Leaf Recognition System

Περιγραφή

Φυτά υπάρχουν παντού όπου ζούμε, καθώς και μέρη χωρίς εμάς. Πολλά από αυτά φέρουν σημαντικές πληροφορίες για την ανάπτυξη της ανθρώπινης κοινωνίας. Η επείγουσα κατάσταση είναι ότι πολλά φυτά κινδυνεύουν με εξαφάνιση. Είναι λοιπόν πολύ απαραίτητο να δημιουργηθεί μια βάση δεδομένων για φυτοπροστασία. Πιστεύουμε ότι το πρώτο βήμα είναι να διδάξουμε σε έναν υπολογιστή πώς να ταξινομεί τα φυτά. Σε σύγκριση με άλλες μεθόδους, όπως οι μέθοδοι κυτταρικής και μοριακής βιολογίας, η ταξινόμηση με βάση την εικόνα των φύλλων είναι η πρώτη επιλογή για ταξινόμηση φυτών φύλλων. Η δειγματοληψία φύλλων και η φωτογράφισή τους είναι χαμηλού κόστους και βολική. Κάποιος μπορεί εύκολα να μεταφέρει την εικόνα του φύλλου σε έναν υπολογιστή και ένας υπολογιστής μπορεί να εξάγει αυτόματα χαρακτηριστικά σε τεχνικές επεξεργασίας εικόνας. Ορισμένα συστήματα χρησιμοποιούν περιγραφές που χρησιμοποιούνται από βοτανολόγους. Αλλά δεν είναι εύκολο να εξαγάγετε και να μεταφέρετε αυτές τις δυνατότητες σε έναν υπολογιστή αυτόματα.

Έχουμε αναπτύξει έναν αποτελεσματικό αλγόριθμο για την ταξινόμηση φύλλων που συνδυάζει στατιστικά υψηλής τάξης χαρακτηριστικών εικόνας μαζί με πληροφορίες σχήματος και νευρωνικό δίκτυο ως μη γραμμικό ταξινομητή. Ο κώδικας έχει δοκιμαστεί με τη βάση δεδομένων FLAVIA επιτυγχάνοντας εξαιρετικό ποσοστό αναγνώρισης 92,09% (32 τάξεις, 40 εικόνες εκπαίδευσης και οι υπόλοιπες εικόνες χρησιμοποιούνται για δοκιμή για κάθε τάξη, επομένως υπάρχουν 1280 εικόνες εκπαίδευσης και 627 εικόνες δοκιμής συνολικά τυχαία επιλεγμένες και όχι υπάρχει επικάλυψη μεταξύ των εικόνων εκπαίδευσης και δοκιμής).

Η προσέγγισή μας ξεπερνά τον αλγόριθμο FLAVIA και επιπλέον δεν απαιτεί κανένα εξάρτημα που παρεμβάλλεται από άνθρωπο. Στον αλγόριθμο FLAVIA στην πραγματικότητα πρέπει να επισημάνετε τα δύο τερματικά της κύριας φλέβας του φύλλου με κλικ του ποντικιού. Η απόσταση μεταξύ των δύο ακροδεκτών ορίζεται ως το φυσιολογικό μήκος.