面向海量植物图像的智能检索系统设计

计算机与现代化 ›› 2022, Vol. 0 ›› Issue (10): 62-67.

面向海量植物图像的智能检索系统设计

(中国科学院昆明植物研究所科技信息中心，云南昆明650201)

出版日期:2022-10-20 发布日期:2022-10-21
作者简介:邱金水(1987—)，男，广东韶关人，高级工程师，硕士，研究方向：软件工程，植物科学大数据，E-mail: qiujinshui@mail.kib.ac.cn; 通信作者：庄会富(1985—)，男，山东日照人，高级工程师，博士，研究方向：信息化，植物科学大数据，E-mail: zhuanghuifu@mail.kib.ac.cn; 金涛(1987—)，男，云南昆明人，工程师，硕士，研究方向：网络工程，植物科学大数据，E-mail: jintao@mail.kib.ac.cn。
基金资助:
中国科学院网络安全和信息化专项(CAS-WX2022SDC-SJ01); 云南省生物资源数字化开发应用项目(202002AA100007); 中国科学院青年创新促进会会员支持项目(2022397)

Design of Intelligent Retrieval System for Massive Plant Images

(Science and Technology Information Center, Kunming Institute of Botany, Chinese Academy of Sciences, Kunming 650201, China)

Online:2022-10-20 Published:2022-10-21

摘要/Abstract

摘要： 针对传统软件技术设计的植物图像检索系统中存在无法实现智能检索、植物图像数量增长慢、检索系统难以扩容，以及当植物图像数量达到百万级以上时检索效率低和检索请求高并发时植物图像加载慢等问题，提出利用百度AI技术、ImageSharp图像分割技术和CV2颜色识别技术实现植物图像的智能检索。利用FastDFS技术实现检索系统的动态扩容、负载均衡和植物图像的快速加载，利用Solr搜索引擎技术提高海量植物图像的检索效率，利用Python爬虫技术不断丰富检索系统的植物图像从而实现检索系统的可持续化发展。实验结果表明，通过上述技术能够构建一个面向海量植物图像的智能检索系统。

关键词: 植物图像, 检索系统, 大数据, 人工智能, 分布式存储, 搜索引擎, 网络爬虫

Abstract: In view of the problems of the plant image retrieval system designed by traditional software technology, such as unable to realize intelligent retrieval, slow growth of the number of plant images, difficult expansion of the retrieval system, low retrieval efficiency when the number of plant images reaches more than one million, and slow loading of plant images when the retrieval requests are highly concurrent, Baidu AI technology, image segmentation technology ImageSharp and color recognition technology CV2 are used to realize intelligent retrieval of plant images. FastDFS technology is used to realize the dynamic expansion, load balancing and rapid loading of plant images of the retrieval system, Solr search engine technology is used to improve the retrieval efficiency of massive plant images, and Python crawler technology is used to continuously enrich the plant images of the retrieval system, so as to realize the sustainable development of the retrieval system. The experimental results show that the above technology can build an intelligent retrieval system for massive plant images.

Key words: plant image, retrieval system, big data, artificial intelligence, distributed storage, search engine, Web crawler

邱金水, 庄会富, 金涛. 面向海量植物图像的智能检索系统设计[J]. 计算机与现代化, 2022, 0(10): 62-67.

QIU Jin-shui, ZHUANG Hui-fu, JIN Tao. Design of Intelligent Retrieval System for Massive Plant Images[J]. Computer and Modernization, 2022, 0(10): 62-67.

参考文献

［1］曹乔卓然,陈祖刚,李国庆,等. 科学数据中心资源和用户访问控制体系［J］. 大数据, 2022,8(1):98-112.
［2］中国科学院植物研究所. 中国植物图像库［DB/OL］. ［2022-03-21］. http://ppbc.iplant.cn.
［3］中国科学院植物研究所. 中国数字植物标本馆［DB/OL］. ［2022-03-21］. https://www.cvh.ac.cn/.
［4］刘国奇,邓铭,李晨静. 融合RGB颜色空间的植物图像分割模型［J］. 郑州大学学报(理学版), 2019,51(1):18-23.
［5］曹靖康,段江永,孟娟. 基于深度特征融合的空间植物图像分割算法［J］. 计算机与现代化, 2018(10):58-62.
［6］张雪芹,余丽君. 基于判别关键域和深度学习的植物图像分类［J］. 计算机工程与设计, 2020,41(3):742-748.
［7］晏艺真,周坚华. 基于叶缘特征的植物图像分类检索［J］. 华东师范大学学报(自然科学版), 2015(4):154-163.
［8］刘伟,霍德尚,张效岳. 植物图像管理系统设计与实现［J］. 信息技术与信息化, 2022(1):12-15.
［9］曹香滢,孙卫民,朱悠翔,等. 基于科优先策略的植物图像识别［J］. 计算机应用, 2018,38(11):3241-3245.
［10］樊帅,王鑫,阎镇. 基于全卷积神经网络的空间植物图像快速识别［J］. 计算机系统应用, 2018,27(11):136-141.
［11］原忠虎,王维,苏宝玲. 基于改进VGGNet模型的外来入侵植物叶片识别方法［J］. 计算机与现代化, 2021(9):7-11.
［12］章丽姣,吴成玉,吴飞青. 基于Android系统的植物图像检索研究［J］. 安徽电子信息职业技术学院学报, 2016,15(5):1-5.

