Bitkiler yaşadığımız yanı sıra, bizsiz yerleri her yerde var. Birçoğu insan toplumunun gelişimi için önemli bilgiler taşır. acil durum birçok bitki yok olma riski olmasıdır. Yani bitki koruma için bir veritabanı kurmak için çok gereklidir. Biz ilk adımı nasıl bitkiler sınıflandırmak için bir bilgisayar öğretmek olduğuna inanıyoruz. Yaprak bitki sınıflandırma için ilk tercih yaprak resmin dayalı diğer tür hücre ve molekül biyolojisi yöntemleri gibi yöntemler, sınıflandırılması ile karşılaştırıldığında. Yaprakları Örnekleme ve onları photoing düşük maliyetli ve kullanışlı. Bir bilgisayara kolayca yaprak görüntüsünü aktarabilirsiniz ve bilgisayar görüntü işleme teknikleri otomatik özellikleri elde edebilirsiniz. Bazı sistemler botanikçiler tarafından kullanılan açıklamaları istihdam. Ama özü ve otomatik bir bilgisayara bu özellikleri aktarmak kolay değil.
Biz görüntü doğrusal olmayan sınıflandırıcı olarak şekil bilgisi ve sinir ağı ile birlikte özellikleri yüksek mertebeden istatistiklerini birleştiren yaprak sınıflandırma için verimli bir algoritma geliştirdik. Kod, dolayısıyla 1280 eğitim görüntüleri ve toplam 627 sınav görüntüleri rastgele seçilen vardır FLAVIA veritabanı (92,09% her sınıf için test için kullanılan 32 sınıfları, 40 eğitim görüntüleri ve kalan görüntüleri mükemmel bir tanıma oranı elde test ve hiçbir edilmiş örtüşme) eğitim ve test görüntüleri arasında var.
Yaklaşımımız FLAVIA algoritması daha iyi performans ve üstelik, herhangi bir insan bölümünü müdahale gerektirmez. Aslında FLAVIA algoritması fare tıklama ile yaprak ana damara iki terminalleri işaretlemek gerekir. . İki terminalleri arasındaki mesafe fizyolojik uzunluğu olarak tanımlanır
Gereksinimler :
Matlab
Yorum Bulunamadı