伴随着教育理念的转变和技术的不断创新,以知识拓展和实践能力培养为目标的户外学习受到了越来越多的关注。移动视觉搜索技术作为一种前沿的信息检索和知识交互方式,可以实现对图像等视觉信息的检索,无疑为户外拓展学习提供了强有力的技术支持。但目前存在的主要问题是此类学习系统的图像匹配技术不够成熟,在实际应用中识别的准确性不高。如何有效提高系统识别的准确性,提升此类系统的可靠性以增进学习者的学习效率,已经成为户外学习领域的重要研究课题之一。就图像识别领域而言,深度学习方法在一定程度上能够克服光线、遮挡、角度等因素的干扰,具有良好的鲁棒性。深度学习方法较传统的图像识别方法在识别精度上也有了明显的提高。为此,本文希望能够利用深度学习的方法来改进以往系统存在的不足。鉴于生物学的学科特点和深度学习的技术优势,本文选取“花朵”作为识别对象,提出一种基于深度学习算法的花朵识别研究方法。将这种方法用在户外学习系统上,不仅将大幅提高应用系统的可靠性和用户体验,而且能够提高学习者的学习效率。为此,论文主要做了以下工作:(1)提出了一种基于深度学习算法的花朵识别模型构建方法。具体包括构建了一个包含10类5.76万张花朵图像的数据集,并在此数据集上设计对比实验,探究了激活函数、感受野、卷积层数等参数的设定方法和寻优策略。(2)通过大量的实验,反复修改、调整网络结构和参数,设计并构建了一个花朵深度学习识别模型并对模型做了优化。此模型在新的样本数据上取得了较为满意的测试结果。(3)设计并实现了一个基于花朵识别算法的户外植物知识拓展原型系统。经过系统设计、实现和测试,进一步验证了此花朵识别方法的可行性,证实了系统的研究和应用价值。