摘要：目的 基于卷积神经网络，使药用植物的图像识别自动化、智能化，从而提高药用植物识别的效率。方法 使用中国植物图像库搜集药用植物图像，进行灰度化、角度随机旋转等批量处理。采用卷积神经网络图像识别技术，结合DeepLearning4j框架，对模型参数进行优化调试。结果 使用DL4J-example、AlexNet、VGG16模型，小样本单一背景药用植物图像识别正确率分别达到68.00%、70.00%、24.00%，大样本复杂背景药用植物图像识别正确率分别达到48.87%、60.00%、91.35%。 结论 图像识别技术的使用提高了复杂背景下药用植物图像识别的正确率和效率，为药用植物的识别提供了新方法，识别正确率高低与激励函数、迭代次数、卷积层数及参与训练的图像数量直接相关。

    关键词：图像识别;卷积神经网络;深度学习;迁移学习;药用植物

    DOI： 10.3969/j.issn.2095-5707.2018.05.005

    中图分类号：G250.7 文献标识码：A 文章编号：2095-5707(2018)05-0018-05

    Discussion on Application of Deep Learning Method in Medical Plant Image Recognition Based on DeepLearning4J on Spark

    ZHAO Yan-hui1 ......