弗拉维亚

Flavia:一种基于PNN(概率神经网络)的植物分类叶片识别算法。这个MATLAB程序的目的是教计算机通过树叶对植物进行分类。你只需要输入植物的叶子图像(通过数码相机或扫描仪获取),计算机就可以告诉你这是什么植物。目前,我们的系统可以对32种植物进行分类。平均准确率为93%。我们利用PNN(概率神经网络)来实现这个人工智能过程。考虑了叶片的12个性状,包括几何性状和形态性状。经过判别分析(逐步法),保留了所有这些字符。PCA将这12个字符正交化为5个主变量,作为PNN的输入向量。可以在我们的论文中找到细节。


zbMATH参考文献(13篇文章引用)

显示结果1到13,共13个。
按年份排序(引用)

  1. Cho,Min Ho;Asiaee,Amir;Kurtek,Sebastian:生物结构的弹性统计形状分析与案例研究:教程(2019年)
  2. Li,Rui;Shi,Xiayan;Sheng,Yun;Zhang,Guixu:基于距离加权面积积分的平面形状凸性测度(2019)
  3. Turkoglu,Muammer;Hanbay,Davut:植物叶片识别:通过将叶片图像分成两部分和四部分产生的混合特征的方法(2019年)
  4. Darwish,Ashraf:基于图像处理技术的自动植物识别和病害识别方法(2018)
  5. El Sharkasy,M.M.;Altwme,Fatma:通过最小结构的一些新类型的近似(2018)
  6. Huang,Wen;Hand,Paul:商流形上最速下降算法的盲反褶积(2018)
  7. Wäldchen,Jana;Mäder,Patrick:使用计算机视觉技术识别植物物种:系统文献综述(2018)
  8. 王天斌,图像处理;王天斌,图像处理
  9. Huang,Wen;Gallivan,Kyle A.;Srivastava,Anuj;Absil,Pierre-Antoine:弹性形状分析中曲线注册的黎曼优化(2016)
  10. Aftab,Wasim;Moinuddin,Muhammad;Shaikh,Muhammad Shafique:基于RBF神经网络的新内核(2014)
  11. Laga,Hamid;Kurtek,Sebastian;Srivastava,Anuj;Miklavcic,Stanley J.:植物叶片形状的无里程碑统计分析(2014)
  12. Fotopoulou,F.;Laskaris,N.;Economou,G.;Fotopoulos,S.:通过多维嵌入序列相似性(MESS)方法进行高级叶图像检索(2013)ioport公司
  13. Wu,Stephen Gang;Bao,Forrest Sheng;Xu,Eric You;Wang,Yuxuan;Chang,Yi Fan;项,乔亮:基于概率神经网络的植物分类叶片识别算法(2007)ioport公司