封雨欣，梁少华，童 浩

（长江大学计算机科学学院，湖北 荆州 434023）

据统计，目前有超过12 000 种多肉植物，隶属约80 科[1]。但在国内的多肉植物市场中，供人们欣赏的作为盆栽类的多肉植物种类只有百余种。多肉植物的外观特征很难准确评估和描述，种类间存在的差异很小，肉眼很难进行分辨，只有少数植物学家和多肉植物从业者能够完全识别它们。由于多肉植物种类繁多，类与类之间差异小，而类的内部由于生长周期、生长状态和环境的不同存在较大差异，这使得多肉植物的分类与其他分类任务相比更加复杂，属于细粒度分类问题。

深度学习技术为解决多肉植物图像分类问题带来了新思路，不仅大大节省了时间和精力，更是将人工智能和农业科学相结合促进了现代农业的发展。在多肉植物图像分类技术研究中，刘俨娇[2]提出的基于深度卷积网的多肉植物分类使用了包含10 个种类的多肉植物数据集和9 个种类的生石花细粒度数据集，通过微调AlexNet，多肉植物和生石花的分类准确率分别达到了96.1%和88.1%。黄嘉宝等[3]提出的基于卷积神经网络的多肉植物细粒度图像分类使用了包含20 个种类的多肉植物数据集，通过微调GoogLeNet，多肉植物的分类准确率达到了96.7%。上述多肉植物分类研究虽然能够有效提升分类准确率，但多肉植物数据集种类较少，只是简单对卷积网络进行微调，在多肉植物数据集种类扩充以及模型结构的改进方面仍有很大的进步空间。……