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 PDFInfo
- 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
- mobile terminal
- leaf
- image
- classification
- server
- 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
Links
- 238000000034 method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000011369 optimal treatment Methods 0.000 claims 1
- 238000005192 partition Methods 0.000 claims 1
- 238000011946 reduction process Methods 0.000 claims 1
- 230000011218 segmentation Effects 0.000 claims 1
- 241000196324 Embryophyta Species 0.000 abstract description 32
- 238000007781 pre-processing Methods 0.000 abstract description 5
- 238000003709 image segmentation Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013377 clone selection method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
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
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。
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 (12)
| 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 |
| CN113837037A (zh) * | 2021-09-09 | 2021-12-24 | 广东浪潮智慧计算技术有限公司 | 一种植物种类识别方法、系统、电子设备及存储介质 |
| 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)
| 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 |
-
2015
- 2015-10-29 CN CN201510719285.9A patent/CN105404853A/zh active Pending
Patent Citations (4)
| 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)
| 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 (15)
| 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 |
| CN113837037A (zh) * | 2021-09-09 | 2021-12-24 | 广东浪潮智慧计算技术有限公司 | 一种植物种类识别方法、系统、电子设备及存储介质 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105404853A (zh) | 基于内容的植物叶片在线识别系统 | |
| CN101697232B (zh) | 面向近重复图像匹配的sift特征裁减方法 | |
| CN104077579B (zh) | 基于专家系统的人脸表情图像识别方法 | |
| Herdiyeni et al. | Combination of morphological, local binary pattern variance and color moments features for indonesian medicinal plants identification | |
| CN105095902B (zh) | 图片特征提取方法及装置 | |
| CN106295661A (zh) | 叶片图像多特征融合的植物种类识别方法及装置 | |
| 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 | |
| CN104143076B (zh) | 人脸形状的匹配方法和系统 | |
| CN103870808A (zh) | 一种手指静脉识别方法 | |
| CN101894273A (zh) | 一种基于人工蜂群优化边缘势场函数无人机目标识别方法 | |
| CN114359727A (zh) | 基于轻量级优化Yolo v4的茶叶病害识别方法及系统 | |
| CN105224066A (zh) | 一种基于云端处理的手势识别方法 | |
| CN102316352A (zh) | 一种基于区域连通图的立体视频深度图的制作方法和装置 | |
| CN115830652B (zh) | 一种深度掌纹识别装置及方法 | |
| CN106846334A (zh) | 基于支持向量数据描述的田间玉米植株识别方法 | |
| CN107392892A (zh) | 基于图像的玉米生育前期干旱胁迫自动识别方法 | |
| CN113252584B (zh) | 基于5g传输的作物生长检测方法及系统 | |
| CN102254304B (zh) | 一种目标物体轮廓检测方法 | |
| Qi et al. | Related study based on otsu watershed algorithm and new squeeze-and-excitation networks for segmentation and level classification of tea buds | |
| CN113111830A (zh) | 一种葡萄藤冬剪点检测算法 | |
| CN112949560A (zh) | 双通道特征融合下长视频表情区间连续表情变化识别方法 | |
| CN108764062B (zh) | 一种基于视觉的服装裁片识别方法 | |
| CN105631451A (zh) | 一种基于安卓系统的植物叶片识别方法 | |
| CN113344009B (zh) | 一种轻小型网络自适应番茄病害特征提取方法 | |
| CN104573701A (zh) | 一种玉米雄穗性状的自动检测方法 |
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 |
Application publication date: 20160316 |
|
| RJ01 | Rejection of invention patent application after publication |