基于內(nèi)容的植物葉片在線識別系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于內(nèi)容的植物葉片在線識別系統(tǒng)，屬于圖像處理和機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002]植物的識別和分類是植物研究的最基礎(chǔ)性工作，它對于植物種類劃分和探索植物的演化以及植物之間的親緣關(guān)系有著重要的意義。傳統(tǒng)的植物種類鑒別主要采用人工鑒別的方式，不僅工作效率低且鑒別結(jié)果容易受到主觀因素的影響。隨著計算機(jī)技術(shù)的發(fā)展，采用圖像處理和機(jī)器學(xué)習(xí)的方法對植物進(jìn)行分類識別已經(jīng)成為必然趨勢。近年來，基于圖像處理的植物分類識別算法和系統(tǒng)的研究不斷取得進(jìn)展。王曉峰等基于植物葉片圖像的8項幾何特征和7個圖像不變矩，利用移動中心超球分類器對葉片進(jìn)行識別；張寧等提出了一種基于克隆選擇算法和K最近鄰的植物葉片識別方法；董紅霞等提出了一種基于形狀與紋理特征，采用BP神經(jīng)網(wǎng)絡(luò)的植物葉片分類方法。
[0003]目前，植物葉片的分類識別系統(tǒng)大都只在個人電腦上實現(xiàn)，但植物的生長環(huán)境一般都在室外，個人電腦不適合在野外隨時隨地采集葉片圖像來識別植物。隨著移動終端的普及，基于Android的植物葉片識別系統(tǒng)，因其方便實用，更具有實際應(yīng)用價值，而越來越受到重視。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種基于內(nèi)容的植物葉片在線識別系統(tǒng)，隨時隨地采集植物葉片圖像，進(jìn)行在線識別分類，準(zhǔn)確率高，實時性強(qiáng)，具有較好的實用價值。
[0005]按照本發(fā)明提供的技術(shù)方案，所述基于內(nèi)容的植物葉片在線識別系統(tǒng)，該系統(tǒng)包括移動終端和服務(wù)器兩部分，兩者通過無線網(wǎng)絡(luò)相互通訊；其特征是:按照以下步驟實施:
步驟1、移動終端采集待識別植物葉片圖像；
步驟2、進(jìn)行圖像預(yù)處理，包括灰度化、去除噪聲；
步驟3、圖像分割得到葉片區(qū)域，提取葉片輪廓，提取特征；
步驟4、將步驟3獲得的特征上傳至服務(wù)器；
步驟5、服務(wù)器端接收特征并進(jìn)行葉片分類識別；
步驟6、將識別結(jié)果信息返回到移動終端；
步驟7、移動終端顯示識別結(jié)果。
[0006]進(jìn)一步的，所述步驟2中圖像預(yù)處理包括將彩色圖像灰度化，采用高斯濾波器對圖像進(jìn)行降噪處理。
[0007]進(jìn)一步的，所述步驟3按照以下步驟實施:
步驟3.1、使用圖像分割方法得到葉片區(qū)域，采用邊緣檢測算子提取葉片輪廓；
步驟3.2、提取葉片凸包、最小外接矩形、內(nèi)切圓和外切圓； 步驟3.3、計算形狀特征，包括:縱橫軸比、矩形度、面積凹凸比、周長凹凸比、圓形度、球狀性、輪廓凸包頂點比和輪廓曲率方差；
步驟3.4、使用灰度共生矩陣計算紋理特征，包括能量、對比度、自相關(guān)和逆差距。
[0008]進(jìn)一步的，所述步驟5中，服務(wù)器采用K最鄰近和支持向量機(jī)混合算法進(jìn)行分類識另IJ，在實現(xiàn)分類識別前需預(yù)先對支持向量機(jī)算法進(jìn)行訓(xùn)練，使用量子行為粒子群優(yōu)化算法進(jìn)行最優(yōu)化處理，得到最優(yōu)化參數(shù)。
[0009]與傳統(tǒng)植物識別技術(shù)相比，本發(fā)明所述基于內(nèi)容的植物葉片在線識別系統(tǒng)可運(yùn)用于Android平臺，隨時隨地在室外采集植物葉片圖像，進(jìn)行在線識別分類，準(zhǔn)確率高，實時性強(qiáng)，具有較好實用價值。
【附圖說明】
[0010]圖1為本發(fā)明所述基于內(nèi)容的植物葉片在線識別系統(tǒng)的操作過程圖。
【具體實施方式】
[0011]下面結(jié)合具體附圖對本發(fā)明作進(jìn)一步說明。
[0012]本發(fā)明所述基于內(nèi)容的植物葉片在線識別系統(tǒng)，該系統(tǒng)包括移動終端和服務(wù)器兩部分，兩者通過無線網(wǎng)絡(luò)相互通訊，按照以下步驟實施:
步驟1、移動終端采集待識別植物葉片圖像。
[0013]移動終端利用自帶的相機(jī)功能，可在室外隨時隨地采集待識別植物葉片圖像。
[0014]步驟2、進(jìn)行圖像預(yù)處理，包括灰度化、去除噪聲等。
[0015]對采集到的圖像進(jìn)行預(yù)處理，將彩色圖像灰度化，采用高斯濾波器對圖像進(jìn)行降噪處理。
