室内植物识别因光照条件、植物种类及生长阶段的多样性而面临显著挑战。尽管深度学习技术在植物数据分析中的应用受到越来越多的关注，但针对室内植物种类自动识别的研究仍然不足，凸显了实时自动化解决方案的需求。为弥补这一空白，本研究提出了一种基于卷积神经网络（CNN）的创新方法PlantView，能够实现室内植物的实时识别和可视化，并通过增强现实（AR）技术提升用户交互体验。PlantView模型不仅能够准确分类植物种类，还可以在三维增强现实环境中进行可视化，使用户能够在真实环境中无缝地与虚拟植物模型互动。我们构建了一个包含48种不同植物在各种生长阶段的定制数据集，涵盖超过28,000张图像，这些图像在不同光照条件和摄像机设置下拍摄。该方法实现了98.20%的卓越准确率。为验证PlantView模型的有效性，我们进行了广泛实验，并将其性能与当前先进方法进行了比较，结果表明其在准确性和处理速度方面表现出显著优势。研究结果表明，该方法不仅在实时室内植物识别中高度有效，还在提升室内植物养护和可视化方面具有实际应用价值。本研究为室内植物爱好者和专业人士提供了一种综合解决方案，将先进的计算机视觉技术与沉浸式AR可视化相结合，革新了室内植物的识别、可视化及与生活空间的融合方式。

图1 PlantView模型的综合框架，用于提升室内植物识别与增强现实可视化。

图2 用于PlantView方法的自定义数据集样本图像。

图3 卷积层内部滤波器应用的可视化表示。

图4 ReLU激活函数的图示表示。

图5 该AR应用程序开发过程的一般工作流程。

图6 提出的实时室内植物分类和AR可视化方法的详细工作流程。

图7第50轮植物识别训练过程及损失曲线。

图8 (a) 该部分展示了原始的真实环境；(b) 该部分展示了增强现实（AR）环境中的多植物增强；(c) 该部分展示了增强现实（AR）环境中的单植物增强；(d) 该部分展示了带有附加选项的增强现实（AR）环境中的多植物增强。