一、文献综述
（一）国内外研究现状
现如今，随着人工智能的快速发展，机器学习结合图像识别技术已广泛应用到生活的各个方面，如图像识别、语音识别以及跟踪定位等。图像识别指的是利用计算机提取图像的某些特性并进行理解和分析，以识别不同新目标图像的技术。
就近年来的图像识别来说，机器学习和计算机视觉技术发展飞速，该技术在生活中变得随处可见，比如小区门口的车牌识别、监控系统中的人体跟踪定位以及银行系统中的人脸识别等。花卉识别作为图像识别中的一个子类也取得了很大的发展。目前，国内外比较广泛的花卉识别技术主要应用在成批量的花卉大棚，智能花卉农业中。因此，花卉识别工作具有很高的应用价值和实际意义。
虽然近两年来图像识别技术飞速发展，但由于花卉图像影响外在因素很多，加之花卉种类繁多，这给花卉图像的研究带来了极大的挑战，总结起来的挑战因素主要有:
(1)花卉所处复杂环境，如背景多变，光照强度，拍摄角度等;
(2)花卉的多样性，如色彩，花期，花卉完全度等。
国外众多高校很早就开始了对花卉识别的研究和实验，牛津大学的Nilsback和Zisserman等人为了便于对花卉图像进行研究，搜集并整理了花卉图像数据集OxfordFlowerl7和OxfordFlower102。如今，这两个数据集已被广泛地应用在花卉图像处理的研究中[12]。在每年的ICCV, CVPR, ECCV等著名国际性学术会议上，都会出现一些关于图像分割、物体识别的研究成果。
虽然国内花卉识别的相关研究相对起步晚、时间短，但也取得了很大的突破。如中国科学院旗下的植物研究所，使用收集的260万多幅大数据量的图片和弱监督学习方法，开发的拍照识花可以识别上千种花卉，并且有很高的准确度[12]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
