基于概率神经网络和分形的植物叶片机器识别研究

编号 zgly0000556562

文献类型 期刊论文

文献题名 基于概率神经网络和分形的植物叶片机器识别研究

作者 黄林  贺鹏  王经民 

作者单位 西北农林科技大学信息工程学院  西北农林科技大学理学院 

母体文献 西北农林科技大学学报 

年卷期 2008,36(9)

页码 212-218

年份 2008 

分类号 TP183  TP391.41 

关键词 植物叶片  机器识别  概率神经网络  分形维数  特征提取 

文摘内容 【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法，有效解决了传统的植物机器识别分类特征单一且识别率较低的问题，为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息，以概率神经网络(PNN)为分类器对所得的特征信息进行训练，训练好的网络用来识别植物叶片的类别，从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量，通过对PNN分类器的训练，实现了30种植物叶片的快速机器识别，平均识别率达98．3％。比较测试表明，若去掉叶片纹理特征，单以其形状特征作为识别依据，平均识别率仅为93．7％。【结论】植物叶片综合特征识别方法有效弥补了传统单特征识别方法的不足，使识别效率得到了较大的提高。