CN105404853A - 基于内容的植物叶片在线识别系统 - Google Patents

基于内容的植物叶片在线识别系统 Download PDF

Info

Publication number
CN105404853A
CN105404853A CN201510719285.9A CN201510719285A CN105404853A CN 105404853 A CN105404853 A CN 105404853A CN 201510719285 A CN201510719285 A CN 201510719285A CN 105404853 A CN105404853 A CN 105404853A
Authority
CN
China
Prior art keywords
image
mobile terminal
classification
server
plant leaf
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510719285.9A
Other languages
English (en)
Inventor
罗海驰
李岳阳
李洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN201510719285.9A priority Critical patent/CN105404853A/zh
Publication of CN105404853A publication Critical patent/CN105404853A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于内容的植物叶片在线识别系统，该系统包括移动终端和服务器两部分，两者通过无线网络相互通讯；其特征是：按照以下步骤实施：步骤1、移动终端采集待识别植物叶片图像；步骤2、进行图像预处理，包括灰度化、去除噪声；步骤3、图像分割得到叶片区域，提取叶片轮廓，提取特征；步骤4、将步骤3获得的特征上传至服务器；步骤5、服务器端接收特征并进行叶片分类识别；步骤6、将识别结果信息返回到移动终端；步骤7、移动终端显示识别结果。本发明能够随时随地采集植物叶片图像，进行在线识别分类，准确率高，实时性强，具有较好的实用价值。

