基于数据增强和特征融合的花粉图像分类

• 全文链接
• 请求原文

作   者：

刘昌海;  张恒;  陆小锋;  冯予乐;  吕森林;  刘书朋; 

作者机构：

上海大学环境与化学工程学院;  上海大学通信与信息工程学院; 

关键词：

特征融合;  数据增强;  深度学习;  花粉分类; 

期刊名称：

工业控制计算机

i s s n：

1001-182X

年卷期：

2025 年 38 卷 001 期

页   码：

97-99

摘   要：

传统花粉分析识别方法依赖于人工经验标注花粉图像，这一过程耗时且耗费人力。近年来，深度学习技术取代传统方法，广泛应用于花粉分析识别研究领域。然而，目前深度学习方法在识别时间、内存占用和准确性等算法模型效能方面仍有待优化。为进一步提高算法模型的效能，采用了数据增强技术，通过旋转、缩放和平移等手段扩展花粉数据集并采用局部二值模式（LBP）网络实现特征融合，提升花粉识别的准确度。实验结果显示，该方法在花粉识别上取得了95.1%的准确率和96.4%的精确率，表明数据增强和特征融合技术在提高花粉识别准确性和效率方面的有效性，为花粉分析识别相关研究领域提供技术和方法参考。