基于深度学习的菊花花期分析开题报告

全文总字数：3884字

1. 研究目的与意义、国内外研究现状（文献综述）

研究意义：植物的表型分析在植物保护、育种等领域具有重要的研究价值。

菊花作为中国的传统名花之一，其花型变异极其丰富。

据统计目前菊花有20000-30000个栽培品种，如此众多的品种和变异式样给菊花品种资源调查、品种分类与鉴定等带来极大困难^[1]。

2. 研究的基本内容和问题

研究目标：本项目拟基于深度学习技术，对菊花的表型之一——花期进行分析。

首先，通过神经网络完成对现有菊花数据集在花期方面的特征提取，从而获取不同菊花的特征矩阵。

然后，针对不同菊花的特征矩阵进行分类，确定对应的各种花期。

3. 研究的方法与方案

研究方法：（1）本项目拟采用监督学习方法。监督学习是从标记的训练数据来推断一个功能的机器学习任务。本项目中以现有的菊花数据集为训练数据，以已知的几种花期为期望输出，实现菊花花期分析网络的训练。训练的目标是寻找一个最佳的网络允许其正确地分析看不见“标签”的实例数据。（2）本项目拟采用python程序设计语言。python作为近几年发展迅速的语言之一，能够较好地支持深度学习的研究。比起相似的matlab，python具有开源、易读、严谨、库丰富等许多优点，使用起来会更加顺手。当然，不排除本项目研究过程中也要用到matlab的可能。

技术路线：

4. 研究创新点

通过查阅文献，我发现目前植物表型分析研究主要以研究叶片和花卉品种为主，而菊花本身就有上万个品种，因此大多数研究对菊花的表型分析不够到位。

本项目选取菊花表型中的花期方面进行分析，既弥补了一些研究空白，也符合个人的研究水平，更对相关产业具有不错的实用意义。

5. 研究计划与进展

（1）2019.1-2019.2 选择合适的菊花数据来源和神经网络（2）2019.2-2019.3 处理菊花数据，以供训练神经网络使用；同时，自行采集菊花图像数据并处理，为测试工作做准备（3）2019.3-2019.4 完成神经网络的训练，达到尽可能高的准确率（4）2019.4-2019.5 进行神经网络的微调，并验证其准确性，测试其实用性