[논문 리뷰] A Mobile Application for Flower Recognition System Based on Convolutional Neural Networks

Mustafa Yurdakul, Enes Ayan외 2명|arXiv (Cornell University)|2026. 01. 22.

Smart Agriculture and AI인용 수 0

한 줄 요약

논문은 MobileNet, DenseNet121, Xception을 평가하는 모바일 CNN 기반 꽃 인식 앱을 개발하고, 일곱 가지 최적화 알고리즘을 평가합니다; DenseNet121에 SGD를 적용한 경우 가장 높은 성능을 나타냈으며(정확도 95.84%, 정밀도, 재현율 및 F1 점수 96.00%).

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.

연구 동기 및 목표

• 비전문가를 위한 빠른 꽃 식별을 모바일 앱으로 가능하게 하는 동기를 부여합니다.
• 온디바이스 꽃 분류를 위한 여러 CNN 아키텍처를 평가합니다.
• 모바일 꽃 인식에 대해 최상의 성능을 내는 최적화 알고리즘을 식별합니다.

제안 방법

• 모바일 친화적 파이프라인에서 세 가지 CNN 모델(MobileNet, DenseNet121, Xception)을 구현합니다.
• 일곱 가지 다른 최적화 알고리즘을 사용하여 모델을 학습하고 평가합니다.
• 모바일 배치를 위해 최고 성능 모델을 선택하기 위해 정확도, 정밀도, 재현율, F1 점수를 비교합니다.

실험 결과

연구 질문

• RQ1 MobileNet, DenseNet121, Xception 중 어떤 CNN 아키텍처가 모바일 꽃 인식에 가장 적합합니까?
• RQ2 다양한 최적화 알고리즘이 모바일 꽃 인식 설정에서 모델 성능에 어떻게 영향을 미칩니까?
• RQ3 CNN 기반 모바일 앱이 비전문가를 위한 고정확도의 신뢰할 수 있는 꽃 인식이 가능합니까?

주요 결과

• 테스트된 모델들 중 DenseNet121에 SGD를 적용한 경우 최상의 성능을 달성했습니다.
• 보고된 최고 지표: 정확도 95.84%, 정밀도, 재현율, F1 점수 96.00%.