c++0926 图像识别技术在动物疾病诊断方面的研究与应用

项目介绍

随着计算机技术的不断发展和完善，利用计算机图像处理技术对动物疾病自动识别的技术研究已经逐步开展，探索如何利用计算机快速准确的识别动物疾病图片，对于动物疾病分类、动物疾病识别等方面具有现实意义。 卷积神经网络，是一种图像分类技术，利用深度学习来实行自主运算。它是目前业界针对图像预测分类所主要采用的一种方法。本文将通过ImageNet预训练卷积神经网络的模型，通过迁移学习来达成各种动物疾病图像分类。还将利用InceptionV3模型来对各种动物疾病图像集进行分类，为每个各种动物疾病图像训练一个单独模型，最后再根据获得最多投票的测试样本集实现各种动物疾病图像识别模型。该方法能够有效地避免网络训练过程中出现梯度弥散或网络陷入局部的极小值问题。 动物疾病预测系统可以分为动物疾病样本特征训练过程与动物疾病预测分类。动物疾病样本特征训练过程的核心是针对训练样本库的处理，对动物疾病特征的提取，可离线存储至本地文件，通过训练来获取动物疾病预测模型。本文在利用OpenCV和Caffe搭建实验平台并利用InceptionV3网络对各种动物疾病图像数据集进行迁移训练，最后，通过Qt5开发可视化动物疾病识别系统界面，系统大气美观，。 由实验结果得出，本实验采用的深度学习动物疾病识别算法是有效且可行的，并且与同类算法相比，算法的准确识别率也比较靠前，同时因为该系统是依据算法设计和实现的，所以也表现出较好的实时性与稳定性。