IOS平台下基于深度学习的蘑菇识别分类

作     者：肖天翼 

作者单位：中南民族大学 

学位级别：硕士

导师姓名：陈心浩;陈军波

授予年度：2019年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 09[农学] 0835[工学-软件工程] 0802[工学-机械工程] 0902[农学-园艺学] 0811[工学-控制科学与工程] 090202[农学-蔬菜学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：深度学习 卷积神经网络 蘑菇数据集 蘑菇识别 iOS平台 

摘      要：蘑菇因富含多种人体必需的氨基酸和矿物质,是人们餐桌上常见的食材。蘑菇种类繁多,除人工培育的少数可食用蘑菇外,绝大部分生长在野外地带。可食用的野生蘑菇味道鲜美,具有一定的药用功效,但并非所有野生蘑菇都是可食用的,相当一部分是具有毒性的,一旦误食则会引起生命危险。人们一般很难具备肉眼分辨蘑菇毒性能力,要准确辨识蘑菇毒性往往还需要凭借丰富的经验、专业知识或科学仪器进行分析。随着人工智能技术的应用和发展,利用图像识别技术能帮助人们正确地认识野生蘑菇,降低食用野生蘑菇带来的风险,更利于科研工作者对野生蘑菇展开研究。利用机器学习方法,设计一款直接对蘑菇进行拍照分类识别的手机App,对野生蘑菇进行分类并对其毒性做出判断,是一种行之有效的方法。为达到上述目的,首先需要构建用于深度学习的数据集,但是受条件限制,无法在短时间内构建种类齐全的野生蘑菇图像数据库,本文利用网络爬虫技术构建了三大类八种蘑菇数据集,在此基础上,建立AI分类模型。最后将训练完成的分类模型移植到手机App,实现蘑菇的即时分类识别功能。本文主要工作如下:（1）构建三类八种蘑菇数据集:利用网络爬虫工具在各大搜索引擎中爬取八种蘑菇的图片,根据爬取的结果进行处理后建成自己的三类八种蘑菇数据集。（2）训练三类八种蘑菇分类模型:根据自己建成的蘑菇数据集的特点,运用Keras/TensorFlow深度学习框架分别构建自己的多层卷积神经网络和借助其他经典的卷积神经网络进行迁移学习,最终训练出来的模型实现了训练集99%的正确率,验证集89%的正确率。（3）将建立的模型移植到iOS平台App中:将训练出的模型由.h5文件转换成.mlmodel文件,在Xcode下开发iOS端App交互界面并将.mlmodel模型文件移植进App。（4）App测试与功能完善:从网上以及数据集随机挑选图片对完成的App进行识别率测试,开发完成的App能做到秒识别并有较高的识别率;根据实际使用需求对目前版本的App进行辅助识别功能的完善。