طبقه بندی برگ گیاهان به صورت خودکار با استفاده از روشهاییادگیری ماشین و پردازش تصویر

امروزه پردازش تصویر به‌واسطه گستره وسیعی از کاربرد‌های آن در زمینه‌های مختلف مانند کاربردهای نظامی، پزشکی، تجاری و کشاورزی نقش حیاتی در دنیا ایفا می‌کند. در چند سال اخیر مطالعات بسیاری در زمینه تشخیص و طبقه‌بندی خودکار گیاهان صورت گرفته است. در این مقاله یک روش کاربردی مبتنی بر الگوریتم بهینه‌سازی وال (woa) به‌منظور شناسایی برگ و طبقه‌بندی انواع گیاهان ارائه شده است. در این روش مجموعه‌ای از ویژگی‌های کارآمد در فضاهای رنگی مختلف استخراج می‌شود. این ویژگی‌ها پس از نرمال‌سازی و کاهش بعد به‌وسیله الگوریتم بهینه‌سازی وال به‌عنوان ورودی به یک طبقه بند داده می‌شوند. طبقه بندهای مختلفی ازجمله ماشین بردار پشتیبان، k نزدیک‌ترین همسایه، درخت تصمیم، logistic regression و mlp مورد آزمایش قرار گرفتند. روش معرفی‌شده بر روی سه پایگاه داده swedish leaf،flavia و مجموعه داده جمع‌آوری‌شده در این پژوهش ارزیابی می‌شود. در نهایت با استفاده از طبقه بند logistic regression توانستیم به بهترین دقت یعنی 70/99% بر روی مجموعه داده swedish leaf و دقت 63/%97 بر روی مجموعه داده flavia برسیم. نتایج تجربی نشان می‌دهد که روش پیشنهادی ما یک روش کارآمد برای طبقه‌بندی برگ گیاهان است که می‌تواند در حوزه‌های دیگر پردازش تصویر نیز مفید واقع شود.