机器视觉中几种颜色优势目标提取算法的比较研究

为了获得实用、可靠的植物识别方法,在识别植物过程中利用颜色优势进行目标提取算法的比较与研究.花朵与植物本身颜色具有显著差异.因此,利用颜色优势进行目标提取不仅能区分单株植物的花朵,也可以识别植物本身.实验结果表明,对于不同颜色目标所采用不同的算法具有明显不同的识别效果.     

基于LVQ神经网络的植物种类识别

提出一种基于学习矢量量化（LVQ）神经网络的计算机植物种类识别新方法. 使用2-D不变矩、 多尺度2-D Gabor滤波器等多种方法分别提取了叶片的几何特征和纹理特征, 应用LVQ神经网络识别植物种类. 实验结果表明, 该方法对植物种类的识别效率较高.     

基于深度学习的快速植物图像识别

植物分类在形态、颜色和纹理上具有高度的相似性和密集的细节信息,传统的机器学习方法无法满足这些大样本的特征提取训练,识别种类与精度受到限制。深度学习可以有效地解决植物图像识别在种类数量、准确度和速度上的难点。本文提出了基于优化的P-AlexNet模型的植物识别算法,基于卷积神经网络(CNN)中的AlexNet网络模型进行优化处理,提高模型的泛化能力、细节特征的表征能力以及识别精度。利用迁移学习热启动更新植物识别种类,利用GPU并行计算加速模型训练和图片识别速度。针对206类植物图片,训练得到验证集精度达到86.7%的模型。以此模型为基础,开发了一款智能植物图像识别平台,包含了Web网站以及Android和IOS的App应用。Web端实验测试结果表明,检测时间平均为1.282s,具有较高的准确性和泛化性以及快速的识别速度。     

走进绿色世界——记2006年上海市中小学生常见植物识别系列实践活动

由本刊和上海市青少年科技教育中心、上海市植物学会、华东师范大学生命科学学院等单位联合举办的2006年上海市中小学生常见植物识别系列实践活动已经圆满落下帷幕。本次活动全市共有近300所学校、2万余名中小学生参加。经过培训,有1万余人达到了常见植物识别技能     

基于碱基偏好分析和SVM的植物启动子识别

植物启动子识别是真核启动子识别中的重要研究领域.针对目前植物启动子识别算法的特异性较低的问题,提出了一种基于GC碱基偏好分析和支持向量机（SVM）的植物启动子识别算法.首先通过对GC含量的分析将DNA序列分类为GC偏好序列和非GC偏好序列,然后进行结构特征和信号特征的提取,最后通过SVM分类器进行启动子识别.SVM分类器由四个SVM子分类器组成,即启动子-3’UTR子分类器,启动子-5’UTR子分类器,启动子-Intergenics子分类器和启动子-CDS子分类器.实验结果表明,该算法比其他算法具有更高的特异性,对植物启动子识别具有积极意义.     

简化基因测序技术在植物检材个体认定中应用初探

目的在涉及中草药真假辨识及个体识别的案件中很大比例的植物类物证都无法用形态学检验方法来鉴别,而植物DNA测序分析技术为我们提供了一种强有力的手段。方法通过对18个桂花植物样品进行DNA建库和高通量测序、序列多态性分析,评估其遗传多样性,并用基于单核苷酸多态性分析方法探讨了简化基因测序技术用于个体识别的案例。结果未知植物物证样品A与桂花1的匹配度最高,未知植物物证样品B与桂花4匹配度最高,未知植物物证样品B与桂花11的匹配度最高,该方法能成功识别3个盲测样品。     

校园植物的教学价值与开发

校园植物是存在于学生周边最熟悉的植物,为植物学的理论教学、实验教学和野外实习均提供了丰富的教学资源。让学生们建立校园植物数据库、编写校园植物手册和给校园树木挂牌等一系列活动,可大大提高其识别校园植物的能力。     

基于Fisher判别苦槠和青冈栎叶片

在植物的识别问题上,一些相似植物之间的界线不一定很清晰,一些识别带有个人主观色彩.数学识别则是按一定的数学方法,建立数学模型,对样本进行识别,相对而言比较客观.叶片是植物非常明显的一种外部形态特征.选取叶形相似的苦槠和青冈栎的叶片作为研究对象,针对这两种叶片的识别问题,以叶片长度及叶片1/2处宽度作为定量指标,建立Fisher判别函数并对样本叶片进行判别,结果显示:样本数据的回判率为94%,扩大样本的回判率为92%.     

