Leaf Recognition System

Leírás

Növények léteznek mindenütt, ahol élünk, és olyan helyeken is, ahol nem vagyunk. Sokan jelentős információkat hordoznak az emberi társadalom fejlődése szempontjából. A sürgős helyzet az, hogy sok növényt a kihalás veszélye fenyeget. Nagyon szükséges tehát a növényvédelmi adatbázis felállítása. Úgy gondoljuk, hogy az első lépés az, hogy megtanítsuk a számítógépet a növények osztályozására. Más módszerekkel, például sejt- és molekulabiológiai módszerekkel összehasonlítva a levélképen alapuló osztályozás az első számú választás a levélnövények osztályozására. A levelek mintavétele és fényképezése olcsó és kényelmes. A levélképet könnyen átvihetjük számítógépre, a számítógép pedig automatikusan ki tudja bontani a funkciókat a képfeldolgozási technikákban. Egyes rendszerek a botanikusok által használt leírásokat alkalmazzák. De nem könnyű ezeket a funkciókat automatikusan kibontani és átvinni a számítógépre.

Kifejlesztettünk egy hatékony algoritmust a levelek osztályozására, amely egyesíti a képjellemzők magas rendű statisztikáit alakinformációkkal és neurális hálózattal, mint nemlineáris osztályozóval. A kódot FLAVIA adatbázissal tesztelték, és kiváló, 92,09%-os felismerési arányt ért el (32 osztály, 40 edzéskép és a többi kép a teszteléshez használt minden osztályhoz, így összesen 1280 edzéskép és 627 tesztkép van véletlenszerűen kiválasztott, és nincs átfedés van a képzési és a tesztkép között).

Megközelítésünk felülmúlja a FLAVIA algoritmust, ráadásul nem igényel emberi beavatkozást. A FLAVIA algoritmusban valójában a levél főérének két terminálját kell kijelölni egérkattintással. A két terminál közötti távolság a fiziológiás hosszúság.