Leaf Recognition System

აღწერა

მცენარეები არსებობს ყველგან, სადაც ჩვენ ვცხოვრობთ, ისევე როგორც ადგილები ჩვენს გარეშე. ბევრი მათგანი ატარებს მნიშვნელოვან ინფორმაციას ადამიანთა საზოგადოების განვითარებისთვის. გადაუდებელი სიტუაციაა, რომ ბევრი მცენარე გადაშენების საფრთხის წინაშეა. ამიტომ ძალიან აუცილებელია მცენარეთა დაცვის მონაცემთა ბაზის შექმნა. ჩვენ გვჯერა, რომ პირველი ნაბიჯი არის ასწავლოს კომპიუტერს მცენარეების კლასიფიკაცია. სხვა მეთოდებთან შედარებით, როგორიცაა უჯრედული და მოლეკულური ბიოლოგიის მეთოდები, ფოთლის გამოსახულების საფუძველზე კლასიფიკაცია არის პირველი არჩევანი ფოთლის მცენარეთა კლასიფიკაციისთვის. ფოთლების ნიმუშის აღება და მათი ფოტო გადაღება იაფი და მოსახერხებელია. შეგიძლიათ მარტივად გადაიტანოთ ფოთლის სურათი კომპიუტერში და კომპიუტერს შეუძლია ავტომატურად ამოიღოს ფუნქციები გამოსახულების დამუშავების ტექნიკაში. ზოგიერთი სისტემა იყენებს ბოტანიკოსების მიერ გამოყენებულ აღწერილობებს. მაგრამ ამ ფუნქციების ავტომატურად ამოღება და კომპიუტერზე გადატანა ადვილი არ არის.

ჩვენ შევიმუშავეთ ფოთლების კლასიფიკაციის ეფექტური ალგორითმი, რომელიც აერთიანებს გამოსახულების მახასიათებლების მაღალი რიგის სტატისტიკას ფორმის ინფორმაციას და ნერვულ ქსელს, როგორც არაწრფივი კლასიფიკატორი. კოდი დატესტილია FLAVIA მონაცემთა ბაზაში და მიღწეულია ამოცნობის შესანიშნავი მაჩვენებელი 92.09% (32 კლასი, 40 სასწავლო სურათი და დანარჩენი სურათები გამოიყენება ტესტირებისთვის თითოეული კლასისთვის, შესაბამისად არის 1280 სასწავლო სურათი და 627 ტესტის სურათი სულ შემთხვევით შერჩეული და არა. სავარჯიშო და ტესტის სურათებს შორის არსებობს გადახურვა).

ჩვენი მიდგომა აღემატება FLAVIA ალგორითმს და უფრო მეტიც, ის არ საჭიროებს ადამიანის ჩარევის ნაწილს. FLAVIA-ს ალგორითმში თქვენ უნდა მონიშნოთ ფოთლის მთავარი ვენის ორი ტერმინალი მაუსის დაწკაპუნებით. მანძილი ორ ტერმინალს შორის განისაზღვრება, როგორც ფიზიოლოგიური სიგრძე.