[发明专利]一种基于安卓系统的植物叶片识别方法

说明书

技术领域

本发明涉及android软件开发、图像处理与模式识别在植物经典分类中的应用，尤 其是涉及一种基于安卓系统的植物叶片识别方法。

背景技术

植物是世界上物种数量最多且分布最广泛的生命形式，与人类以及环境的关系最 为密切。由于人类生产活动造成了植物物种的灭绝，而植物在维持生物平衡、水土保持等方 面又起着重要作用；同时，植物农业作为国民经济的命脉，是人们生活生产的基础部分，提 高农业生产需要农业植物的精细数据，因此植物分类与识别具有非常重要的意义。植物的 分类与识别一般选取植物的局部特征，如植物的叶、花、果、茎、纸条等特征。这些器官都有 各自的分类价值，但是相比起植物其他的器官，植物叶片的存活时间较长，在一年的大部分 时间内都可较为方便地采集到，所以常作为植物的识别特征和认识植物的主要参照器官； 同时叶形是研究植物物种的形态变异和分化的一个非常好的指标，因此基于叶片的识别是 识别一种植物最直接有效且最简单的方法。

传统的叶片分类识别需要操作者有丰富的分类学知识和长期的实践经验，且工作 效率低、工作量大、数据存在一定的主观性，而这些都会影响到识别的客观性与精确性。由 于植物叶片基本处于一个平面状态，适合进行二维图像加工处理。随着计算机的应用，探索 如何利用计算机快速准确地识别植物叶片，是解决这些问题的一个切实可行的新途径。因 此研究基于图像分析的植物叶片识别技术，对于植物分类识别、植物资源

的保护与利用、探索植物间的亲缘关系、阐明植物的进化规律、农业与园艺的实际 应用等方面具有现实意义.

在国外，1986年，ingrouille等人采用27种叶形特征，使用主成分分析方法对橡树 进行分类。Guyer等人在1993年提取了17种叶片形状特征对40类植物进行分类。1996年， Yonekawa等人研究发现，简单的叶片形状因子对于植物叶片识别是有效的。国外学者运用 判别式分析方法、匹配方法和机器学习方法进行植物叶片分类识别，取得了良好效果。2001 年，Osikar使用叶片的几项区域几何特征和矩特征，采用BP前馈神经网络为分类器，对15种 瑞典树木进行分类。

但是上述的很多算法以及试验大都在PC机上完成的，且有些试验的运行速度不理 想或者识别精度达不到令人满意的要求。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种适用范围广、识 别精度高、速度快、操作简单、使用方便的基于安卓系统的植物叶片识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于安卓系统的植物叶片识别方法，该方法包括以下步骤：

1)ARM设备端在得到服务器端允许接入的情况下，与服务器端建立网络连接；

2)ARM设备端获取待识别图片，抠取待识别图片中的叶片部分，并进行预处理；

3)处理完成之后发送服务请求，服务器端接受和分析ARM设备端的服务请求，并启 动服务器端的识别功能模块，响应ARM设备端的识别请求，进行叶片识别，完成识别后将植 物叶片识别结果反馈给ARM设备端。

4)ARM设备端获取服务器端发送的植物叶片识别结果，并显示出来。

所述的步骤2)中的待识别图片包括本地图片和摄像机拍摄到的图片。

所述的步骤2)中的预处理具体包括以下步骤：

21)去噪：采用高斯滤波去除图像中的高斯噪声，并且采用中值滤波抑制图像中的 椒盐噪声；

22)图像分割：采用基于能量函数的分割方法中的grabcut算法对去噪后的待分割 图形进行分割，通过对待分割的图像进行区域划分并标号，分别获取每个标号区域的gibbs 能量，获得所有标号区域的总能量最小对应的分割图像即为最优；

23)特征提取：对分割后的叶片图像采用全局特征中的形状特征和LBP纹理特征作 为特征向量，形状特征包括8个几何特征和7个Hu矩特征。

所述的步骤3)中的叶片识别具体包括以下步骤：

31)从叶片数据库中选取每个物种多张叶片图像，并提取特征向量，采用SVM分类 器进行训练；

32)向SVM分类器导入待识别叶片的特征向量，根据SVM分类器的结果对叶片进行 分类；