基于深度学习的蘑菇图像分类研究

肖杰文¹，赵铖博¹，李欣洁²，刘钟钰³，庞博³，杨彝华⁴，王建新³

1. 北京林业大学环境科学与工程学院2. 北京林业大学理学院3. 北京林业大学信息学院4. 贵州科学院贵州省生物研究所

摘 要：为了解决蘑菇图像分类的问题,实现野生菌毒性快速识别,以7种蘑菇作为研究对象,提出了一种基于深度学习的蘑菇图像分类的方法。所提出的分类方法在考虑了自然场景图像的特点下,利用图像像素信息进行特征提取,提取到的特征向量具有可辨别性、独立性和鲁棒性;轻量级ShuffleNetV2模型与作为其他常用CNN模型相比具有更高的精度。实验表明,基于ShuffleNetV2的蘑菇分类模型的Top-1准确率为55.18%,Top-5准确率为93.55%,能够一定程度上解决蘑菇图像分类困难的问题。未来结合移动设备和嵌入式开发,将能够用于自然环境下野生菌的自动分类,为蘑菇产业智能化和自动化提供新的思路。

关键词：深度学习;图像分类;蘑菇;卷积神经网络;