Växter finns överallt vi lever, liksom platser utan oss. Många av dem bär viktig information för utvecklingen av det mänskliga samhället. Den akuta situationen är att många växter löper risk att utrotas. Så det är mycket nödvändigt att inrätta en databas för växtskydd. Vi tror att det första steget är att lära en dator hur man klassificera växter. Jämfört med andra metoder, såsom cell- och molekyl biologiska metoder, klassificering bygger på blad bilden är det första valet för bladverket klassificering. Provtagning löv och photoing dem är billig och bekväm. Man kan enkelt överföra blad bilden till en dator och en dator kan extrahera funktioner automatiskt i bildbehandlingsteknik. Vissa system använder beskrivningar som används av botanister. Men det är inte lätt att utvinna och överföra dessa funktioner till en dator automatiskt.
Vi har utvecklat en effektiv algoritm för blad klassificering som kombinerar hög orderstatistik för bilden har tillsammans med form information och neurala nätverk som olinjära klassificerare. Koden har testats med FLAVIA databas uppnå ett utmärkt erkännande andelen 92,09% (32 klasser, 40 träningsbilder och de återstående bilder som används för testning för varje klass, därmed finns det 1280 träningsbilder och 627 testbilder totalt slumpmässigt utvalda och ingen överlappning finns mellan utbildning och testbilder).
Vårt tillvägagångssätt träffar FLAVIA algoritm och dessutom inte kräver någon människa störde en del. I FLAVIA algoritm faktiskt måste du markera de två terminalerna i huvud ven av bladet via musklick. . Avståndet mellan de två terminalerna definieras som fysiologiska längden
Krav :
Matlab
Kommentarer hittades inte