本小组成员崔婧同学的综述论文《Review of plant leaf recognition》被国际知名期刊《Artificial Intelligence Review》接收并在线发表！

植物的识别与分类对生态环境的保护具有重要意义。传统的植物鉴定方法较为复杂，难以对植物种类进行快速分类。图像处理和模式识别技术可应用于植物叶片的快速识别和分类。因此，本文对近年来植物叶片的识别方法进行了总结和分类，并主要对特征提取和分类器进行了综述。

基于图像处理的植物识别框架如图1所示。论文分别对图像预处理、特征提取和分类这三个步骤分别进行了归纳总结。

特征提取是图像处理和模式识别的关键。通过调研相关文献，本文针对植物识别的标准特征包括形状、纹理、颜色和叶脉等进行了总结。特征提取完成后，将其组合成特征向量并进行识别和分类。本文综述了当前植物识别中常用的分类器。研究表明，选择分类器时需要考虑提取特征的特点。不同的分类器结合不同的特征，其识别性能也不同。

在不同数据集的对比研究中，同一算法在不同数据集上的识别结果是不同的。因此，在实际应用中，算法的识别性能可能不稳定，无法准确识别树叶图像。此外，实验中使用的树叶图像大多是在理想条件下采集的，自然条件下的树叶识别结果可能并不理想。所以，植物叶片识别还有待进一步的研究和发展。考虑非理想环境或自然环境中采集的图像，以提高识别算法的有效性。同时，植物叶片识别中对叶片碎片和受损叶片的研究较少，未来的研究需要给予更多的关注。

原文链接：https://link.springer.com/article/10.1007/s10462-022-10278-2

( 发布日期: 2022-09-24 )