Cây tồn tại ở khắp mọi nơi chúng ta đang sống, cũng như những nơi mà không có chúng. Nhiều người trong số họ mang thông tin quan trọng cho sự phát triển của xã hội loài người. Các tình trạng khẩn cấp là nhiều nhà máy có nguy cơ tuyệt chủng. Vì vậy, nó là rất cần thiết để thiết lập một cơ sở dữ liệu bảo vệ thực vật. Chúng tôi tin tưởng rằng bước đầu tiên là để dạy cho một máy tính như thế nào để phân loại thực vật. So với các phương pháp khác, chẳng hạn như các phương pháp tế bào và sinh học phân tử, phân loại dựa trên hình ảnh lá là sự lựa chọn đầu tiên để phân loại cây lá. Lấy mẫu lá và photoing chúng có chi phí thấp và thuận tiện. Người ta có thể dễ dàng chuyển hình ảnh lá đến một máy tính và một máy tính có thể trích xuất các tính năng tự động trong kỹ thuật xử lý hình ảnh. Một số hệ thống sử dụng các mô tả được sử dụng bởi các nhà thực vật. Nhưng nó không phải là dễ dàng để trích xuất và chuyển nhượng các tính năng với máy tính tự động.
Chúng tôi đã phát triển một thuật toán hiệu quả để phân loại lá kết hợp thống kê bậc cao của hình ảnh có tính năng cùng với các thông tin và hình dạng mạng lưới thần kinh như phân phi tuyến. Mã này đã được thử nghiệm với cơ sở dữ liệu Flavia đạt được một tỷ lệ nhận dạng xuất sắc 92.09% (32 lớp học, 40 ảnh đào tạo và những hình ảnh còn lại được sử dụng để thử nghiệm cho mỗi lớp, do đó có những hình ảnh đào tạo năm 1280 và 627 hình ảnh kiểm tra trong tổng số lựa chọn ngẫu nhiên và không có có sự trùng lặp giữa đào tạo và kiểm tra các hình ảnh).
Cách tiếp cận của chúng tôi tốt hơn thuật toán Flavia và hơn nữa nó không yêu cầu bất kỳ con người can thiệp một phần. Trong thuật toán Flavia trong thực tế, bạn cần phải đánh dấu hai thiết bị đầu cuối của các tĩnh mạch chính của lá thông qua nhấp chuột. . Khoảng cách giữa hai thiết bị đầu cuối được định nghĩa là chiều dài sinh lý
Yêu cầu :
Matlab
Bình luận không