［13］于娟,李影,王波,等. 基于改进的PHOG算法的手绘植物图像检索研究［J］. 福建电脑, 2015,31(12):7-9.

［14］潘小多,李新,冉有华,等. 开放科学背景下的科学数据开放共享:国家青藏高原科学数据中心的实践［J］. 大数据, 2022,8(1):113-120.
［15］刘雷,郭志军,马海欣,等. 分布式数据库在金融应用场景中的探索与实践［J］. 大数据, 2019,5(1):77-86.
［16］MITCHELL R. Python网络数据采集［M］. 陶俊杰,陈小莉,译. 北京:人民邮电出版社, 2016:132-137.
［17］袁骏毅,尤丽珏,潘常青. 分布式存储在专科医院PACS系统的应用研究［J］. 计算机应用与软件, 2021,38(5):32-36.
［18］朱帅. 基于FastDFS的云存储文件系统性能优化设计与实现［D］. 南京:东南大学, 2017.
［19］刘雁行,米佳,韩雪,等. 内蒙古电力营销数据智能搜索引擎［J］. 计算机与现代化, 2019(7):78-81.
［20］陈浩,张亚,罗希昌,等. 基于MongoDB的气象数据存储检索系统［J］. 计算机与现代化, 2020(8):100-104.
［21］王镇宇,郑扬飞. 基于排序学习算法的智能检索系统［J］. 计算机与现代化, 2021(10):35-40.
［22］贾贺,艾中良,贾高峰,等. 基于Solr的司法大数据检索模型研究与实现［J］. 计算机工程与应用, 2017,53(20):249-253.
［23］于晓明,史胜楠,甘克勤. 基于Solr的标准信息检索技术及其优化［J］. 科学技术与工程, 2020,20(4):1504-1508.
［24］王建荣,季刚. 海量自动气象站分钟数据存储检索系统设计［J］. 计算机与现代化, 2017(9):40-44.
［25］杨科,朱泳标,李娜. 工程地质资料检索系统的设计和应用［J］. 计算机技术与发展, 2022,32(2):172-176,182.
［26］葛云生,孔杰. 分布式全文检索技术的研究及应用［J］. 计算机工程与设计, 2018,39(9):2997-3001.
［27］百度. 帮助文档-图像识别-植物识别［EB/OL］. (2021-11-26)［2022-01-17］. https://ai.baidu.com/ai-doc/IMAGERECOGNITION/Mk3bcxe9i.

[1]	赵花蕊. STRL：基于强化学习的测试算法[J]. 计算机与现代化, 2024, 0(08): 5-10.
[2]	李俊晓1, 张小琳1, 石静2. 基于区块链增强的车辆边缘计算网络安全数据存储和共享[J]. 计算机与现代化, 2024, 0(07): 69-75.
[3]	邱玲1, 2, 宋智1, 2, 吕爽1, 2, 杨雪1, 2. 数据同步技术在气象大数据云平台对外服务中的应用[J]. 计算机与现代化, 2024, 0(07): 76-81.
[4]	余春雷1, 2, 刘笃晋1, 朱华伟1, 杨佳蓉3. 基于Petersen图的部分重复码[J]. 计算机与现代化, 2024, 0(03): 122-126.
[5]	王子琛, 瞿有利. 基于CRF的分区倒排索引压缩算法[J]. 计算机与现代化, 2024, 0(02): 36-42.
[6]	梁天恺, 黄康华, 刘凯航, 兰岚, 曾碧. 基于双向同态加密的深度联邦图片分类方法[J]. 计算机与现代化, 2023, 0(12): 36-40.
[7]	陈子健, 段春红. 面向在线学习情境的认知情绪面部表情识别[J]. 计算机与现代化, 2023, 0(10): 92-98.
[8]	周明升, 张雯. 一种面向多源数据的智慧园区管理平台[J]. 计算机与现代化, 2023, 0(05): 68-74.
[9]	白开峰, 赵宏斌, 张芸, 李妍, 崔静安, 刘千金, 杨华, 倪娜. 电网异常业务数据检测方法综述[J]. 计算机与现代化, 2023, 0(03): 79-83.
[10]	单珂, 张一鸣, 刘瑞霞, . 面向中原城市群的科技服务资源池研究与设计[J]. 计算机与现代化, 2022, 0(07): 91-96.
[11]	黄安琪, 苗放, 杨文晖, 倪雅婷, 蒋媛. 基于数据架构的结构化数据注册引擎设计[J]. 计算机与现代化, 2022, 0(05): 82-89.
[12]	林凡勤, 李明明, 郭红. 变压器故障诊断技术综述[J]. 计算机与现代化, 2022, 0(03): 116-126.
[13]	许贤慧, 王淑营, 曾文驱. 面向工程数据检索的ElasticSearch索引优化策略[J]. 计算机与现代化, 2022, 0(02): 79-84.
[14]	曹禹, 李晓辉, 刘忠麟, 贾贺, 费志伟. 云环境大数据工作流编排管理系统研究综述[J]. 计算机与现代化, 2022, 0(01): 41-53.
[15]	张小芳, 冯慧芳. 基于轨迹大数据的动态最优路径规划[J]. 计算机与现代化, 2021, 0(11): 82-88.