Leaf Recognition System

Kuvaus

Kasveja on kaikkialla, missä elämme, sekä paikoissa, joissa meitä ei ole. Monet heistä sisältävät merkittävää tietoa ihmisyhteiskunnan kehitykselle. Kiireellinen tilanne on, että monet kasvit ovat vaarassa kuolla sukupuuttoon. Joten on erittäin tarpeellista perustaa tietokanta kasvinsuojelua varten. Uskomme, että ensimmäinen askel on opettaa tietokoneelle kasvien luokittelu. Verrattuna muihin menetelmiin, kuten solu- ja molekyylibiologian menetelmiin, lehtikuvaan perustuva luokittelu on ensimmäinen valinta lehtikasvien luokittelussa. Lehdistä näytteenotto ja valokuvaus on edullista ja kätevää. Lehtikuva voidaan siirtää helposti tietokoneelle ja tietokone voi poimia ominaisuuksia automaattisesti kuvankäsittelytekniikoissa. Jotkut järjestelmät käyttävät kasvitieteilijöiden käyttämiä kuvauksia. Mutta näiden ominaisuuksien purkaminen ja siirtäminen tietokoneeseen automaattisesti ei ole helppoa.

Olemme kehittäneet tehokkaan lehtien luokittelun algoritmin, joka yhdistää kuvan piirteiden korkealuokkaiset tilastot, muotoinformaation ja hermoverkon epälineaarisena luokittimena. Koodi on testattu FLAVIA-tietokannan kanssa saavuttaen erinomaisen 92,09 %:n tunnistusprosentin (32 luokkaa, 40 harjoituskuvaa ja loput kuvat käytetään testaukseen jokaisessa luokassa, joten harjoituskuvaa on yhteensä 1280 ja testikuvaa yhteensä 627 satunnaisesti valittua ja ei koulutus- ja testikuvat ovat päällekkäisiä).

Lähestymistapamme toimii paremmin kuin FLAVIA-algoritmi, eikä se myöskään vaadi ihmisen puuttumaa osaa. FLAVIA-algoritmissa itse asiassa sinun täytyy merkitä lehden pääsuonen kaksi päätepistettä hiiren napsautuksella. Kahden terminaalin välinen etäisyys määritellään fysiologiseksi pituudeksi.