孟 瑶，杨怀卿，杨惠斐，杨 华

（山西农业大学信息科学与工程学院，山西 晋中 030801）

0 引言

国内树木资源丰富，有多种植物的叶片可供家畜食用[1]。合理利用这些叶片能扩大家畜饲料选择范围，同时节约成本。为解决人工采集可作家畜饲料的植物叶片耗时耗力的问题，通常利用采摘机器人进行自动化采摘。植物叶片识别是自动化采摘的关键步骤，多数学者采用机器学习的方法对叶片进行识别，其中，卷积神经网络以其独特的读取方式而被广泛运用于植物叶片识别研究中。

国内外学者针对植物叶片识别进行了大量研究。Jeon等[2]使用Googlenet模型自动提取Flavia数据库的植物叶片特征并进行分类识别。Krizhevsky等[3]提出了包含7层隐藏层的AlexNet网络模型，在ImageNet数据集中失误率为15.4%。Rashad等[4]以10种不同的植物图像集作为实验对象，在对植物图像的识别过程中，提取到了部分植物叶片纹理特征，取得了较好的识别效果。于慧伶等[5]选取Flavia公共叶片数据集，考虑了叶片信息的边缘形状与内部纹理特征，构建了双路卷积神经网路结构，提高了植物叶片的识别准确率。孙颖异等[6]构建了一种基于残差连接的Alexnet卷积神经网络模型，对PlantVillage工程提供的12种植物叶片数据集进行分类和识别。张帅[7]通过8层卷积神经网络模型分别对PlantNet叶片库和自扩展的叶片图库中的图像进行训练和识别，取得较好的识别效果。杨天天等[8]对7种柳属植物叶片进行图像分析，通过对单一叶片相关特征融合比较进行识别。……