Leaf Recognition System

Beschreibung

Pflanzen gibt es überall, wo wir leben, aber auch Orte außerhalb von uns. Viele von ihnen enthalten wichtige Informationen für die Entwicklung der menschlichen Gesellschaft. Die dringende Situation ist, dass viele Pflanzen vom Aussterben bedroht sind. Daher ist es sehr wichtig, eine Datenbank für den Pflanzenschutz einzurichten. Wir glauben, dass der erste Schritt darin besteht, einem Computer beizubringen, wie man Pflanzen klassifiziert. Im Vergleich zu anderen Methoden, wie z. B. zell- und molekularbiologischen Methoden, ist die Klassifizierung anhand von Blattbildern die erste Wahl für die Klassifizierung von Blattpflanzen. Das Proben von Blättern und das Fotografieren davon sind kostengünstig und bequem. Man kann das Blattbild leicht auf einen Computer übertragen und ein Computer kann automatisch Merkmale in Bildverarbeitungstechniken extrahieren. Einige Systeme verwenden Beschreibungen, die von Botanikern verwendet werden. Aber es ist nicht einfach, diese Merkmale automatisch zu extrahieren und auf einen Computer zu übertragen.

Wir haben einen effizienten Algorithmus zur Blattklassifikation entwickelt, der hochrangige Statistiken von Bildmerkmalen zusammen mit Forminformationen und einem neuronalen Netzwerk als nichtlinearen Klassifikator kombiniert. Der Code wurde mit der FLAVIA-Datenbank getestet und erreichte eine hervorragende Erkennungsrate von 92,09 % (32 Klassen, 40 Trainingsbilder und die restlichen Bilder, die zum Testen für jede Klasse verwendet wurden, daher gibt es insgesamt 1280 Trainingsbilder und 627 Testbilder, die zufällig ausgewählt wurden und keine zwischen den Trainings- und Testbildern besteht eine Überlappung).

Unser Ansatz übertrifft den FLAVIA-Algorithmus und erfordert darüber hinaus keinen menschlichen Eingriff. Im FLAVIA-Algorithmus müssen Sie nämlich die beiden Enden der Hauptader des Blattes per Mausklick markieren. Der Abstand zwischen den beiden Anschlüssen wird als physiologische Länge definiert.