【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像處理和分析，具體為一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)和方法。
技術(shù)介紹
1、植物標(biāo)本分類系統(tǒng)的技術(shù)背景始于20世紀(jì)中葉，隨著計(jì)算機(jī)和圖像處理技術(shù)的發(fā)展，這一系統(tǒng)逐漸成熟。早期，植物分類主要依靠植物學(xué)家的經(jīng)驗(yàn)和物理標(biāo)本，分類過程既耗時(shí)又容易受主觀因素影響。隨著數(shù)字化技術(shù)的引入，植物標(biāo)本的數(shù)字圖像可以被廣泛存儲(chǔ)和分析，極大提高了分類的準(zhǔn)確性和效率。近年來，深度學(xué)習(xí)和機(jī)器視覺技術(shù)的應(yīng)用使得植物標(biāo)本分類系統(tǒng)能夠自動(dòng)識(shí)別和分類數(shù)以千計(jì)的植物種類，這些系統(tǒng)現(xiàn)在能夠處理大規(guī)模的植物圖像數(shù)據(jù)庫(kù)，支持全球植物學(xué)研究和生物多樣性保護(hù)工作。
2、植物標(biāo)本分類系統(tǒng)雖然技術(shù)日益成熟，但在實(shí)際應(yīng)用中仍然存在以下一些技術(shù)缺點(diǎn)：
3、種類覆蓋不全：現(xiàn)有系統(tǒng)在處理罕見或地區(qū)特有植物種類時(shí)表現(xiàn)不佳，因?yàn)檫@些種類的訓(xùn)練數(shù)據(jù)較少，導(dǎo)致系統(tǒng)難以準(zhǔn)確識(shí)別。
4、對(duì)幼苗和變種識(shí)別困難：植物在不同生長(zhǎng)階段的外觀差異較大，特別是幼苗期與成熟期，系統(tǒng)常常難以準(zhǔn)確分類。此外，對(duì)于植物的變種或雜交種，系統(tǒng)也常常缺乏足夠的識(shí)別能力。
5、受限于特定特征：大多數(shù)系統(tǒng)主要依賴植物的葉子形態(tài)進(jìn)行分類，對(duì)于依賴花、果實(shí)或其他特征進(jìn)行識(shí)別的種類，系統(tǒng)可能無法提供有效支持。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)的不足，本專利技術(shù)提供了一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)和方法，解決了
技術(shù)介紹
中所提到的問題。
2、為實(shí)現(xiàn)以上目的，本專利技術(shù)通過以下技術(shù)方案予以實(shí)現(xiàn)
3、所述采集建模模塊用于在采集現(xiàn)場(chǎng)部署多光譜成像設(shè)備和微距攝像設(shè)備；接著根據(jù)植物標(biāo)本的生長(zhǎng)階段將植物形態(tài)特征采集為多尺度圖像數(shù)據(jù)集；
4、所述多尺度紋理分析模塊用于從多尺度圖像數(shù)據(jù)集中提取植物的方向紋理特征；并利用深度學(xué)習(xí)算法分析提取的紋理特征，構(gòu)建紋理特征分析模型，對(duì)罕見和地區(qū)特有植物種類進(jìn)行識(shí)別；
5、所述實(shí)時(shí)監(jiān)控模塊用于實(shí)時(shí)監(jiān)控植物分類過程并預(yù)測(cè)植物種類；在分類過程中計(jì)算植物紋理異質(zhì)性指數(shù)hxzs；并預(yù)設(shè)第一差值a1和第二差值a2，對(duì)植物紋理異質(zhì)性指數(shù)hxzs進(jìn)行評(píng)估，并生成預(yù)警指令；
6、所述人機(jī)交互模塊用于通過人機(jī)交互界面，實(shí)時(shí)顯示植物分類過程，并在接收預(yù)警指令后，用戶通過人機(jī)交互界面查看植物種類及紋理特征；
7、所述分類優(yōu)化模塊，用于對(duì)植物標(biāo)本分類結(jié)果進(jìn)行優(yōu)化；采集植物標(biāo)本的分類數(shù)據(jù)，構(gòu)建分類數(shù)據(jù)集；同時(shí)提取分類數(shù)據(jù)集進(jìn)行深度學(xué)習(xí)分析，獲取植物分類效能指數(shù)zyzs；最后對(duì)植物分類效能指數(shù)zyzs進(jìn)行評(píng)估，并生成優(yōu)化策略。
