Tanaman ada di mana-mana kita hidup, serta tempat-tempat tanpa kita. Banyak dari mereka membawa informasi penting untuk pengembangan masyarakat manusia. Situasi yang mendesak adalah bahwa banyak tanaman berada pada risiko kepunahan. Jadi, sangat penting untuk membuat sebuah database untuk perlindungan tanaman. Kami percaya bahwa langkah pertama adalah untuk mengajarkan komputer bagaimana mengklasifikasikan tanaman. Dibandingkan dengan metode lain, seperti metode sel dan biologi molekul, klasifikasi berdasarkan gambar daun adalah pilihan pertama untuk klasifikasi tanaman daun. Sampling daun dan photoing mereka adalah murah dan nyaman. Satu dapat dengan mudah mentransfer gambar daun ke komputer dan komputer dapat mengekstrak fitur otomatis dalam teknik pengolahan citra. Beberapa sistem menggunakan deskripsi yang digunakan oleh ahli botani. Tapi itu tidak mudah untuk mengambil dan mentransfer fitur tersebut ke komputer secara otomatis.
Kami telah mengembangkan algoritma yang efisien untuk klasifikasi daun yang menggabungkan statistik high-order dari fitur gambar bersama-sama dengan informasi bentuk dan neural network classifier nonlinier. Kode telah diuji dengan database FLAVIA mencapai tingkat pengakuan yang sangat baik dari 92,09% (32 kelas, 40 gambar pelatihan dan gambar yang tersisa digunakan untuk pengujian untuk masing-masing kelas, maka ada 1.280 gambar pelatihan dan 627 citra uji total yang dipilih secara acak dan tidak ada tumpang tindih ada antara gambar pelatihan dan uji).
Pendekatan kami melebihi algoritma FLAVIA dan Selain itu tidak memerlukan manusia mengganggu bagian. Dalam algoritma FLAVIA sebenarnya Anda butuhkan untuk menandai dua terminal vena utama daun melalui klik mouse. . Jarak antara dua terminal didefinisikan sebagai panjang fisiologis
Persyaratan :
Matlab
Komentar tidak ditemukan