Description

基于内容的植物叶片在线识别系统
技术领域
本发明涉及一种基于内容的植物叶片在线识别系统，属于图像处理和机器学习技术领域。
背景技术
植物的识别和分类是植物研究的最基础性工作，它对于植物种类划分和探索植物的演化以及植物之间的亲缘关系有着重要的意义。传统的植物种类鉴别主要采用人工鉴别的方式，不仅工作效率低且鉴别结果容易受到主观因素的影响。随着计算机技术的发展，采用图像处理和机器学习的方法对植物进行分类识别已经成为必然趋势。近年来，基于图像处理的植物分类识别算法和系统的研究不断取得进展。王晓峰等基于植物叶片图像的8项几何特征和7个图像不变矩，利用移动中心超球分类器对叶片进行识别；张宁等提出了一种基于克隆选择算法和K最近邻的植物叶片识别方法；董红霞等提出了一种基于形状与纹理特征，采用BP神经网络的植物叶片分类方法。
目前，植物叶片的分类识别系统大都只在个人电脑上实现，但植物的生长环境一般都在室外，个人电脑不适合在野外随时随地采集叶片图像来识别植物。随着移动终端的普及，基于Android的植物叶片识别系统，因其方便实用，更具有实际应用价值，而越来越受到重视。
发明内容
本发明的目的是克服现有技术中存在的不足，提供一种基于内容的植物叶片在线识别系统，随时随地采集植物叶片图像，进行在线识别分类，准确率高，实时性强，具有较好的实用价值。
按照本发明提供的技术方案，所述基于内容的植物叶片在线识别系统，该系统包括移动终端和服务器两部分，两者通过无线网络相互通讯；其特征是：按照以下步骤实施：
步骤1、移动终端采集待识别植物叶片图像；
步骤2、进行图像预处理，包括灰度化、去除噪声；
步骤3、图像分割得到叶片区域，提取叶片轮廓，提取特征；
步骤4、将步骤3获得的特征上传至服务器；
步骤5、服务器端接收特征并进行叶片分类识别；
步骤6、将识别结果信息返回到移动终端；
步骤7、移动终端显示识别结果。
进一步的，所述步骤2中图像预处理包括将彩色图像灰度化，采用高斯滤波器对图像进行降噪处理。
进一步的，所述步骤3按照以下步骤实施：
步骤3.1、使用图像分割方法得到叶片区域，采用边缘检测算子提取叶片轮廓；
步骤3.2、提取叶片凸包、最小外接矩形、内切圆和外切圆；
步骤3.3、计算形状特征，包括：纵横轴比、矩形度、面积凹凸比、周长凹凸比、圆形度、球状性、轮廓凸包顶点比和轮廓曲率方差；
步骤3.4、使用灰度共生矩阵计算纹理特征，包括能量、对比度、自相关和逆差距。
进一步的，所述步骤5中，服务器采用K最邻近和支持向量机混合算法进行分类识别，在实现分类识别前需预先对支持向量机算法进行训练，使用量子行为粒子群优化算法进行最优化处理，得到最优化参数。
与传统植物识别技术相比，本发明所述基于内容的植物叶片在线识别系统可运用于Android平台，随时随地在室外采集植物叶片图像，进行在线识别分类，准确率高，实时性强，具有较好实用价值。
附图说明
图1为本发明所述基于内容的植物叶片在线识别系统的操作过程图。
具体实施方式
下面结合具体附图对本发明作进一步说明。
本发明所述基于内容的植物叶片在线识别系统，该系统包括移动终端和服务器两部分，两者通过无线网络相互通讯，按照以下步骤实施：
步骤1、移动终端采集待识别植物叶片图像。
移动终端利用自带的相机功能，可在室外随时随地采集待识别植物叶片图像。
步骤2、进行图像预处理，包括灰度化、去除噪声等。
对采集到的图像进行预处理，将彩色图像灰度化，采用高斯滤波器对图像进行降噪处理。
步骤3、图像分割得到叶片区域，提取叶片轮廓，提取特征。
步骤3.1、使用图像分割方法得到叶片区域，采用边缘检测算子提取叶片轮廓；
步骤3.2、提取叶片凸包、最小外接矩形、内切圆和外切圆；
步骤3.3、计算形状特征：纵横轴比、矩形度、面积凹凸比、周长凹凸比、圆形度、球状性、轮廓凸包顶点比和轮廓曲率方差；
步骤3.4、使用灰度共生矩阵计算纹理特征：能量、对比度、自相关和逆差距。
步骤4、将步骤3获得的特征上传至服务器。
步骤5、服务器端接收特征并进行叶片分类识别。
服务器采用K最邻近和支持向量机混合算法进行分类识别，在实现分类识别前需预先对支持向量机算法进行训练，使用量子行为粒子群优化（QPSO）算法进行最优化处理，得到最优化参数。
步骤6、将识别结果信息返回到移动终端。
步骤7、移动终端显示识别结果。
在移动终端显示待识别植物的种类，以及该植物的相关科普信息。
移动终端应用程序支持Android4.0以上操作系统，图像预处理和特征提取等图像处理操作通过NDK/JNI技术调用C++程序实现，以提高运算速度；移动终端与服务器端通信基于HTTP协议；服务器采用K最邻近和支持向量机混合算法进行分类识别，算法基于LibSVM（Java版）二次开发。

Claims (4)

1.一种基于内容的植物叶片在线识别系统，该系统包括移动终端和服务器两部分，两者通过无线网络相互通讯；其特征是：按照以下步骤实施：
步骤1、移动终端采集待识别植物叶片图像；
步骤2、进行图像预处理，包括灰度化、去除噪声；
步骤3、图像分割得到叶片区域，提取叶片轮廓，提取特征；
步骤4、将步骤3获得的特征上传至服务器；
步骤5、服务器端接收特征并进行叶片分类识别；
步骤6、将识别结果信息返回到移动终端；
步骤7、移动终端显示识别结果。
2.如权利要求1所述的基于内容的植物叶片在线识别系统，其特征是：所述步骤2中图像预处理包括将彩色图像灰度化，采用高斯滤波器对图像进行降噪处理。
3.如权利要求1所述的基于内容的植物叶片在线识别系统，其特征是：所述步骤3按照以下步骤实施：
步骤3.1、使用图像分割方法得到叶片区域，采用边缘检测算子提取叶片轮廓；
步骤3.2、提取叶片凸包、最小外接矩形、内切圆和外切圆；
步骤3.3、计算形状特征，包括：纵横轴比、矩形度、面积凹凸比、周长凹凸比、圆形度、球状性、轮廓凸包顶点比和轮廓曲率方差；
步骤3.4、使用灰度共生矩阵计算纹理特征，包括能量、对比度、自相关和逆差距。
4.如权利要求1所述的基于内容的植物叶片在线识别系统，其特征是：所述步骤5中，服务器采用K最邻近和支持向量机混合算法进行分类识别，在实现分类识别前需预先对支持向量机算法进行训练，使用量子行为粒子群优化算法进行最优化处理，得到最优化参数。
CN201510719285.9A 2015-10-29 2015-10-29 基于内容的植物叶片在线识别系统 Pending CN105404853A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510719285.9A CN105404853A (zh) 2015-10-29 2015-10-29 基于内容的植物叶片在线识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510719285.9A CN105404853A (zh) 2015-10-29 2015-10-29 基于内容的植物叶片在线识别系统

