Kasvit on kaikkialla elämme, sekä paikkoja ilman meitä. Monet heistä kantaa merkittävää tietoa inhimillisen yhteiskunnan. Kiireellinen tilanne on, että monet kasvit ovat vaarassa kuolla sukupuuttoon. Joten se on erittäin tarpeellista perustaa tietokanta kasvinsuojeluaineiden. Uskomme, että ensimmäinen askel on opettaa tietokoneen miten luokitella kasveja. Verrattuna muihin menetelmiin, kuten solujen ja molekyylibiologian menetelmiä, luokitus perustuu lehtiä kuva on ensimmäinen valinta lehtiä kasvi luokitusta. Näytteenotto lehdet ja photoing ne ovat edullisia ja kätevä. Yksi voi helposti siirtää lehtiä kuva tietokoneeseen ja tietokone voi poimia ominaisuuksia automaattisesti kuvankäsittelyssä tekniikoita. Jotkut järjestelmät käyttävät kuvauksia käyttämien kasvitieteilijöiden. Mutta se ei ole helppo purkaa ja siirtää ne piirteet tietokoneeseen automaattisesti.
Olemme kehittäneet tehokkaan algoritmin lehtien luokitusta, joka yhdistää korkean kertaluvun tilastoja kuvapiirteitä yhdessä muotoinformaation ja neuroverkkoa epälineaarinen luokittelija. Koodi on testattu FLAVIA tietokantaan saavuttaa erinomainen tunnettuus on 92,09% (32 luokat, 40 koulutus kuvia ja loput kuvat testauksessa käytetty kunkin luokan, joten on 1280 koulutusta kuvia ja 627 testi kuvia yhteensä satunnaisesti valitun eikä päällekkäisyyttä välillä koulutuksen ja testikuvia).
Toimintatapamme päihittää FLAVIA algoritmi ja lisäksi se ei vaadi ihmisen puuttui osa. Vuonna FLAVIA algoritmi itse asiassa sinun täytyy merkitä kaksi terminaalit tärkeimmät vein lehtiä kautta hiiren klikkauksella. Välinen etäisyys terminaalien määritellään fysiologinen pituus.
Vaatimukset :
Matlab
Kommentteja ei löytynyt