[論文レビュー] A Mobile Application for Flower Recognition System Based on Convolutional Neural Networks

Mustafa Yurdakul, Enes Ayan+2 more|arXiv (Cornell University)|Jan 22, 2026

Smart Agriculture and AI被引用数 0

ひとこと要約

本論文はモバイルCNNベースの花認識アプリを開発し、MobileNet、DenseNet121、Xceptionを7つの最適化アルゴリズムで評価する。DenseNet121 + SGD が最高性能を示し、Accuracy 95.84%、Precision/Recall/F1 96.00%を達成。

ABSTRACT

A convolutional neural network (CNN) is a deep learning algorithm that has been specifically designed for computer vision applications. The CNNs proved successful in handling the increasing amount of data in many computer vision problems, where classical machine learning algorithms were insufficient. Flowers have many uses in our daily lives, from decorating to making medicines to detoxifying the environment. Identifying flower types requires expert knowledge. However, accessing experts at any time and in any location may not always be feasible. In this study a mobile application based on CNNs was developed to recognize different types of flowers to provide non-specialists with quick and easy access to information about flower types. The study employed three distinct CNN models, namely MobileNet, DenseNet121, and Xception, to determine the most suitable model for the mobile application. The classification performances of the models were evaluated by training them with seven different optimization algorithms. The DenseNet-121 architecture, which uses the stochastic gradient descent (SGD) optimization algorithm, was the most successful, achieving 95.84 % accuracy, 96.00% precision, recall, and F1-score. This result shows that CNNs can be used for flower classification in mobile applications.

研究の動機と目的

• 素早く専門知識不要で花を識別するモバイルアプリの動機づけ。
• オンデバイス花分類のために複数のCNNアーキテクチャを評価。
• モバイル花認識で最高の性能を発揮する最適化アルゴリズムを特定。

提案手法

• モバイルフレンドリーなパイプラインに3つのCNNモデル（MobileNet、DenseNet121、Xception）を実装。
• 7つの異なる最適化アルゴリズムを用いてモデルを訓練・評価。
• 精度、適合率、再現率、F1スコアを比較し、モバイル展開に最適なモデルを選択。

実験結果

リサーチクエスチョン

• RQ1 MobileNet、DenseNet121、Xception のうちモバイル花認識に最も適したCNNアーキテクチャはどれか。
• RQ2 異なる最適化アルゴリズムはモバイル花認識設定でモデル性能にどう影響するか。
• RQ3 高精度で専門外の人にも信頼できる花識別をモバイルアプリのCNNベースで提供できるか。

主な発見

• DenseNet121 with SGD は評価対象モデルの中で最高の性能を達成。
• 報告された最良の指標は：95.84% のAccuracy、Precision/Recall/F1 がいずれも 96.00%。