Növények mindenhol létezik élünk, valamint a helyekről, ahol nincs velünk. Sokan közülük jelentékeny információkat az emberi társadalom fejlődésének. A sürgős helyzet, hogy sok növény a kipusztulás fenyegeti. Tehát ez nagyon fontos, hogy hozzanak létre egy adatbázist a növényvédő szerek. Hisszük, hogy az első lépés az, hogy megtanítsa a számítógép hogyan kell minősíteni növények. Összehasonlítva más módszerek, mint például a mobil és a molekula biológiai módszerek, besorolás alapján levél képét az első választás a levél növény besorolása. Mintavételi levelek és photoing közülük olcsó és kényelmes. Egy könnyen át a levél képét, hogy a számítógép és a számítógép képes kibontani funkciók automatikusan képfeldolgozó technikák. Egyes rendszerek olyan leírásokat használnak a botanikusok. De ez nem könnyű kivonat és át azokat a funkciókat, hogy a számítógép automatikusan.
Az általunk kifejlesztett egy hatékony algoritmust levél besorolását, amely egyesíti a magas rendű statisztikai kép jellegét együtt alakja információk és a neurális hálózat nemlineáris osztályozót. A kód lett tesztelve FLÁVIA adatbázis eléréséhez kiváló felismerési arány a 92,09% (32 osztály, 40 képzési képek és a maradék képek teszteléshez használt valamennyi osztályra, így vannak olyan 1280 képzési képek és 627 teszt képek összesen véletlenszerűen kiválasztva, és nincs átfedés van a képzés és vizsga képek).
A mi megközelítésünk felülmúlja FLÁVIA algoritmus és ráadásul nem igényel emberi beavatkozott része. Flaviaban algoritmus valójában meg kell jelölni a két terminál fő véna a levél útján kattintással. A távolság a két terminál az az élettani hossza.
követelmények :
Matlab
Hozzászólás nem található