基于大数据分析植物标本取样方法,这是一篇与数据分析论文范文相关的免费优秀学术论文范文资料,为你的论文写作提供参考。
数据分析论文参考文献：
摘 要 植物识别是利用植物的前提.随着图像处理和识别技术的迅速发展,植物种类识别App应运而生.虽然这些App能够识别植物,但存在一些误差,导致识别结果不够准确.为了解产生误差的可能原因,本文以花伴侣作为识别App,通过不同的取样方法,探讨植物标本取样因素对识别率的影响.测试结果表明,基于大数据分析的标本取样,以全株局部含花的样本识别效果最佳,不同植物器官的样本照片在识别上存在显著差异,不同拍摄设备、不同背景条件下拍摄的植物样本照片识别效果也有一定差异.
关键词 植物识别；植物器官识别；取样方法；大数据；深度学习算法
中图分类号 Q948.3 文献标识码 A 文章编号 1007-5739（2018）03-0149-03
Abstract Plant identification is the precondition for plant application.As the rapid development of image processing and image identification,identification Apps for plants appeared. Though plant species can be identified by these Apps,it still has some errors.These errors account for inaccurate results. In order to find the possible causes of these errors,this paper using Hua Banlv as the chosen identification App,the effect of sampling factors on the identification ratio was discussed through different sampling methods. Based on the big data analysis of specimen sampling,test results indicated that the samples using the whole plant with flowers had the highest identification ratio.Meanwhile,various specimen photos of different plant organs differentiated from each other.There were also some differences in the recognition ratio of the plant sample photos taken under different shooting equipment and different background colors.
Key words plant identification；plant organ identification；sampling method；big data；deep learning algorithm
植物識别是利用植物的基础.随着计算机处理能力的迅猛发展,图像处理和模式识别等技术在各个领域得到了广泛应用.近年来,随着移动终端摄影技术的发展以及移动互联网的推动,植物种类识别App开发应用正逐步兴起,为专业人士和植物爱好者提供了极大的便利.目前上线运行的植物识别App能在一定程度上解决植物识别问题,但也存在识别误差.造成误差的原因可能是数据原始样本不足或样本自身错误,也可能是移动终端获取的样本差异导致误差产生.为了解移动终端取样方式对植物识别的影响,本文通过不同取样方法,探讨植物标本照片取样因素对识别准确率的影响.
1 研究方法
以vivo X9、HUAWEI荣耀畅玩4X和iPhone 6这3种移动终端作为摄影设备,选取紫薇、龙船花、大花芦莉为识别对象,每组样本数为30个,以花伴侣为识别App平台.花伴侣是一款以中国植物图像库海量植物分类图片为基础,基于深度学习开发的植物识别应用.选取植物的全株、叶局部、果局部、花果枝局部等特征并拍摄8 730张图像,应用花伴侣平台识别处理,以平台得出的可信度指标作为对该样本的识别率.利用SPSS统计软件进行结果分析.
2 结果和分析
2.1 不同植物种类识别率的差异
对8 730个标本图像进行识别,获得的平均识别率为36.02%.由表1可知,对大花芦莉的平均识别率为35.29%,对紫薇的平均识别率为27.66%,对龙船花的平均识别率为47.56%.3种植物的平均识别率极小值均为0；大花芦莉和龙船花的平均识别率极大值为100%,紫薇的平均识别率极大值为99%.
通过方差分析（表2）可知,P等于0.000<0.01.结果表明,平台对不同植物的平均识别率有极显著差异.紫薇的平均识别率为27.66%,低于龙船花和大花芦莉的平均识别率.花伴侣平台在对紫薇识别时,常将其识别为南紫薇、福建紫薇、大叶紫薇等其他同属植物,这些植物的外观形态与紫薇有相似之处；识别龙船花时,常将其识别为神秘果、山杜英、尖齿臭荆莉等花形或叶形相似的种类.
2.2 不同取样部位识别率的差异
由表3可知,选用不同植物器官图像,其平均识别率有所不同.其中,选用植物全株时,其平均识别率最高,为66.38%；选用植物叶枝时,其平均识别率最低,为4.69%；其他器官的平均识别率依次为花枝63.88%、花果枝47.97%、花器官39.40%、果枝9.15%.所有植物器官的平均识别率极小值均为0；花枝、植物全株、花器官的平均识别率极大值均为100%,而叶枝的平均识别率极大值为87%,果枝为91%,花果枝为97%.
结论：关于数据分析方面的论文题目、论文提纲、数据分析方法五种论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
大数据审计下统计分析方法
摘要：目前，我国已经进入了大数据时代，随之出现的大量的、形式较为复杂的数据对审计工作提出了更高的要求。基于此，本文分析了大数据审计下统计分析方法。
基于大数据中小企业信贷风险评估方法
摘要：本文通过研究采用大数据分析的方法对中小企业借贷风险进行评估，研究如何将现阶段互联网的最新技术手段应用于中小企业金融风险评估体系，首先强调中。
大数据时代统计制度和方法
统计制度和方法的变革是统计工作本身的内容之一。大数据时代的到来为统计制度和方法的变革提出了新的需求。鉴于此，本文对大数据时代的统计制度与方法创新。
大数据时代下统计方法
大数据 统计方法 研究 企业管理大数据时代下的统计发展（1）我国传统的统计方法发展现状全球经济活动呈现多元化、多样化和复杂化发展。传统的统。