Publications (1)

Publication Number Publication Date
CN105404853A true CN105404853A (zh) 2016-03-16

Family

ID=55470330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510719285.9A Pending CN105404853A (zh) 2015-10-29 2015-10-29 基于内容的植物叶片在线识别系统

Country Status (1)

Country Link
CN (1) CN105404853A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296662A (zh) * 2016-07-28 2017-01-04 北京农业信息技术研究中心 田间环境下玉米叶片图像分割方法及装置
CN106503695A (zh) * 2016-12-02 2017-03-15 汕头大学 一种基于航拍图像的烟草植株识别与计数方法
CN106599925A (zh) * 2016-12-19 2017-04-26 广东技术师范学院 一种基于深度学习的植物叶片识别系统与方法
CN106991441A (zh) * 2017-03-30 2017-07-28 浙江科技学院 融合多尺度方向纹理特征的植物标本分类方法及系统
CN107909072A (zh) * 2017-09-29 2018-04-13 广东数相智能科技有限公司 一种植物类型识别方法、电子设备、存储介质及装置
CN108664927A (zh) * 2018-05-10 2018-10-16 林丽惠 基于全自动支持向量机的武夷岩茶叶片图像分类方法
CN109635653A (zh) * 2018-11-09 2019-04-16 华南农业大学 一种植物识别方法
CN110084120A (zh) * 2019-03-26 2019-08-02 南方电网调峰调频发电有限公司 海岛环境下的植被调查方法、装置、系统、设备和介质
CN110889839A (zh) * 2019-11-27 2020-03-17 贵州中烟工业有限责任公司 一种打叶复烤烟片片形的表征方法及系统
CN112831982A (zh) * 2019-11-22 2021-05-25 重庆海尔洗衣机有限公司 衣物颜色识别的处理方法、装置、设备及存储介质
CN114548403A (zh) * 2022-02-22 2022-05-27 深圳市医未医疗科技有限公司 一种医学图像数据平台的数据处理方法与系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030026484A1 (en) * 2001-04-27 2003-02-06 O'neill Mark Automated image identification system
CN203414962U (zh) * 2013-07-22 2014-01-29 同济大学 一种基于智能终端的植物叶片识别装置
CN103714354A (zh) * 2014-01-16 2014-04-09 西安电子科技大学 基于量子粒子群算法的高光谱图像波段选择方法
CN104361342A (zh) * 2014-10-23 2015-02-18 同济大学 一种基于几何不变形状特征的在线植物物种识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030026484A1 (en) * 2001-04-27 2003-02-06 O'neill Mark Automated image identification system
CN203414962U (zh) * 2013-07-22 2014-01-29 同济大学 一种基于智能终端的植物叶片识别装置
CN103714354A (zh) * 2014-01-16 2014-04-09 西安电子科技大学 基于量子粒子群算法的高光谱图像波段选择方法
CN104361342A (zh) * 2014-10-23 2015-02-18 同济大学 一种基于几何不变形状特征的在线植物物种识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王丽君 等: "基于叶片图像多特征融合的观叶植物种类识别", 《北京林业大学学报》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296662A (zh) * 2016-07-28 2017-01-04 北京农业信息技术研究中心 田间环境下玉米叶片图像分割方法及装置
CN106503695A (zh) * 2016-12-02 2017-03-15 汕头大学 一种基于航拍图像的烟草植株识别与计数方法
CN106503695B (zh) * 2016-12-02 2019-07-09 汕头大学 一种基于航拍图像的烟草植株识别与计数方法
CN106599925A (zh) * 2016-12-19 2017-04-26 广东技术师范学院 一种基于深度学习的植物叶片识别系统与方法
CN106991441A (zh) * 2017-03-30 2017-07-28 浙江科技学院 融合多尺度方向纹理特征的植物标本分类方法及系统
CN107909072A (zh) * 2017-09-29 2018-04-13 广东数相智能科技有限公司 一种植物类型识别方法、电子设备、存储介质及装置
CN108664927B (zh) * 2018-05-10 2021-08-17 武夷学院 基于全自动支持向量机的武夷岩茶叶片图像分类方法
CN108664927A (zh) * 2018-05-10 2018-10-16 林丽惠 基于全自动支持向量机的武夷岩茶叶片图像分类方法
CN109635653A (zh) * 2018-11-09 2019-04-16 华南农业大学 一种植物识别方法
CN110084120A (zh) * 2019-03-26 2019-08-02 南方电网调峰调频发电有限公司 海岛环境下的植被调查方法、装置、系统、设备和介质
CN112831982A (zh) * 2019-11-22 2021-05-25 重庆海尔洗衣机有限公司 衣物颜色识别的处理方法、装置、设备及存储介质
CN110889839A (zh) * 2019-11-27 2020-03-17 贵州中烟工业有限责任公司 一种打叶复烤烟片片形的表征方法及系统
CN110889839B (zh) * 2019-11-27 2022-11-25 贵州中烟工业有限责任公司 一种打叶复烤烟片片形的表征方法及系统
CN114548403A (zh) * 2022-02-22 2022-05-27 深圳市医未医疗科技有限公司 一种医学图像数据平台的数据处理方法与系统