8、優(yōu)選的，所述采集建模模塊通過在采集現(xiàn)場(chǎng)部署多光譜成像設(shè)備和微距攝像設(shè)備，實(shí)時(shí)獲取植物標(biāo)本的高清晰度和多角度圖像；首先根據(jù)植物標(biāo)本的生長(zhǎng)階段，包括幼苗期、成熟期以及開花期，選擇相應(yīng)的成像技術(shù)和參數(shù)設(shè)置，接著自動(dòng)調(diào)整攝像設(shè)備的焦距和光譜設(shè)置，對(duì)應(yīng)不同植物的大小和表面特性，從而收集到包含詳細(xì)紋理和顏色信息的多尺度圖像數(shù)據(jù)集。
9、優(yōu)選的，所述多尺度紋理分析模塊包括紋理特征提取單元和紋理分析單元；
10、所述紋理特征提取單元用于執(zhí)行對(duì)多尺度圖像數(shù)據(jù)集中植物標(biāo)本圖像的初步處理，包括應(yīng)用邊緣檢測(cè)和紋理分析算法識(shí)別和提取植物的紋理模式；通過使用圖像處理技術(shù)識(shí)別出植物的主要紋理特征，包括葉脈、花瓣紋理以及果實(shí)表皮結(jié)構(gòu)，并將植物的主要紋理特征轉(zhuǎn)換為主要紋理數(shù)字?jǐn)?shù)據(jù)。
11、優(yōu)選的，所述紋理分析單元利用轉(zhuǎn)換后的主要紋理數(shù)字?jǐn)?shù)據(jù)，運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)在內(nèi)的深度學(xué)習(xí)算法進(jìn)行復(fù)雜的模式識(shí)別，并建立紋理特征分析模型；接著根據(jù)訓(xùn)練后的模型對(duì)罕見和地區(qū)特有植物種類進(jìn)行識(shí)別和分類；其中深度學(xué)習(xí)模型通過學(xué)習(xí)大量已標(biāo)記的植物圖像，調(diào)整對(duì)植物種類的識(shí)別精度和效率。
12、優(yōu)選的，所述實(shí)時(shí)監(jiān)控模塊包括紋理異質(zhì)性計(jì)算單元和異質(zhì)性評(píng)估單元；
13、所述紋理異質(zhì)性計(jì)算單元用于計(jì)算植物紋理異質(zhì)性指數(shù)hxzs；通過使用特定的圖像處理算法和其他紋理分析工具，識(shí)別和測(cè)量植物表面的紋理細(xì)節(jié)變化，并將這些變化轉(zhuǎn)換為數(shù)值指標(biāo)，并獲取植物圖像對(duì)比度con、植物圖像同質(zhì)性hom以及植物圖像角二階矩值ene，最后通過以下公式計(jì)算紋理異質(zhì)性指數(shù)hxzs：
14、。
15、優(yōu)選的，所述異質(zhì)性評(píng)估單元用于預(yù)設(shè)第一差值a1和第二差值a2，并對(duì)紋理異質(zhì)性指數(shù)hxzs進(jìn)行評(píng)估，判斷植物的紋理狀態(tài)是否存在潛在的問題或異常；且第一差值a1大于第二差值a2，具體評(píng)估內(nèi)容如下：
16、當(dāng)紋理異質(zhì)性指數(shù)hxzs≤第二差值a2，則表示植物紋理狀態(tài)正常，無需進(jìn)一步動(dòng)作；
17、當(dāng)?shù)诙钪礱2＜紋理異質(zhì)性指數(shù)hxzs≤第一差值a1，則生成第一預(yù)警指令，提示用戶植物紋理狀態(tài)存在異常但在可接受范圍內(nèi)，此時(shí)進(jìn)行詳細(xì)檢查以及監(jiān)測(cè)；
18、當(dāng)紋理異質(zhì)性指數(shù)hxzs＞第一差值a1，則生成第二預(yù)警指令，提示用戶植物紋理狀態(tài)存在異常，需要立即采取措施，包括進(jìn)一步的診斷和干預(yù)。
19、優(yōu)選的，所述人機(jī)交互模塊通過集成的人機(jī)交互界面，負(fù)責(zé)實(shí)時(shí)顯示植物分類過程，并在接收來自異質(zhì)性評(píng)估單元的預(yù)警指令后，提供一個(gè)用戶友好界面供用戶查看植物種類及其紋理特征；首先實(shí)時(shí)展示從多尺度紋理分析模塊獲得的植物圖像和分類信息，當(dāng)預(yù)警指令發(fā)出后，通過在用戶友好界面上突出顯示預(yù)警指令提示用戶注意潛在的問題；此外，用戶通過圖形用戶界面進(jìn)一步探索影響分類決策的具體紋理特征，包括植物圖像對(duì)比度con、植物圖像同質(zhì)性hom以及植物圖像角二階矩值ene的具體數(shù)值。
20、優(yōu)選的，所述分類優(yōu)化模塊包括數(shù)據(jù)采集計(jì)算單元和優(yōu)化分析單元；
