植物种类识别是植物科学、农林业调查和生产管理等领域的基础性工作,花卉鉴定是植物鉴定的关键步骤。百合也是中国重要的观赏作物,也是名贵的药用原料。但是由于百合花品种很多,因此怎样才能够方便快捷的鉴别辨识百合的品种就成了药用植物学领域的关键研究课题。针对人工花卉种类识别成本高、效率低,传统计算机识别方法准确率较低等问题。本文应用神经网络对不同种类的百合花进行识别并建立数据库,探讨了目前较为有名的三种神经网络:GoogLeNet、MobileNetV3、ResNet的对本文数据集的识别效果。以此来完成针对百合种类识别的应用。本文主要完成以下工作:（1）百合花数据库的建立。在山西农业大学园艺学院试验地以及石家庄市云上太行产业园区内,对24种百合进行数据采集,总计11000张,每个种类样本的数量差距不能过大。随机选取数据集里4800张图片,每个种类200张按照训练集与测试集和验证集的比例为8比1比1进行了识别训练。（2）对收集到的百合图片进行预处理。其中,单一背景叶片采用数据增强中的旋转、镜面翻转等方法扩充数据集。对于背景比较复杂的图片,则使用图片标注对主要识别区域进行标签的添加。（3）通过分析不同卷积型神经网络模式,对不同类型的百合花识别的效应。并利用百合花数据集,对三个模式进行训练。结合模型的训练过程以及可视化的比较。根据最终测试集的精度,由高至低依次依次是MobileNet V3（89.37%）、ResNet（85.93%）、GoogLeNet（86.61%）,但其中各个模型对于外形相似的百合花的识别准确率较差（低于40%）。（4）开发一款基于卷积神经网络的百合花识别的手机APP。在构建识别服务器的当时,作者是使用的是Django框架,这是一种完全采用了MVC系统设计模型的构架,它是采用了Python语言进行编程的,同时使用SQLite搭建了花卉数据库,搭建好服务器与数据库之后再进行百合花种类识别移动端的设计,设计好的移动端App可以让用户进行图片的上传与识别,在实践中具有较高的指导价值,为我国百合识别的智能化研究提供技术支撑。