طبقه بندی برگ گیاهان به صورت خودکار با استفاده از روش های یادگیری ماشین و پردازش تصویر

امروزه پردازش تصویر به واسطه گستره وسیعی از کاربردهای آن در زمینه های مختلف مانند کاربردهای نظامی، پزشکی، تجاری و کشاورزی نقش حیاتی در دنیا ایفا می کند. در چند سال اخیر مطالعات بسیاری در زمینه تشخیص و طبقه بندی خودکار گیاهان صورت گرفته است. در این مقاله یک روش کاربردی مبتنی بر الگوریتم بهینه سازی وال (WOA) به منظور شناسایی برگ و طبقه بندی انواع گیاهان ارائه شده است. در این روش مجموعه ای از ویژگی های کارآمد در فضاهای رنگی مختلف استخراج می شود. این ویژگی ها پس از نرمال سازی و کاهش بعد به وسیله الگوریتم بهینه سازی وال به عنوان ورودی به یک طبقه بند داده می شوند. طبقه بندهای مختلفی از جمله ماشین بردار پشتیبان، ما نزدیکترین همسایه، درخت تصمیم، Logistic Regression و MLP مورد آزمایش قرار گرفتند. روش معرفی شده بر روی سه پایگاه داده Flavia Swedish Leaf و مجموعه داده جمع آوری شده در این پژوهش ارزیابی می شود. در نهایت با استفاده از طبقه بند Logistic Regression توانستیم به بهترین دقت یعنی ۹۹/ ۷۰٪ بر روی مجموعه داده Swedish leaf و دقت ۹۷٪۱۶۳ بر روی مجموعه داده Flavia برسیم. نتایج تجربی نشان میدهد که روش پیشنهادی ما یک روش کارآمد برای طبقه بندی برگ گیاهان است که می تواند در حوزه های دیگر پردازش تصویر نیز مفید واقع شود.