科创中国

本发明涉及一种植物自动识别方法和系统，通过获取不同类别和个体的植物点云数据构建植物识别的训练集，再计算所述植物的形状特征向量，基于所述形状特征向量计算计算植物识别算法的参数以及待识别植物个体属于各植物类别的可能性大小，并选取可能性最大的类别作为该植物的类别。本发明的过程简单，且方便实用，提高了植物自动识别的工作效率，减小了工作量，适用于大规模植物分类识别工作。采用上述同样的方法得到所述植物点云数据中每一点对应的形状特征，并记为F；将所述F每一维构造均匀分成若干直方图，得到所述植物个体的形状特征向量，所述形状特征向量表征了所述植物个体的形状信息及类别信息。

一种植物自动识别方法，其特征在于，包括下述步骤：获取不同类别和个体的植物点云数据；构建植物识别的训练集；计算植物训练集植物的形状特征向量；基于所述形状特征向量计算植物识别算法的参数；及基于所述识别算法及参数计算待识别植物个体属于各植物类别的可能性大小，选取可能性最大的类别作为该植物的类别；其中，计算植物训练集植物的形状特征向量，包括下述步骤：对所述植物点云数据的任一点p，查找其最近的k个点N(p，k)，其中，k分别选取为10，20，30，40，50；利用主成分分析方法计算所述点p及所述点N(p，k)的特征值和所述特征值对应的特征向量，所述特征值为(l_1k，l_2k，1_3k)，所述特征向量为(v_1k，v_2k，v_3k)，其中l_1k

据估计，地球上大约有22万到42万种不同类别的植物。对于植物的分类识别是一 项庞大复杂的工作，传统的植物识别方法主要依靠相应的植物学家，利用他们自身的专业 知识，对植物外形、表皮、叶子等进行研究分析，确认植物类别，但是，这种人工分类方式效 率低下，需要耗费大量的人力、物力和财力，而且极度依赖植物学家的专业知识。

[0003] 目前也有少量基于植物叶片图像采用自动分类方法对植物进行识别。在国外， Guyer等在1993年提取了 17种用于描述叶片形状的特征对植物进行分类研究;Abbasi等人 使用多重尺度曲率空间来描述叶子的边界和形状及其它特征来对菊花进行分类研究； Saitoh和Kaneko通过提取形状和颜色等特征，使用神经网络来识别野花，对16种不同类别 的野花进行分类识别实验，其准确率超过了 95%;Rui等人利用改进的傅立叶描述子对植物 叶片进行了分类研究。在国内，傅星、卢汉清在1994年进行了使用计算机技术进行植物自动 分类的初步探讨和研究;祁亨年等通过提取基于叶片大小、叶形、圆形度参数及叶缘等叶片 外观形状特征，建立植物分类识别模型对植物分类进行研究;傅弘等提出使用边缘梯度、局 部对比度和领域统计特征等10个参数来描述像素的邻域特征，结合神经网络方法提取叶脉 图像，用于叶片识别。

[0004] 虽然，上述的这些方法都需要采集植物叶片，相对于人工识别提高了效率，但是， 其采集数据的工作量任然较大、效率较低。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

本发明提供的植物自动识别方法和系统，通过获取不同类别和个体的植物点云数 据构建植物识别的训练集，再计算所述植物的形状特征向量，基于所述形状特征向量计算 计算植物识别算法的参数以及待识别植物个体属于各植物类别的可能性大小，并选取可能 性最大的类别作为该植物的类别，过程简单、方便实用，提高了植物自动识别的工作效率， 减小了工作量，适用于大规模植物分类识别工作。

技术合作

仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽 然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人 员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰 为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对 以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。