Planter eksisterer overalt vi lever, samt steder uten oss. Mange av dem bærer vesentlig informasjon for utvikling av menneskelige samfunn. Det akutte situasjonen er at mange planter er i fare for å bli utryddet. Så det er veldig nødvendig å sette opp en database for plantevern. Vi tror at det første trinnet er å lære en datamaskin hvordan å klassifisere planter. Sammenlignet med andre metoder, for eksempel celle og molekyl biologiske metoder, klassifisering basert på blad bildet er førstevalget for blad plante klassifisering. Prøvetaking blader og photoing dem er rimelig og praktisk. Man kan enkelt overføre bladet bildet til en datamaskin og en datamaskin kan trekke funksjoner automatisk i bildebehandlingsteknikker. Noen systemer benytter beskrivelser som brukes 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 blad klassifisering som kombinerer høy ordrestatistikk for bilde har sammen med formen informasjon og nevrale nettverk som ikke-lineær klassifikator. Koden har blitt testet med FLAVIA database oppnå en utmerket anerkjennelse rate på 92,09% (32 klasser, 40 treningsbilder og de resterende bilder som brukes til testing for hver klasse, dermed er det 1280 treningsbilder og 627 testbilder totalt tilfeldig valgt, og ingen overlapping mellom opplærings- og testbilder).
Vår tilnærming utkonkurrerer FLAVIA algoritme og dessuten det ikke krever noen menneskelig forstyrret del. I FLAVIA algoritmen faktisk trenger du for å markere de to terminalene på hoved blodåre av bladet via museklikk. . Avstanden mellom de to terminalene er definert som den fysiologiske lengde
Krav :
Matlab
Kommentarer ikke funnet