兰花有着繁多的种类和广泛的分布,随着国民生活水平的提高,种植兰花成为越来越多人生活工作之余的兴趣爱好。由于品种众多、外表相似,不同种类兰花的价值和研究意义存在很大差异,不能准确识别兰花种类造成了很多兰花爱好者以及相关兰花工作者不必要的损失。现有的国兰识别方法存在依赖个人经验不完全准确,或是需要非常专业的植物学知识和相关实验设备的缺陷,无法推广普及。为了辅助兰花爱好者更好的辨别兰花种类,同时对科研工作者分类鉴定提供帮助,需要一种针对国兰既能准确有效又方便快捷的识别方法。基于上述背景和现状,本文采用基于Inception-Res Net-v2网络与迁移学习的技术来完成国兰图像分类识别的研究。本文主要进行的工作流程和内容如下:(1)针对目前缺乏高质量可用的公开国兰图像数据集这一情况,通过网络下载辅以实地拍摄和书籍扫描等方法对国兰图像进行采集和整理,建立了5种共计1982张传统种类国兰数据集A和8种共计2779张包含其余变种种类的常见国兰数据集B。(2)提出了一个基于Inception-Res Net-v2网络与迁移学习技术来完成国兰图像分类识别的方法,该方法Inception-Res Net-v2网络为预训练模型,设计通过结合迁移学习来探究实验结果影响因素及改进效果。(3)在Inception-Res Net-v2网络的基础上,设计融合浅层特征的结构,得到多路特征融合的改进Inception-Res Net-v2识别模型,提高了识别的准确率,可以达到更好的识别国兰分类的目的。(4)以本文提出的国兰图像识别模型为基础,设计并实现一个安卓(Android)平台的国兰图像识别系统,该系统可以通过拍照上传或是手机相册上传的方式来对选择的兰花图像进行识别并显示相关种类以及显示对应养护注意事项的功能。实验结果表明,本文所提出的5种最传统种类国兰图像识别模型Top-1准确率为91.51%,含其余品种的8类国兰图像识别模型Top-1准确率为87.23%,两个模型对于常见国兰图像均具有较高的识别率,达到了本文的预期目标,具有一定的研究意义。并且本文设计的国兰识别移动端应用可以及时的对用户上传的图像进行分析和识别,方便快捷,应用范围广,具有一定的实际意义和社会价值。