[0016]步驟3、圖像分割得到葉片區(qū)域，提取葉片輪廓，提取特征。
[0017]步驟3.1、使用圖像分割方法得到葉片區(qū)域，采用邊緣檢測算子提取葉片輪廓； 步驟3.2、提取葉片凸包、最小外接矩形、內(nèi)切圓和外切圓；
步驟3.3、計算形狀特征:縱橫軸比、矩形度、面積凹凸比、周長凹凸比、圓形度、球狀性、輪廓凸包頂點比和輪廓曲率方差；
步驟3.4、使用灰度共生矩陣計算紋理特征:能量、對比度、自相關(guān)和逆差距。
[0018]步驟4、將步驟3獲得的特征上傳至服務(wù)器。
[0019]步驟5、服務(wù)器端接收特征并進(jìn)行葉片分類識別。
[0020]服務(wù)器采用K最鄰近和支持向量機(jī)混合算法進(jìn)行分類識別，在實現(xiàn)分類識別前需預(yù)先對支持向量機(jī)算法進(jìn)行訓(xùn)練，使用量子行為粒子群優(yōu)化(QPS0)算法進(jìn)行最優(yōu)化處理，得到最優(yōu)化參數(shù)。
[0021]步驟6、將識別結(jié)果信息返回到移動終端。
[0022]步驟7、移動終端顯示識別結(jié)果。
[0023]在移動終端顯示待識別植物的種類，以及該植物的相關(guān)科普信息。
[0024]移動終端應(yīng)用程序支持Android 4.0以上操作系統(tǒng)，圖像預(yù)處理和特征提取等圖像處理操作通過NDK/JNI技術(shù)調(diào)用C++程序?qū)崿F(xiàn)，以提高運(yùn)算速度；移動終端與服務(wù)器端通信基于HTTP協(xié)議；服務(wù)器采用K最鄰近和支持向量機(jī)混合算法進(jìn)行分類識別，算法基于 LibSVM (Java 版)二次開發(fā)。
【主權(quán)項】
1.一種基于內(nèi)容的植物葉片在線識別系統(tǒng)，該系統(tǒng)包括移動終端和服務(wù)器兩部分，兩者通過無線網(wǎng)絡(luò)相互通訊；其特征是:按照以下步驟實施: 步驟1、移動終端采集待識別植物葉片圖像； 步驟2、進(jìn)行圖像預(yù)處理，包括灰度化、去除噪聲； 步驟3、圖像分割得到葉片區(qū)域，提取葉片輪廓，提取特征； 步驟4、將步驟3獲得的特征上傳至服務(wù)器； 步驟5、服務(wù)器端接收特征并進(jìn)行葉片分類識別； 步驟6、將識別結(jié)果信息返回到移動終端； 步驟7、移動終端顯示識別結(jié)果。2.如權(quán)利要求1所述的基于內(nèi)容的植物葉片在線識別系統(tǒng)，其特征是:所述步驟2中圖像預(yù)處理包括將彩色圖像灰度化，采用高斯濾波器對圖像進(jìn)行降噪處理。3.如權(quán)利要求1所述的基于內(nèi)容的植物葉片在線識別系統(tǒng)，其特征是:所述步驟3按照以下步驟實施: 步驟3.1、使用圖像分割方法得到葉片區(qū)域，采用邊緣檢測算子提取葉片輪廓； 步驟3.2、提取葉片凸包、最小外接矩形、內(nèi)切圓和外切圓； 步驟3.3、計算形狀特征，包括:縱橫軸比、矩形度、面積凹凸比、周長凹凸比、圓形度、球狀性、輪廓凸包頂點比和輪廓曲率方差； 步驟3.4、使用灰度共生矩陣計算紋理特征，包括能量、對比度、自相關(guān)和逆差距。4.如權(quán)利要求1所述的基于內(nèi)容的植物葉片在線識別系統(tǒng)，其特征是:所述步驟5中，服務(wù)器采用K最鄰近和支持向量機(jī)混合算法進(jìn)行分類識別，在實現(xiàn)分類識別前需預(yù)先對支持向量機(jī)算法進(jìn)行訓(xùn)練，使用量子行為粒子群優(yōu)化算法進(jìn)行最優(yōu)化處理，得到最優(yōu)化參數(shù)。
【專利摘要】本發(fā)明涉及一種基于內(nèi)容的植物葉片在線識別系統(tǒng)，該系統(tǒng)包括移動終端和服務(wù)器兩部分，兩者通過無線網(wǎng)絡(luò)相互通訊；其特征是：按照以下步驟實施：步驟1、移動終端采集待識別植物葉片圖像；步驟2、進(jìn)行圖像預(yù)處理，包括灰度化、去除噪聲；步驟3、圖像分割得到葉片區(qū)域，提取葉片輪廓，提取特征；步驟4、將步驟3獲得的特征上傳至服務(wù)器；步驟5、服務(wù)器端接收特征并進(jìn)行葉片分類識別；步驟6、將識別結(jié)果信息返回到移動終端；步驟7、移動終端顯示識別結(jié)果。本發(fā)明能夠隨時隨地采集植物葉片圖像，進(jìn)行在線識別分類，準(zhǔn)確率高，實時性強(qiáng)，具有較好的實用價值。
【IPC分類】G06K9/00, G06K9/62
【公開號】CN105404853
【申請?zhí)枴緾N201510719285
【發(fā)明人】羅海馳, 李岳陽, 李洋
【申請人】江南大學(xué)
【公開日】2016年3月16日
【申請日】2015年10月29日