21、所述數(shù)據(jù)采集計(jì)算單元用于從多尺度紋理分析模塊收集數(shù)據(jù)，并構(gòu)建分類數(shù)據(jù)集；所述分類數(shù)據(jù)集包含了植物的各種形態(tài)相關(guān)數(shù)據(jù)和紋理特征相關(guān)數(shù)據(jù)，接著通過提取分類數(shù)據(jù)集，利用以下公式計(jì)算出植物分類效能指數(shù)zyzs：
22、；
23、式中，lea表示分類數(shù)據(jù)集中的葉片邊緣銳度、col表示分類數(shù)據(jù)集中的顏色分布均勻性、ven表示分類數(shù)據(jù)集中的葉脈紋理密度、fru表示分類數(shù)據(jù)集中的果實(shí)形狀描述匹配度。
24、優(yōu)選的，所述優(yōu)化分析單元用于預(yù)設(shè)植物分類性能閾值qy，并與植物分類效能指數(shù)zyzs進(jìn)行對(duì)比評(píng)估，最后生成具體的優(yōu)化策略；
25、具體內(nèi)容如下：
26、當(dāng)植物分類效能指數(shù)zyzs≥植物分類性能閾值qy，表示當(dāng)前分類系統(tǒng)的性能正常或優(yōu)于預(yù)期，無需額外調(diào)整；
27、當(dāng)植物分類效能指數(shù)zyzs＜植物分類性能閾值qy，表示當(dāng)前分類系統(tǒng)的性能異常，未達(dá)到預(yù)期標(biāo)準(zhǔn)，此時(shí)需要采取優(yōu)化措施并生成優(yōu)化策略；
28、所述優(yōu)化策略具體包括：
29、對(duì)分類模型的參數(shù)進(jìn)行調(diào)整，包括修改網(wǎng)絡(luò)結(jié)構(gòu)、優(yōu)化訓(xùn)練算法以及重新訓(xùn)練模型使本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：包括采集建模模塊、多尺度紋理分析模塊、實(shí)時(shí)監(jiān)控模塊、人機(jī)交互模塊和分類優(yōu)化模塊；
2.根據(jù)權(quán)利要求1所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述采集建模模塊通過在采集現(xiàn)場(chǎng)部署多光譜成像設(shè)備和微距攝像設(shè)備，實(shí)時(shí)獲取植物標(biāo)本的高清晰度和多角度圖像；首先根據(jù)植物標(biāo)本的生長(zhǎng)階段，包括幼苗期、成熟期以及開花期，選擇相應(yīng)的成像技術(shù)和參數(shù)設(shè)置，接著自動(dòng)調(diào)整攝像設(shè)備的焦距和光譜設(shè)置，對(duì)應(yīng)不同植物的大小和表面特性，從而收集到包含詳細(xì)紋理和顏色信息的多尺度圖像數(shù)據(jù)集。
3.根據(jù)權(quán)利要求1所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述多尺度紋理分析模塊包括紋理特征提取單元和紋理分析單元；
4.根據(jù)權(quán)利要求3所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述紋理分析單元利用轉(zhuǎn)換后的主要紋理數(shù)字?jǐn)?shù)據(jù)，運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)在內(nèi)的深度學(xué)習(xí)算法進(jìn)行復(fù)雜的模式識(shí)別，并建立紋理特征分析模型；接著根據(jù)訓(xùn)練后的模型對(duì)罕見和地區(qū)特有植物種類進(jìn)行識(shí)別和分類；其中深度學(xué)
5.根據(jù)權(quán)利要求1所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述實(shí)時(shí)監(jiān)控模塊包括紋理異質(zhì)性計(jì)算單元和異質(zhì)性評(píng)估單元；
6.根據(jù)權(quán)利要求5所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述異質(zhì)性評(píng)估單元用于預(yù)設(shè)第一差值A(chǔ)1和第二差值A(chǔ)2，并對(duì)紋理異質(zhì)性指數(shù)Hxzs進(jìn)行評(píng)估，判斷植物的紋理狀態(tài)是否存在潛在的問題或異常；且第一差值A(chǔ)1大于第二差值A(chǔ)2，具體評(píng)估內(nèi)容如下：
