Rośliny istnieją wszędzie żyjemy, jak również miejsca, bez nas. Wielu z nich prowadzić istotne informacje dla rozwoju społeczeństwa ludzkiego. Pilna sytuacja jest, że wiele roślin są na ryzyko wyginięcia. Więc to jest bardzo potrzebne do utworzenia bazy danych dla środków ochrony roślin. Wierzymy, że pierwszym krokiem jest nauczenie komputera jak sklasyfikować roślin. W porównaniu z innymi metodami, takimi jak komórki i cząsteczki metod biologii, klasyfikacja na podstawie liści, zdjęcie jest pierwszym wyborem dla klasyfikacji liści roślin. Pobieranie próbek liści i ich photoing są tani i wygodny. Można łatwo przenieść liść zdjęcie do komputera i komputer może automatycznie wyodrębnić cechy technik przetwarzania obrazu. Niektóre systemy wykorzystują opisy stosowanych przez botaników. Jednak nie jest to łatwe do odczytywania i przesyłania tych cech do komputera automatycznie.
Opracowaliśmy wydajny algorytm klasyfikacji liści, które łączy statystyki wyższego rzędu z obrazu wyposażony wraz z informacją o kształcie i sieci neuronowej jako klasyfikatora nieliniowej. Kod został przetestowany z bazy danych FLAVIA osiągnięcia doskonałą cenę uznania 92,09% (32 klas, 40 zdjęć szkoleniowe i pozostałe obrazy używane do testowania dla każdej klasy, stąd istnieje 1280 zdjęć 627 zdjęć szkoleniowe i badawcze w sumie wybrano losowo i nie ma istnieje nakładanie się obrazów treningów i testów).
Nasze podejście przewyższa algorytm Flavia, a ponadto nie wymaga ingerencji człowieka część. W algorytmie FLAVIA w rzeczywistości trzeba zaznaczyć dwa terminale głównej żyły liścia poprzez kliknięcie myszką. . Odległość między dwoma terminalami jest zdefiniowany jako długość fizjologicznej
Wymagania :
Matlab
Komentarze nie znaleziono