Φυτά υπάρχουν παντού ζούμε, καθώς και χώρους χωρίς εμάς. Πολλοί από αυτούς έχουν σημαντικό πληροφορίες για την εξέλιξη της ανθρώπινης κοινωνίας. Η επείγουσα κατάσταση είναι ότι πολλά φυτά βρίσκονται σε κίνδυνο εξαφάνισης. Γι 'αυτό είναι πολύ απαραίτητο να δημιουργηθεί μια βάση δεδομένων για την προστασία των φυτών. Πιστεύουμε ότι το πρώτο βήμα είναι να διδάξει έναν υπολογιστή πώς να ταξινομήσει τα φυτά. Σε σύγκριση με άλλες μεθόδους, όπως οι μέθοδοι των κυττάρων και το μόριο βιολογία, ταξινόμηση βάσει φύλλο εικόνας είναι η πρώτη επιλογή για φύλλα των φυτών ταξινόμησης. Δειγματοληψία φύλλων και photoing τους είναι χαμηλού κόστους και εύκολη. Κάποιος μπορεί εύκολα να μεταφέρει την εικόνα του φύλλου σε έναν υπολογιστή και έναν υπολογιστή μπορεί να εξάγει τα χαρακτηριστικά αυτόματα σε τεχνικές επεξεργασίας εικόνας. Μερικά συστήματα χρησιμοποιούν ονομασίες που χρησιμοποιούνται από τους βοτανολόγους. Αλλά δεν είναι εύκολο να εξάγει και να μεταφέρει αυτά τα χαρακτηριστικά σε έναν υπολογιστή αυτόματα.
Έχουμε αναπτύξει ένα αποτελεσματικό αλγόριθμο για την ταξινόμηση των φύλλων που συνδυάζει στατιστικά στοιχεία υψηλής τάξης της εικόνας εμφανίζεται μαζί με πληροφορίες το σχήμα και νευρωνικών δικτύων ως μη γραμμικό ταξινομητή. Ο κώδικας έχει δοκιμαστεί με τη βάση δεδομένων FLAVIA επιτυγχάνοντας άριστο ποσοστό αναγνώρισης του 92,09% (32 μαθήματα, 40 εικόνες εκπαίδευση και τις υπόλοιπες εικόνες που χρησιμοποιούνται για τη δοκιμή για κάθε κατηγορία, ως εκ τούτου, υπάρχουν 1280 εικόνες κατάρτισης και 627 εικόνες δοκιμής στο σύνολο επιλέγονται τυχαία και δεν υπάρχει επικάλυψη μεταξύ των εικόνων εκπαίδευσης και δοκιμών).
Η προσέγγισή μας υπερτερεί αλγόριθμο FLAVIA και επιπλέον δεν απαιτεί καμία ανθρώπινη επέμβαση μέρος. Στην FLAVIA αλγόριθμο στην πραγματικότητα θα πρέπει να επισημάνετε τους δύο ακροδέκτες του κύριου φλέβα του φύλλου με ένα κλικ. . Η απόσταση μεταξύ των δύο τερματικών κόμβων ορίζεται ως το φυσιολογικό μήκος
Απαιτήσεις :
Matlab
Τα σχόλια δεν βρέθηκε