植物与生态系统和人类有着天然的联系,因此对于植物的研究就显得尤为重要。通过对植物花朵的识别,可以很好的对植物进行分类,更有效地保护、利用好各种植物。但传统的花朵识别方法依靠人工方式进行分类,难度大,效率低;本文利用电脑和智能手机终端设计和实现了一个植物花朵识别系统,系统能够识别不同花朵的品种,能够方便各类人群对花朵的识别、分类和鉴赏。因此,本文的工作具有重要的现实意义。本文首先收集了大量的植物花朵图像,构建了自己的植物花朵识别的图像数据集,并将图像数据集转换成了Caffe所需的LMDB格式;其次,运用Caffe深度学习框架,搭建并训练了植物花朵识别的卷积神经网络;最后利用训练好的卷积神经网络,结合Android开发技术和Web开发技术,设计并实现了一个由移动端和电脑端组成的植物花朵识别系统,在实现系统的过程中,成功的将Caffe移植到了Android平台上,同时通过JNI技术解决了Java对Caffe训练的卷积神经网络模型的访问问题。本文的植物花朵识别系统具有以下特点:(1)系统由移动端和电脑端两部分组成,相比较而言,现有的植物花朵识别系统多是单终端的,本系统的终端构成更加丰富,为用户提供了更多的终端选择性。(2)系统的移动端提供了本地识别和远程识别两种模式,不同于现有的花朵识别APP,必须在联网情况下将图像上传到服务器进行识别,本系统中的APP即使在没有网络的情况下,用户仍然可以选择本地识别模式,借助于存储在本地的卷积神经网络模型进行花朵识别。