三江源作为中国最大的自然保护区,其丰富的生态资源琳琅满目,又被誉为中华水塔,对中国的生态状况及国民经济发展起着重要作用,在西部大开发生态环境的治理保护担负着重要的责任。本文将针对三江源生态保护区特有的动植物图片进行图像识别与分类,设计一种基于残差学习网络的方法对图像进行识别,通过迁移学习,在预训练模型的基础上进行训练,从而得到最终模型。本文将从数据的采集工作即数据集的建立开始,到图像识别分类的一般步骤,大致分为数据预处理,特征提取操作,训练过程,模型评估。在数据集的建立过程中要解决数据不平衡问题,通过收集和国家青藏高原科学数据中心提供的三江源特有的野生动植物数据图片,采用数据增加的办法对图片进行裁剪,旋转,缩放。在特征提取操作中要加强特征提取能力,通过特征融合的办法,在现有的预训练模型中加入注意力机制,它们分别是通道注意力机制和空间注意力机制,使得模型训练更加关注有效的特征,从而加速模型训练过程和提高模型泛化能力。在训练的过程中,本文设计几组对比实验,通过几种典型的卷积神经网络,得出基于预训练模型Resnet18在自制数据集上的识别准确率和网络泛化能力相对于其它网络模型表现更好的结论。它在自制的数据集上验证集和训练集的准确率都达到了95%以上。然后通过改变基本模型,设置不同的分类器对比实验,把Resnet18的全连接层换成1×1的卷积层,由于训练过程不断地从前端神经网络获得参数,致使大量网络参数累积到全连接层,数据经过全连接层输出。它的输出的结果固定,换成1×1卷积层既能解决输出结果为1×n维向量问题又能解决减少网络参数问题。最后通过训练好的模型设计主系统,它是一种基于三江源动植物图像识别分类系统,实现了三种功能,分别为文本检索功能,图像识别分类功能,关联检索功能。另外作为补充设计了辅系统,实现了基于内容的图像检索功能,通过特征提取操作与图像库中的图像进行特征匹配,计算余弦相似度,输出最终结果。