植物识别

摘要： 为实现对植物的高效识别与分类,现拟设计一种改进型卷积网络对大规模植物进行提取分类。利用图像算法对提取的植物图像进行增强,提高识别的灵敏度;然后以现有深度神经网络为基础,设计一个门网络,实现数千维输出的深度混合网络;再通过机器学习快速识别并提取探测目标的特征来实现植物的有效识别及分类。根据结果显示,本设计对植物的识别精确度能达到83%。

摘要： 手机APP在辅助高校植物学和生态学教学中具有重要的应用价值.通过对植物识别和查询类、野外调查和记录类、研究工具类共计16种手机APP的功能及其应用价值进行归纳总结,分析APP在辅助植物学和生态学教学中的优势和不足,以期提升高校植物学和生态学教学的效果,提高学生学习的积极性,为高校生物学教学模式的创新和实践提供参考.

摘要： 针对自然界中植物数据规模大且分布不平衡导致的识别困难的问题,提出一种基于显著特征和全局特征融合的植物识别方法.通过多层特征融合方法改进VGG19网络以提取植物的全局特征,并对全局特征进行显著特征提取得到图像的显著特征,将显著特征和全局特征进行自适应加权特征融合得到融合特征,对融合特征进行分类识别.在PlantCLEF2016数据集上的实验结果表明,该方法的准确率可达到81％,验证了其在大规模且分布不平衡的植物识别中可行有效.

摘要： 为提取高效的植物形态学特征,提升在图像中植物的识别准确率,结合植物的宏观整体轮廓和微观局部纹理特征,提出融合式双特征神经网络(HDF-CNN)进行植物识别.采用并行双通道方案,充分利用密集残差网络增强植物器官细节纹理描述,采用另一个大卷积核CNN提取植物全局轮廓特征,将宏观和微观的特征融合后得到一个全面的植物特征.实验结果表明,与常见的图像识别方法相比,该方法能提取到精准高效的植物图像特征,取得了更高的识别准确率.

摘要： 近日,国际著名学术期刊《Nature Communications》在线发表了有关研究论文。该论文以稻曲菌为研究材料.鉴定了一个在真菌中保守存在的微生物相关分子模式SGP1,这类蛋白中保守的22个氨基酸SNP22是该MAMP被植物识别的最短抗原区段。该研究通过分泌蛋白质谱测序结合农杆菌介导的本氏烟瞬时转化方法.

摘要： 固态电分析化学(SSEAC)是一种利用电化学方法对固体物质的信息进行分析的手段,特别适用于分析固态物质的元素成分、相位成分和氧化还原状态.SSEAC技术发展至今已被成功应用于获取天然颜料、植物、矿物和文物的电化学信息,并进行定性和定量分析.基于SSEAC的植物分析研究是近年来电分析化学和植物化学之间兴起的一种交叉分析技术,它在学术上可以对物种的种间关系、变异、分化与适应提出新的认识,同时在药材鉴定、食品安全和经济作物品质控制中拥有着非常直观的现实应用价值.本文详细综述了近年来SSEAC技术在植物鉴定识别、植物系统发生学和植物生理监测的工作.在此基础上,本文还总结了SSEAC技术在植物分析中存在的问题,并分析了其在未来发展中的前景.

摘要： 对本科生植物识别能力的训练是高校生物、农林相关专业重要的实践内容之一.扬州大学以"互联网+"的发展为契机,应用Unity3D、显微数字成像、电子地图、SQL数据库等技术构建了一系列包含植物标本采集、植物解剖、植物描述和植物识别数据库等资源的线上实验教学平台.教学团队通过实施"线上线下"相结合的植物识别实验教学模式,解决了传统实验中存在的一些问题,拓展了实验教学时空,提升了实验学习效果,实现了碎片化学习方式和自主学习的目标.

摘要： 天然草地植物物种的分类识别是草地植被调查与监测的重要内容,传统的植物物种分类方法费时费力,且对专业知识要求高,难以很好地满足天然草地资源快速调查的需求.近年来随着计算机视觉和深度学习的快速发展,基于深度学习算法的植物图像分类识别已成为当前的研究热点.本研究建立了293种天然草地植物图像数据集,利用TensorFlow深度学习框架中的TF-slim模块,通过微调Inception V3模型的训练参数构建了天然草地植物的图像识别模型,训练结果表明,该模型验证集的Top1识别准确率达89.41％,Top5识别准确率为97.71％.与形色、花伴侣、微软识花和拍照识花等软件的识别效果的比较结果显示,本研究训练得到的植物识别模型可以识别的天然草地植物物种数量更多,识别准确度更高.

