식물은 우리가 살고,뿐만 아니라 우리에 대한 도처에 존재한다. 그들 중 대부분은 인간 사회의 발전을위한 중요한 정보를 운반. 긴급 상황이 많은 식물은 멸종의 위험에 노출되어 있다는 것입니다. 그래서 식물 보호를위한 데이터베이스를 설정하는 것이 매우 필요하다. 우리는 첫 번째 단계는 어떻게 식물 분류하는 컴퓨터를 설명하는 것 믿는다. 잎 식물 분류에 대한 첫 번째 선택은 잎 이미지를 기반으로 다른 휴대 및 분자 생물학 방법과 같은 방법, 분류 함께 비교. 잎을 샘플링하고이를 photoing 낮은 비용과 편리합니다. 하나는 쉽게 컴퓨터 리프 화상을 전송할 수 있고, 컴퓨터가 화상 처리 기술에서 기능을 자동으로 추출 할 수있다. 일부 시스템은 식물 학자에 의해 사용 설명을 사용합니다. 그러나 자동 추출 시스템에 이러한 기능을 전송하는 것은 쉽지 않다.
우리는 이미지가 비선형 분류와 같은 형상 정보 및 신경 네트워크 기능과 함께 높은 순서 통계를 결합 잎 분류를위한 효율적인 알고리즘을 개발했다. 코드는, 따라서 1280 트레이닝 이미지와 합계 627 시험 화상이 무작위로 선택된있다 FLAVIA 데이터베이스 (92.09 %, 각각의 클래스에 대한 테스트를 위해 사용되는 32 개의 클래스, 40 트레이닝 영상과 나머지 이미지 우수한 인식률을 달성 테스트없이되었습니다 중복) 훈련 및 테스트 이미지 사이에 존재합니다.
우리의 접근 방식은 FLAVIA 알고리즘의 성능을 능가하고 또한 그것은 어떤 인간이 부분을 방해 필요하지 않습니다. 사실 FLAVIA 알고리즘에서는 마우스 클릭을 통해 잎의 주요 정맥의 두 단자를 표시해야합니다. 두 단자 사이의 거리가 생리 길이로 정의된다
이 요구 사항 :있다.
matlab에
댓글을 찾을 수 없습니다