Leaf Recognition System

Beskrivelse

Planter findes overalt, hvor vi bor, såvel som steder uden os. Mange af dem har væsentlig information til udviklingen af ​​det menneskelige samfund. Den akutte situation er, at mange planter er i fare for at uddø. Så det er meget nødvendigt at oprette en database for plantebeskyttelse. Vi mener, at det første skridt er at lære en computer at klassificere planter. Sammenlignet med andre metoder, såsom celle- og molekylebiologiske metoder, er klassificering baseret på bladbillede det første valg til bladplanteklassificering. Prøvetagning af blade og fotografering af dem er billigt og praktisk. Man kan nemt overføre bladbilledet til en computer, og en computer kan udtrække funktioner automatisk i billedbehandlingsteknikker. Nogle systemer anvender beskrivelser, der bruges af botanikere. Men det er ikke nemt at udtrække og overføre disse funktioner til en computer automatisk.

Vi har udviklet en effektiv algoritme til bladklassificering, der kombinerer højordens statistikker over billedtræk sammen med forminformation og neurale netværk som ikke-lineær klassificering. Koden er blevet testet med FLAVIA-databasen og opnåede en fremragende genkendelsesrate på 92,09% (32 klasser, 40 træningsbilleder og de resterende billeder brugt til test for hver klasse, derfor er der 1280 træningsbilleder og 627 testbilleder i alt tilfældigt udvalgt og ingen Der er overlap mellem trænings- og testbillederne).

Vores tilgang overgår FLAVIA-algoritmen, og den kræver desuden ikke nogen menneskelig indblanding. I FLAVIA-algoritmen skal du faktisk markere de to terminaler af bladets hovedåre via et museklik. Afstanden mellem de to terminaler er defineret som den fysiologiske længde.