摘要： 移动互联网的发展和软硬件设施的完善,专家系统在移动应用领域得以发展.植物的识别与学习是中学阶段生物学科的重要部分,户外体验式教学是提高学生植物学习效果的有效途径.基于产生式规则专家系统,本研究开发了基于Android平台的植物识别与移动学习App,并采用教育实验、问卷调查、课堂观察等研究方法,从软件使用情况、软件使用态度、对学习方法满意度和对自然科学的学习态度四个维度进行了户外体验式移动学习的应用研究,并进行人口统计学及移动应用学习经验等差异分析,验证了该系统对学生学习态度及户外体验式教学的满意度有积极作用这一研究假设.

摘要： 包络线去除算法将反射率光谱归一到一致的光谱背景上,可以有效突出光谱曲线的吸收特征.但是,传统的包络线去除算法存在小峰值点遗漏问题,无法放大小吸收峰.通过选取局域最大值点,对传统包络线去除算法进行了改进,并用此算法放大了反射特征.通过比较4种不同种类植物的包络线去除光谱,选择差异较大的波段,用于区分识别这4种植物,并用欧氏距离法检验了所选波段的区分效果.实验证明,改进后的包络线去除法能有效避免小峰值点遗漏问题,并且能更好地区分不同种类的植物.

摘要： 包络线去除算法将反射率光谱归一到一致的光谱背景上,可以有效突出光谱曲线的吸收特征.但是,传统的包络线去除算法存在小峰值点遗漏问题,无法放大小吸收峰.通过选取局域最大值点,对传统包络线去除算法进行了改进,并用此算法放大了反射特征.通过比较4种不同种类植物的包络线去除光谱,选择差异较大的波段,用于区分识别这4种植物,并用欧氏距离法检验了所选波段的区分效果.实验证明,改进后的包络线去除法能有效避免小峰值点遗漏问题,并且能更好地区分不同种类的植物.

摘要： 包络线去除算法将反射率光谱归一到一致的光谱背景上,可以有效突出光谱曲线的吸收特征.但是,传统的包络线去除算法存在小峰值点遗漏问题,无法放大小吸收峰.通过选取局域最大值点,对传统包络线去除算法进行了改进,并用此算法放大了反射特征.通过比较4种不同种类植物的包络线去除光谱,选择差异较大的波段,用于区分识别这4种植物,并用欧氏距离法检验了所选波段的区分效果.实验证明,改进后的包络线去除法能有效避免小峰值点遗漏问题,并且能更好地区分不同种类的植物.

摘要： 包络线去除算法将反射率光谱归一到一致的光谱背景上,可以有效突出光谱曲线的吸收特征.但是,传统的包络线去除算法存在小峰值点遗漏问题,无法放大小吸收峰.通过选取局域最大值点,对传统包络线去除算法进行了改进,并用此算法放大了反射特征.通过比较4种不同种类植物的包络线去除光谱,选择差异较大的波段,用于区分识别这4种植物,并用欧氏距离法检验了所选波段的区分效果.实验证明,改进后的包络线去除法能有效避免小峰值点遗漏问题,并且能更好地区分不同种类的植物.

摘要： 本发明提供一种基于植物光照图像的植物生长状态识别方法，包括：通过提取采集到的植物长时间连续变化图像的深度信息和植物的光照信息，结合土壤特性信息，获取植物的植株坐标并将所述植物的植株坐标数据标准化，构建基于植株器官集群的条件随机场模型，并采用训练样本进行训练，得到植株器官变化状态训练的识别模型，最终根据待识别目标植物的样本特征，利用该识别模型，诊断检测植物生长状态变化趋势。本发明能够提高对植物植株图像数据和环境数据，以及对土壤的种类、营养含量及光照强度色度等各项环境参数的辨识度，从而能够准确判定各植株器官的生长状态。

摘要： 本发明提供了一种可根据自识别植物品种而调节照射参数的植物灯照射系统，涉及植物培育技术领域，包括模块系统和硬件系统，所述模块系统包括ARM硬件控制板卡、云端服务器、图像收集模块、图像处理模块、植物模型构建系统、人机交互模块；本发明通过植物数据库收集各类植株的数据信息和图像信息以此作为源数据，通过图像收集模块接收AI摄像头接收拍摄的植株数据，并配合图像处理模块用于确定拍摄的植株数据的特征值，通过建模模块基于植物数据库，构造多元植物模型对比库用作比对，特征数据比对模块将确定的特征值与多元植物模型对比库，以此来确定植物种类和生长周期，从而控制LED植物灯调整光照参数，有利于提高植物的培育效果。

摘要： 用于基于敏感植物的荧光来识别作物中的应激原的方法的一个变型包括：访问在作物中播种的敏感植物的一组光谱图像，敏感植物类型的敏感植物包括被配置为用信号通知在敏感植物处存在的一组应激原的一组启动子和一组报告子，该一组启动子和该一组报告子形成一组启动子‑报告子对；访问基于由在敏感植物类型中的该一组启动子‑报告子对生成的信号来将从敏感植物的该一组光谱图像提取的特征与该一组应激原关联的报告子模型；以及基于报告子模型和从该一组光谱图像提取的特征来识别在敏感植物处存在的在该一组应激原中的第一应激原。

