随着近年来大数据时代的兴起,GPU等硬件的发展,含更多隐含层的深度卷积神经网络具有更复杂的网络结构,与传统机器学习方法相比具有更强大的特征学习和特征表达能力。现在人们通过手机、iPad、数码相机等移动设备随时随地可以拍摄到各种各样的花卉图像,但大多数人并不能专业的辨别出各种花卉,对花卉的分类识别仍然需要在专业人士的知识和指导下才能进行。由于花卉所处的环境复杂、花卉本身的相似性和同一种花卉的差异性,使得传统的图像分类方法并不能很好解决这类问题。所以,本文通过研究多层次的卷积神经网络对花卉进行图像识别。本文的主要工作和创新:针对传统机器学习方法对花卉分类时,对图像分割效果和手工特征选择依赖较高,准确率也不是很高的问题,本文提出使用深度卷积神经网络方法进行花卉分类。实验结果表明,利用含更多隐含层的深度卷积神经网络进行特征提取和分类,比传统的图像分类和识别具有更强的优势,不需要再对花卉进行图像分割和手工图像特征选择,由计算机自己进行处理即可,而且最终的识别率明显较传统方法有了很大提升。