7.根據(jù)權(quán)利要求1所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述人機(jī)交互模塊通過集成的人機(jī)交互界面，負(fù)責(zé)實(shí)時(shí)顯示植物分類過程，并在接收來自異質(zhì)性評(píng)估單元的預(yù)警指令后，提供一個(gè)用戶友好界面供用戶查看植物種類及其紋理特征；首先實(shí)時(shí)展示從多尺度紋理分析模塊獲得的植物圖像和分類信息，當(dāng)預(yù)警指令發(fā)出后，通過在用戶友好界面上突出顯示預(yù)警指令提示用戶注意潛在的問題；此外，用戶通過圖形用戶界面進(jìn)一步探索影響分類決策的具體紋理特征，包括植物圖像對(duì)比度Con、植物圖像同質(zhì)性Hom以及植物圖像角二階矩值Ene的具體數(shù)值。
8.根據(jù)權(quán)利要求1所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述分類優(yōu)化模塊包括數(shù)據(jù)采集計(jì)算單元和優(yōu)化分析單元；
9.根據(jù)權(quán)利要求8所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述優(yōu)化分析單元用于預(yù)設(shè)植物分類性能閾值Qy，并與植物分類效能指數(shù)Zyzs進(jìn)行對(duì)比評(píng)估，最后生成具體的優(yōu)化策略；
10.一種融合多尺度方向紋理特征的植物標(biāo)本分類方法，根據(jù)權(quán)利要求1~9任一項(xiàng)所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：包括以下步驟：
...【技術(shù)特征摘要】
1.一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：包括采集建模模塊、多尺度紋理分析模塊、實(shí)時(shí)監(jiān)控模塊、人機(jī)交互模塊和分類優(yōu)化模塊；
2.根據(jù)權(quán)利要求1所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述采集建模模塊通過在采集現(xiàn)場(chǎng)部署多光譜成像設(shè)備和微距攝像設(shè)備，實(shí)時(shí)獲取植物標(biāo)本的高清晰度和多角度圖像；首先根據(jù)植物標(biāo)本的生長(zhǎng)階段，包括幼苗期、成熟期以及開花期，選擇相應(yīng)的成像技術(shù)和參數(shù)設(shè)置，接著自動(dòng)調(diào)整攝像設(shè)備的焦距和光譜設(shè)置，對(duì)應(yīng)不同植物的大小和表面特性，從而收集到包含詳細(xì)紋理和顏色信息的多尺度圖像數(shù)據(jù)集。
3.根據(jù)權(quán)利要求1所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述多尺度紋理分析模塊包括紋理特征提取單元和紋理分析單元；
4.根據(jù)權(quán)利要求3所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述紋理分析單元利用轉(zhuǎn)換后的主要紋理數(shù)字?jǐn)?shù)據(jù)，運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)在內(nèi)的深度學(xué)習(xí)算法進(jìn)行復(fù)雜的模式識(shí)別，并建立紋理特征分析模型；接著根據(jù)訓(xùn)練后的模型對(duì)罕見和地區(qū)特有植物種類進(jìn)行識(shí)別和分類；其中深度學(xué)習(xí)模型通過學(xué)習(xí)大量已標(biāo)記的植物圖像，調(diào)整對(duì)植物種類的識(shí)別精度和效率。
5.根據(jù)權(quán)利要求1所述的一種融合多尺度方向紋理特征的植物標(biāo)本分類系統(tǒng)，其特征在于：所述實(shí)時(shí)監(jiān)控模塊包括紋理異質(zhì)性計(jì)算單元和異質(zhì)性評(píng)估單元；
6.根據(jù)權(quán)利要求5所述的一種融合多尺度方向紋理特征的...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張盧水，
申請(qǐng)(專利權(quán))人：綿陽(yáng)師范學(xué)院，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。