摘要： 本发明提供一种基于植物光照图像的植物生长状态识别方法，包括：通过提取采集到的植物长时间连续变化图像的深度信息和植物的光照信息，结合土壤特性信息，获取植物的植株坐标并将所述植物的植株坐标数据标准化，构建基于植株器官集群的条件随机场模型，并采用训练样本进行训练，得到植株器官变化状态训练的识别模型，最终根据待识别目标植物的样本特征，利用该识别模型，诊断检测植物生长状态变化趋势。本发明能够提高对植物植株图像数据和环境数据，以及对土壤的种类、营养含量及光照强度色度等各项环境参数的辨识度，从而能够准确判定各植株器官的生长状态。

摘要： 本发明公开了一种植物瞬时表达植物DNA错配识别的核酸内切酶的方法。本发明的方法包括如下步骤：在烟草叶片中表达植物DNA错配识别的核酸内切酶，再从表达植物DNA错配识别的核酸内切酶的烟草叶片中提取植物DNA错配识别的核酸内切酶。通过实验证明：本发明采用烟草瞬时表达系统，可以高效表达外源蛋白酶CELI，从注射农杆菌到纯化蛋白仅需3-5天时间，大大节约时间和成本，并且酶活并没有降低。

摘要： 本发明公开了一种基于植物叶片图像信息的便携式校园植物种类识别系统。包括：图像采集单元，处理器单元，存储器，显示屏和用户交互按钮。其中图像采集单元包括摄像头和白色背景框。图像采集单元负责植物叶片的图像采集，处理器单元主要负责植物叶片图像处理和识别，存储器中存储校园植物叶片的图像信息以及植物相关的详细信息，显示屏用来显示识别结果，用户交互按钮主要负责用户与系统的交互。处理器对采集到的植物叶片图像信息首先进行预处理，然后进行特征提取并向量化，通过计算被识别植物叶片向量与存储器中植物叶片向量间的距离来识别植物。本发明可以方便地通过植物叶片图像信息来识别校园植物，有重要的实用价值。

摘要： 本申请公开了一种喷雾器、植物病虫害识别方法和识别设备，其中，喷雾器包括：箱体、喷杆和支撑杆；箱体包括储液箱、通信模块、控制模块和供电模块；储液箱，用于储存喷雾液体；喷杆的第一端与储液箱连接，喷杆的第二端设置有喷头；支撑杆的第一端与喷杆连接，支撑杆的第二端设置有图像采集器；供电模块分别与通信模块、控制模块和图像采集器连接，用于为通信模块、控制模块和图像采集器供电；控制模块，用于控制图像采集器采集植物图像，并控制通信模块向识别设备发送植物图像；控制通信模块接收识别设备针对植物图像反馈的喷洒指令，并响应喷洒指令控制喷头喷洒喷雾液体。

摘要： 本实用新型公开了一种基于植物叶片图像信息的便携式植物种类识别装置，包括机体，所述机体的内部固定安装有蓄电池，所述蓄电池电性连接有散热风扇，所述蓄电池电性连接有中央处理器，所述中央处理器电性连接有图像处理器，所述中央处理器电性连接有储存硬盘。本实用新型，需要进行对植物叶片识别时，从机体中将显示屏翻开，并将摄像头翻转对着目标树叶后，按下摄像开关，对目标树叶进行拍照，拍摄的图像经过图像处理器的处理后，将数据传送至中央处理器后，在通过中央处理器将拍摄的图像与储存硬盘中，事先储存的数据进行对比，再通过中央处理器的计算，将对比信息呈现至显示屏上，携带方便并且使用便捷，可随时进行拍摄对比获取目标信息。

摘要： 本公开涉及一种植物识别方法、植物识别设备和植物识别系统。植物识别方法包括：当图像采集单元处于运行状态中时，根据所述图像采集单元生成的预览图像对图像采集参数进行检测；根据所述检测的结果来自动调整图像采集参数和/或发出用于指示用户调整图像采集参数的提示信息；基于调整后的图像采集参数，从所述图像采集单元获取拍摄图像，其中，所述拍摄图像包括待识别的植物的图像；以及根据所述拍摄图像对所述待识别的植物进行识别。

摘要： 本发明公开了一种基于深度学习和植物分类学的植物识别方法。将样本植物图像进行科、属、种的标记；将样本植物图像输入深度卷积神经网络中进行训练。将损失函数设定为科、属、种标签的交叉熵损失的加权和，通过随机梯度下降算法更新神经网络的权值，待该深度卷积神经网络收敛后结束训练并固定各层权值不再改变得到训练好的深度卷积神经网络。本发明通过将深度学习与植物分类学结合，引入科、属标签作为学习目标，提高了识别正确率。