种基于孪生网络的牡丹花型识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于孪生网络的牡丹花型识别方法，其特征在于:不同的花型类别包括单瓣型、荷花型、菊花型、金环型、金蕊型、蔷薇型、托桂型、皇冠型、绣球型、楼子台阁型、千层台阁型。

3.如权利要求1所述的一种基于孪生网络的牡丹花型识别方法，其特征在于:孪生网络中的主干特征提取网络为vgg16。

4.如权利要求1所述的一种基于孪生网络的牡丹花型识别方法，其特征在于:相似性系数最高指的是单张支持集对应相似性系数最高或单类支持集的平均相似性系数最高。

技术总结
本发明提供一种基于孪生网络的牡丹花型识别方法，涉及图像识别技术领域，包括以下步骤：建立牡丹花型数据集，并分类为训练集、验证集和支持集；对牡丹花型数据集进行预处理，将彩色图像转换为灰度图像，去除颜色信息，仅保留图像的关键形态特征，处理后的训练集和支持集按照花型类别分别归类为不同的花型类别数据集；利用不同的花型类别训练集训练孪生网络；通过训练后的孪生网络计算测试集和已进行分类的支持集的相似性系数，相似性系数最高的花型类别作为测试集的牡丹花型类别。本方法识别牡丹品种的花型识别准确率高，识别方法效率较高。

技术研发人员：郭琪,侯小改,朱骅,刘思彤,宋鹏,马超,张春蕾,田野,寇文瑞,行柯欣
受保护的技术使用者：河南科技大学
技术研发日：
技术公布日：2025/12/15