摘要：為解決蔬菜識別領域缺少帶標簽樣本的問題,提出了一種基于遷移學習的圖像識別方法.首先,將原始數據集利用數據增強擴大樣本數據量后引入到大規模數據集上的預訓練模型.針對遷移過程中高層特征的領域特定性導致的網絡泛化性能差,通過加入兩層自適應層參數初始化后重新訓練得到基本模型;對該基本模型再利用參數凍結的遷移方式進一步調優參數,得到用于蔬菜圖像識別的最終網絡模型.實驗表明,基于CaffeNet和ResNet10兩個小型網絡的遷移策略可以較好地處理小樣本的蔬菜圖像識別,訓練得到的模型準確率分別為94.97%、96.69%.與其他遷移算法及傳統的神經網絡方法相比,該算法具有更高的識別性以及更強的魯棒性.