植物的变态茎及识别

介绍了植物茎的基本知识和变态类型;说明植物茎的变态实质上是植物为适应环境变化而产生的一种特殊的功能,这种变态具有稳定的遗传性;指出识别地下变态茎与地下根的关键在于茎上有节、节间、芽,叶痕,而根没有;识别地上变态茎与变态叶的关键则在于变态部位的来源和位置。     

捕捉“身边的绿色”——记上海市中小学生常见植物识别系列活动

植物是大自然的“守护神”,它犹如空气清新剂一般撒播在世界的每个角落,保护植物就是保护我们的环境。在《小学科技》杂志、上海市青少年科技教育中心、上海市植物学会、华东师科学院等单位联合举办的常见植物识别     

七彩的植物世界——记2008年上海市中小学生觉植物识别活动

植物是人类的好朋友，它们不但美化了我们环境，为我们营造了一个美丽缤纷的七彩世界，而且还是生态环境的守护者。在本刊和上海市科技艺术教育中心、上海市植物学会、华东师范大学生命科学学院等单位联合举办的2008年上海市中小学生常见植物识别活动中，同学们与植物朋友来了一次亲密大接触：观赏它们的形态，识别它们的种类，还为它们制作“名片”——植物名录。小小摄影家们则端起手中的相机，捕捉下植物美丽的身影。     

基于叶片图像的植物识别方法

 基于计算机的植物自动识别是植物识别分类学的发展趋势,本文提出了一种基于植物叶片图像的植物自动识别方法。该方法在对叶片图像进行亮度校正、中值滤波和阈值分割等预处理后,计算植物叶片的偏心率、圆形性、圆形度指标、方向角、最小矩形宽轴/长轴、最佳椭圆短轴/长轴6个形状特征参数和植物叶片的二阶矩、对比度、相关、熵、逆差矩5个纹理特征参数,再使用径向基人工神经网络设计了植物自动识别的分类器。通过对3种植物的60个叶片图像进行实验,仅用植物叶片形状特征进行植物识别的平均正确识别率为70.83%,利用植物叶片形状特征和纹理特征进行植物自动识别的平均正确识别率为83.3%,并得到了径向基人工神经网络的参数。实验结果表明,植物叶片图像的纹理特征能够提高植物自动识别的平均正确率,基于植物叶片图像的植物自动识别是切实可行的,研究成果为深入研究植物自动识别分类系统奠定了一定的理论基础。     

基于叶缘特征的植物图像分类检索

叶缘是植物属种识别分类可以参照的主要特征之一.与叶片形状特征相比,叶缘描述了尺度更细微的特征,对于弥补叶形识别特征的不足、以及从多尺度识别植物属种都有重要意义.在借鉴已有研究成果的基础上,设计了7个新的叶缘特征描述符、提出了以语义字典组织植物属种多层分类中的层间继承关系、以及通过叶节点成员相似性评估确定植物属种的技术框架和方法.通过分支结点描述符组合分类实验,证明了叶缘凸残差与叶局部面积比、右边长与左边长比对划分不同的非裂叶植物、以及划分不同的非全缘叶植物有效;叶缘凸残差均值等描述符对于划分不同的非全缘叶植物有效.通过多描述符组合的多层分类将30种非裂叶植物划分到多个叶节点,平均全局精度优于81.21%.而叶节点成员属种概率评估实验,进一步论证了这种多层分类和相似性检索框架的合理和有效性.     

