| نسخه | 1.0 |
|---|---|
| ناشر | Luigi Rosa |
| تاریخ انتشار | ۱۹ نوامبر ۲۰۱۲ |
| تاریخ اضافه شده | ۱۹ نوامبر ۲۰۱۲ |
| الزامات سیستم عامل | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| الزامات | Matlab |
| کل بارگیری ها | ۴۹۵ |
| قیمت | Free |
شرح
گیاهان در هر جایی که ما زندگی می کنیم وجود دارند و همچنین مکان هایی بدون ما. بسیاری از آنها اطلاعات قابل توجهی برای توسعه جامعه بشری دارند. وضعیت فوری این است که بسیاری از گیاهان در معرض خطر انقراض هستند. بنابراین راه اندازی یک پایگاه داده برای حفاظت از گیاهان بسیار ضروری است. ما معتقدیم که اولین قدم این است که به کامپیوتر نحوه طبقه بندی گیاهان را آموزش دهیم. در مقایسه با روشهای دیگر، مانند روشهای زیستشناسی سلولی و مولکولی، طبقهبندی بر اساس تصویر برگ اولین انتخاب برای طبقهبندی گیاه برگ است. نمونه برداری از برگ ها و عکس برداری از آنها کم هزینه و راحت است. می توان به راحتی تصویر برگ را به رایانه منتقل کرد و رایانه می تواند ویژگی ها را به طور خودکار در تکنیک های پردازش تصویر استخراج کند. برخی از سیستم ها از توصیف های مورد استفاده گیاه شناسان استفاده می کنند. اما استخراج و انتقال خودکار آن ویژگی ها به رایانه آسان نیست.
ما یک الگوریتم کارآمد برای طبقهبندی برگها ایجاد کردهایم که آمارهای مرتبه بالای ویژگیهای تصویر را با اطلاعات شکل و شبکه عصبی به عنوان طبقهبندیکننده غیرخطی ترکیب میکند. کد با پایگاه داده FLAVIA تست شده است و به نرخ تشخیص عالی 92.09٪ دست یافته است (32 کلاس، 40 تصویر آموزشی و بقیه تصاویر برای آزمایش برای هر کلاس استفاده می شود، از این رو 1280 تصویر آموزشی و 627 تصویر آزمایشی در مجموع به طور تصادفی انتخاب شده اند و هیچ تصویری وجود ندارد. بین تصاویر آموزشی و آزمایشی همپوشانی وجود دارد).
رویکرد ما عملکرد بهتری از الگوریتم FLAVIA دارد و علاوه بر این، به هیچ بخش دخالت انسان نیاز ندارد. در الگوریتم FLAVIA در واقع باید دو پایانه رگ اصلی برگ را با کلیک ماوس علامت گذاری کنید. فاصله بین دو پایانه به عنوان طول فیزیولوژیکی تعریف می شود.