Similar Documents

Publication Publication Date Title
CN105404853A (zh) 基于内容的植物叶片在线识别系统
CN102693420B (zh) 一种指纹模板自动更新的方法
CN106778902B (zh) 基于深度卷积神经网络的奶牛个体识别方法
CN103593654B (zh) 一种人脸定位的方法与装置
CN105718945B (zh) 基于分水岭和神经网络的苹果采摘机器人夜间图像识别方法
CN106599915B (zh) 一种车载激光点云分类方法
CN109166145B (zh) 一种基于聚类分割的果树叶片生长参数提取方法及系统
CN103870808A (zh) 一种手指静脉识别方法
CN109446889A (zh) 基于孪生匹配网络的物体追踪方法及装置
CN103530894A (zh) 一种基于多尺度块稀疏表示的视频目标追踪方法及其系统
CN104008364B (zh) 人脸识别方法
CN104156700A (zh) 基于活动形状模型和加权插值法的人脸图像眼镜去除方法
CN103617430A (zh) 一种基于植物叶片图像信息的便携式校园植物种类识别系统
KR101296734B1 (ko) 가우시안 혼합 모델 및 알지비 클러스터링을 이용한 오브젝트 분할방법
CN105224066A (zh) 一种基于云端处理的手势识别方法
CN103440035A (zh) 一种三维空间中的手势识别系统及其识别方法
CN104361342A (zh) 一种基于几何不变形状特征的在线植物物种识别方法
CN104008372A (zh) 一种无线多媒体传感器网络中的分布式人脸识别方法
CN111696122A (zh) 农作物表型参数提取方法及装置
CN109409209A (zh) 一种人体行为识别方法与装置
CN117408913B (zh) 待测物体点云去噪方法、系统及装置
CN103617417A (zh) 植物自动识别方法和系统
CN113762049B (zh) 内容识别方法、装置、存储介质和终端设备
CN114445691A (zh) 模型训练方法、装置、电子设备及存储介质
CN104951778A (zh) 基于语义网络的人脸识别专家系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160316