植物天然免疫系统研究进展

很多植物病原菌严重地损害植物的生长和繁殖。植物与病原体协同进化过程中,也逐渐形成了一系列复杂高效的保护机制来抵御病原物的侵染。植物中抵抗外界微生物刺激所形成的系统被称为植物天然免疫系统,可分为两个层次。第1个层次是植物模式识别受体(PRRs)识别病原相关分子模式(PAMPs),触发病原相关分子模式触发的免疫反应（PTI）,激活植物体中促丝裂原活化蛋白激酶(MAPK)信号通路使植物产生早期应答反应。PTI适应性较广,可识别和响应包括非致病菌的许多类微生物。第2个层次是病原菌产生效应因子抑制基础免疫响应PTI,而植物产生针对性更强的抗性蛋白(R蛋白)识别效应因子,并通过效应因子触发型免疫(ETI)来重建植物的抗性。笔者综述了近年来植物天然免疫系统的研究进展,认为随着对植物天然免疫系统研究的深入,应重视PTI和ETI的结合利用,有效扩大植物抗菌谱,改良植物ETI抗性。     

植物叶片图像边缘检测Canny/SUSAN算法比较

植物叶片图像的边缘检测是基于图像分析的植物叶片识别技术中的重要环节.图像边缘检测算法的合理选取与叶片识别的准确度紧密相关.运用Canny算法和SUSAN算法分别对10种具有典型叶形特征的植物叶片图像进行边缘检测,并作主观分析和客观评价.结果表明,植物叶片的叶形和叶脉特征对算法效果的影响较大,在实际应用中应考虑这2种算法对叶形的选择性.     

猴子巧治病 植物当药吃

科学家发现,猴子懂得识别大自然中的各种植物,并经常咀嚼植物的枝茎和绿叶,以预防和自我治疗某些疾病。     

植物免疫受体病原体识别机制的结构生物学研究进展

在与病原体的长期抗争中,植物进化出双重天然免疫系统,即病原体相关分子模式触发的免疫(PTI)和病原体效应因子触发的免疫(ETI),其中模式识别受体(PRR)和核苷酸结合富亮氨酸重复受体(NLR)分别在这两道防线中以多种方式发挥识别作用.以植物免疫受体和病原体配体结构生物学研究为基础,综述了5种由PRR和NLR介导的病原体识别机制的类型:PRR介导的直接(类型一)或间接(类型二)的病原体识别机制;NLR介导的直接(类型三)或间接(类型四)的病原体识别机制以及依赖NLR的集成结构域(ID)(类型五)的病原体识别机制.植物免疫受体的蛋白结构解析结合其识别机制的功能研究,将会为作物抗病工程开辟全新的道路.     

绿色植物知多少——记2005年上海市中小学生常见植物识别系列实践活动

咦,你看,在上海青少年科技教育中 心的绿地中,几十位同学或俯首或抬头, 正认真地观察着一株株绿色植物,并在纸 上匆匆地写着什么。原来,他们正在参加 2005年上海市中小学生常见植物识别系 列实践活动的植物识别决赛呢！这次活动 是由本刊和上海青少年科技教育中心、上 海植物学会、华东师范大学生命科学学院     

植物模式识别受体FLS2的研究进展

植物通过模式识别受体识别病原微生物保守的分子,开启第一层次免疫屏障,以此实现对各种微生物的非寄主抗性和产生基础防御。第一个被鉴定的植物模式识别受体是识别细菌鞭毛蛋白的拟南芥FLS2,围绕FLS2的大量研究为其他模式识别受体的研究提供了范例,促进了植物免疫理论的建立和发展。通过介绍FLS2的发现过程、命名过程的插曲、结构与功能、激活步骤与相关元件、调控的分子机制、FLS2与病原微生物效应因子的相互作用以及FLS2在被子植物中的系统发生关系,对FLS2研究中显现的蛋白污染和C末端标签问题进行了分析,并介绍了依靠遗传转化植物模式识别受体基因,培育广谱耐久抗病植物的前景。     

基于WLLE和SVM的植物叶片图像识别方法

针对局部线性嵌入(LLE)算法易受噪声影响,以及最近邻分类器不能有效识别植物叶片图像,提出一种基于加权局部线性嵌入(WLLE)和支持向量机(SVM)的植物叶片图像识别方法.首先利用WLLE算法对预处理后的含有高斯噪声叶片图像进行特征提取,然后采用SVM分类机制对叶片图像进行训练和识别,最后在真实的植物叶片图像数据库中提取植物叶片图像进行分类实验.实验结果表明该方法能提高叶片图像的分类率.