Leaf Recognition System

Beskrivelse

Planter finnes overalt hvor vi bor, så vel som steder uten oss. Mange av dem har betydelig informasjon for utviklingen av det menneskelige samfunn. Den akutte situasjonen er at mange planter står i fare for å dø ut. Så det er veldig nødvendig å sette opp en database for plantevern. Vi tror at det første trinnet er å lære en datamaskin hvordan man klassifiserer planter. Sammenlignet med andre metoder, som celle- og molekylbiologiske metoder, er klassifisering basert på bladbilde førstevalget for bladplanteklassifisering. Prøvetaking av blader og fotografering av dem er rimelig og praktisk. Man kan enkelt overføre bladbildet til en datamaskin og en datamaskin kan trekke ut funksjoner automatisk i bildebehandlingsteknikker. Noen systemer bruker beskrivelser brukt av botanikere. Men det er ikke lett å trekke ut og overføre disse funksjonene til en datamaskin automatisk.

Vi har utviklet en effektiv algoritme for bladklassifisering som kombinerer høyordens statistikk over bildefunksjoner sammen med forminformasjon og nevrale nettverk som ikke-lineær klassifisering. Koden har blitt testet med FLAVIA-databasen og oppnår en utmerket gjenkjenningsrate på 92,09 % (32 klasser, 40 treningsbilder og de resterende bildene brukt til testing for hver klasse, derfor er det totalt 1280 treningsbilder og 627 testbilder tilfeldig valgt og ingen overlapping mellom trenings- og testbildene).

Vår tilnærming utkonkurrerer FLAVIA-algoritmen og krever dessuten ingen menneskelig forstyrret del. I FLAVIA-algoritmen må du faktisk merke de to terminalene til bladets hovedåre via museklikk. Avstanden mellom de to terminalene er definert som den fysiologiske lengden.