Plant identification using new geometric features with standard data mining methods

Rojas-Hernández, Rafael; López-Chau, Asdrúbal; Mora, Valentín Trujillo; Rojas-Hernandez, Carlos A.

doi:10.1109/icnsc.2016.7479024

Cited by 11 publications

(5 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Speckle noise frequently occurres at the time of the ultrasonography acquisition [23]. Several ultrasound images contain labels and markers by the radiologists.…”

Section: Results and Analysismentioning

confidence: 99%

See 1 more Smart Citation

Computer Aided Diagnosis using Margin and Posterior Acoustic Featuresfor Breast Ultrasound Images

et al. 2017

View full text Add to dashboard Cite

show abstract

“…Speckle noise frequently occurres at the time of the ultrasonography acquisition [23]. Several ultrasound images contain labels and markers by the radiologists.…”

Section: Results and Analysismentioning

confidence: 99%

“…Both filters can remove markers and Rectangular RoI with breast nodules to be analysed is manually selected by the radiologists. Speckle noise frequently occurresat the time of the ultrasonography acquisition [23]. Several ultrasound images contain labels and markers by the radiologists.…”

Section: Results and Analysismentioning

confidence: 99%

Computer Aided Diagnosis using Margin and Posterior Acoustic Featuresfor Breast Ultrasound Images

et al. 2017

View full text Add to dashboard Cite

show abstract

“…Оценка параметров растений на основе двумерных изображений многократно производилась различными исследовательскими коллективами, например [3][4][5]. При этом измерения параметров производятся в плоскости изображения в пикселях, которые далее преобразуются в метрическую систему измерения.…”

Section: анализ методов построения моделей растенийunclassified

Review of Methods and Algorithms of Automated Plant Phenotyping Systems

Berezhnoy¹,

Ivaschuk²,

Semenov³

2021

СНТ (MHT)

View full text Add to dashboard Cite

Статья посвящена обзору существующих методов фенотипирования растений. Обоснована актуальность автоматизации процесса регистрации точной и объективной оценки морфологических, физиологических и анатомических параметров растений. Рассмотрены алгоритмы и методы расчета фенотипических характеристик растений, а также наиболее общие этапы процесса регистрации параметров растений, заключающиеся в получении первичной информации с сенсоров, предобработки полученных данных, построении модели растения, извлечении требуемых параметров, анализе результатов и визуализации. Анализ алгоритмов и методов производился на базе исследований, основанных на использовании двумерных изображений и исследований, использующих 3D модели растений, приведены плюсы и минусы каждого из подходов. Далее авторы обсуждают существующие мобильные и стационарные автоматизированные комплексы для сбора и оценки параметров роста и состояния растений с использованием 2D изображений, изображений и карты глубины объекта, 3D моделей. Такие системы задействованы в лабораториях биотехнологии растений, лабораториях коммерческих предприятий, выращивающих посадочный материал в промышленных объемах, и в полях. Для рассмотренных комплексов фенотипирования описываются результаты исследований, производится анализ используемых компонентов и приводятся параметры, получаемые на выходе работы систем.Ключевые слова: феномика растений, автоматизированная система фенотипирования, математическое моделирование, компьютерное зрение, измерительные системы

show abstract

“…There are also some works where generic image descriptors such as SIFT [15], GIST [16] and HOG [17] are utilized for leaf description and classification. And fused description methods based on multi-feature are studied for leaf descriptions [18]. A very recent survey on of feature extraction techniques for plant leaf recognition is shown in [19].…”

Section: Introductionmentioning

confidence: 99%

Plant leaf classification and retrieval using multi‐scale shape descriptor

2021

The Journal of Engineering

View full text Add to dashboard Cite

Plant leaf classification is a significant and challenging research problem in computer vision area. In this study, an original multi‐scale shape descriptor is presented to perform leaf classification and retrieval. Firstly, a novel iterative rule is proposed as scales generation method, which is parameter free. Secondly, leaf contour points are represented by angle information which is calculated using their neighbour points under each scale. The angle information representation is invariant to image rotation, translation and scaling. More importantly, it can describe leaf in a hierarchical way by capturing leaf features from global to local variations. Then Fast Fourier Transform operation is applied to make the representation more compact and independent from starting point. Subsequently, for leaf retrieval the dissimilarity of each pair of leaf under each scale is computed using city block metric. And support vector machine is used as classifier for leaf classification. Finally, experiments and comparisons with multiple state‐of‐the‐art approaches are performed. The classification accuracy was 96.85% and 93.56% respectively on Swedish and Flavia leaf datasets. The mean average precision score was 66.42%, 76.69% and 44.14% respectively on Flavia, Swedish and MEW2012 leaf datasets. The results demonstrate that the proposed method has excellent performance.

show abstract

Plant identification using new geometric features with standard data mining methods

Cited by 11 publications

References 12 publications

Computer Aided Diagnosis using Margin and Posterior Acoustic Featuresfor Breast Ultrasound Images

Computer Aided Diagnosis using Margin and Posterior Acoustic Featuresfor Breast Ultrasound Images

Review of Methods and Algorithms of Automated Plant Phenotyping Systems

Plant leaf classification and retrieval using multi‐scale shape descriptor

Contact Info

Product

Resources

About