Leaf Recognition System

기술

식물은 우리가 없는 곳뿐만 아니라 우리가 사는 모든 곳에 존재합니다. 그들 중 많은 사람들이 인간 사회의 발전을 위한 중요한 정보를 담고 있습니다. 시급한 상황은 많은 식물이 멸종 위기에 처해 있다는 것입니다. 따라서 식물 보호를 위한 데이터베이스를 구축하는 것이 매우 필요합니다. 우리는 첫 번째 단계가 식물을 분류하는 방법을 컴퓨터에 가르치는 것이라고 믿습니다. 세포 및 분자 생물학 방법과 같은 다른 방법과 비교할 때 잎 이미지를 기반으로 한 분류는 잎 식물 분류의 첫 번째 선택입니다. 잎을 샘플링하고 사진을 찍는 것이 저렴하고 편리합니다. 나뭇잎 이미지를 컴퓨터로 쉽게 전송할 수 있고 컴퓨터는 이미지 처리 기술에서 자동으로 특징을 추출할 수 있습니다. 일부 시스템은 식물학자가 사용하는 설명을 사용합니다. 그러나 이러한 기능을 자동으로 추출하여 컴퓨터로 전송하는 것은 쉽지 않습니다.

우리는 비선형 분류기로서 형태 정보 및 신경망과 함께 이미지 특징의 고차 통계를 결합하는 리프 분류를 위한 효율적인 알고리즘을 개발했습니다. 코드는 FLAVIA 데이터베이스로 테스트되어 92.09%의 우수한 인식률을 달성했습니다(32개의 클래스, 40개의 학습 이미지 및 나머지 이미지는 각 클래스에 대해 테스트에 사용되므로 총 1280개의 학습 이미지와 627개의 테스트 이미지가 무작위로 선택되며 없음 훈련 이미지와 테스트 이미지 사이에 겹침이 존재함).

우리의 접근 방식은 FLAVIA 알고리즘을 능가하며 인간이 간섭하는 부분이 필요하지 않습니다. 실제로 FLAVIA 알고리즘에서는 마우스 클릭을 통해 잎의 주요 정맥의 두 터미널을 표시해야 합니다. 두 터미널 사이의 거리는 생리학적 길이로 정의됩니다.