摘  要

 

随着深度学习的快速发展，图像识别和语音识别等技术也开始飞速提升。本文结合了深度学习和安卓开发，完成了一款智能识花的APP。本文使用python爬虫获取数据集，基于Google 推出的深度学习开发平台TensorFlow和MobileNet_V1模型来构建用于训练花卉种类识别的深度学习神经网络模型。通过图片数据集增强、尝试多种预模型和训练迭代次数等方法，提升了图像识别的效果，最终达到93%以上的平均准确率。本文还采用TensorFlow Lite框架，将此识花模型植入安卓应用的开发，并结合camera2和SharedPreferences等技术，最终得到一款具有实用性的智能识花APP。

 

关键词：TensorFlow，深度学习，图像识别，安卓开发

目  录

 

第一章 绪论 1

1.1 研究背景 1

1.2 研究意义 1

1.3 国内外发展现状 2

1.4 课题内容 3

1.5 本论文的结构安排 3

第二章 花卉识别算法实现 4

2.1 技术路线 4

2.2 关键技术 5

2.2.1 收集数据集 5

2.2.2 数据预处理 7

2.2.3 构建网络模型 8

2.2.4 优化函数 9

2.2.5 迭代训练 9

2.2.6 保存.pb模型文件和标签文本 9

2.2.7 将.pb模型文件转换为.tflite模型文件 10

2.3 训练结果分析与优化 11

第三章 Android APP开发 14

3.1 开发总技术路线 14

3.2 模型移植到Android APP 15

3.3 Android APP页面开发 17

3.3.1 需求分析 17

3.3.2 提取功能点 18

3.3.3 页面设计与实现 18

3.4 APP页面与功能展示 19

第四章 测试、分析与优化 24

4.1 花卉分类算法优化与测试 24

4.2 识花APP优化 24

4.3 识花APP的优缺点分析 25

第五章 总结 27

5.1 全文总结 27

5.2 存在问题与展望 27

参考文献 28

致  谢 29