传统的花卉识别算法一般是建立在手动特征提取和分类器训练的基础上，其泛化能力有限且准确度存在瓶颈。为此提出了基于深度卷积网络的识别算法，采用152层残差网络架构，在爬虫获取的大量标定数据基础上，对神经网络进行迁移学习训练。上线发布的算法集成系统中，用户拍照获取的花卉照片可通过网络传输到云服务器，并在服务端部署的深度学习架构下实现花卉快速识别。针对ImageNet和网龙花卉数据集的实验对比结果表明，基于残差网络迁移学习的方法具有识别准确率高、实时反馈、鲁棒性好等特点。

提前说明一下，本文的CNN神经网络模型是参考网上诸多相关CNN图像分类大牛的博客修改的，在模型的基础上，用python的Flask框架搭载了一个web页面用来可视化展示。 第一步，爬取图片数据集 用python实现了一个非常简单的网络爬虫，对百度图片接口 http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=高清动漫&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid

Oxford花卉数据加文本描述数据集，用来文本生成图像的训练数据集，102flower是8189张英国花卉图像数据集，text_c10中共8189*10条文本，文本对应每张花卉图像，一张图像有十条描述文本。

蒲公英图像数据集，可以用于深度学习的分类和识别。dandelion.rar

玫瑰图像数据集，可以用于深度学习的分类和识别。roses.rar

向日葵图像数据集，可以用于深度学习的分类和识别。sunflowers.rar

郁金香图像数据集，可以用于深度学习的分类和识别。tulips.rar

esp8266+stm32+Tlink云平台 ，感知层用到的传感器有DHT11, 和adc采集光照，支持按下键下发，可以控制3个继电器

本数据集共有杜鹃花、风信子、桂花、荷花、菊花、康乃馨、洛神花七个分类，每个类别提供1000张图片集合。

深度学习 水果花卉数据集 共计6种，因为大小有限制，故删了很多，如需更多可以看里面的文件联系我 每类均1000张以上