钟刚亮　王强　李梦如　卢遥

摘 要：百叶通是基于数字图像处理的阔叶树种植物叶片识别系统。通过安卓手机对树叶拍照或在手机相册中选取树叶照片上传至服务器。服务器对叶片图像进行处理分类后，得到植物的种属信息并将其返回手机端进行显示。本识别方法操作方便，整个识别过程只需几十秒，方便快捷的用户体验无疑是本产品最突出的特点。本产品对于普通人而言，可以科普植物知识，同时使出游更安全 ；对于科研工作者来说，可省去查找资料的过程，提高科研工作效率。

关键词：植物叶片识别；数字图像技术；BP神经网络

0 引 言

传统的植物识别与分类方法主要由人工完成，该方法工作量大、工作效率低，且难以保证数据客观性。基于此，设计出一个只需要通过手机拍照便可以识别植物种属的系统。

1 作品详细介绍

用户在室外使用本产品时，可用手掌或白色纸张当做植物叶片的简单背景以提高识别准确率。用户经过手机对植物叶片进行简单的拍照后，在4G，3G，2G或WiFi网络下上传叶片照片至服务器。

叶片照片上传至服务器后，服务器对叶片图像进行预处理，再对其进行计算得到叶片的几何特征参数和纹理特征参数。这一过程主要利用数字图像处理技术，如分水岭算法、分形维数等算法。然后将计算得到的参数与服务器数据库中的样本进行对比分析得到植物的种属信息，最后将此信息返回至手机端并进行显示。该过程主要用BP神经网络进行分类，从而得到植物种属信息。手机客户端收到来自服务器的植物名称后，可以选择详情简单了解植物信息，也可以链接至中国植物志查看更为详尽，权威的植物知识。

同时，用户每次使用该系统识别植物后，系统将会自动标记本次识别植物的位置，因此用户还可以通过本系统查看各植物的识别上传位置。当我们学习了解一种植物后还可以分享到各社交软件上分享给自己的好友，如微信、微博、人人、QQ、豆瓣等。系统识别流程和识别结果分别如图1、图2所示。

2 工作原理

本系统由服务器端的数据分析模块与手机端的图像采集模块两个部分组成。手机端主要实现采集植物叶片图像，并把图像发送至服务器端的功能，以及显示植物种属、分布信息。服务器端主要实现提取植物叶片特征，计算分析后得到植物种属信息的功能。

服务器端的功能分为对叶片进行预处理、特征提取和分类识别三部分。系统识别原理流程如图3所示。

2.1 图像预处理

图像预处理分为图像灰度化、图像均衡化、图像平滑处理、图像边缘锐化处理、图像分割、去除孔洞、保留最大连通区域、边界跟踪等步骤，详细介绍如下：

（1）图像灰度化、均衡化。将彩色图像转化为灰度图像，并对得到的图像进行灰度均衡化处理。

（2）图像平滑化。在图像成像及传输过程中会产生一定的噪声，这将导致图像质量的下降。如果不经过降噪处理，会严重影响识别效果。

（3）图像边缘锐化。图像锐化处理的目的是补偿图像轮廓、突出图像的边缘信息以使图像显得更为清晰。

（4）二值化。为了更加方便地计算目标区域的面积、周长等数值，我们将对图像进行二值化处理。

（5）去除孔洞。开、闭运算可分别抑制信号中的峰值和谷底噪声，通常采用两者结合的方式来去除目标区域孔洞。

（6）保留最大连通区域。按上述步骤处理过的图像并不是整体连通的，若此时计算目标区域的周长会影响最终结果，故要保留最大的连通成分，将开、闭运算后的微小部分去除。

（7）边界跟踪。将图像进行上述处理后，再进行图像的边界跟踪，从而得到图像边界像素的坐标和方向信息，为参数的获取奠定基础。

2.2 叶片形状特征提取

叶片形状特征包括几何形状特征、不变矩特征两部分，详细介绍如下：

（1）几何形状特征。在此我们选用了7项相对几何特征：狭长度、矩形度、球状性、圆形度、偏心率、周长直径比和周长长宽比。

（2）不变矩特征。使用图像的几何矩的非线性组合可以推导出7项不变矩，它们具有旋转、平移和缩放不变性。

2.3 纹理特征

本研究计划利用灰度共生矩阵与分形维数提取叶片纹理特征。

（1） 灰度共生矩阵。灰度共生矩阵反映了图像中任意两点灰度的空间相关性。在这个矩阵的基础上定义了一些统计量，借此来反映图像的纹理特征，常用的统计量有对比度、相关性、能量与均匀度。

（2）分形维数。分形维数可以用来描述图像复杂程度，叶片结构基本满足分形特征，因此，我们采用分形特征来描述叶片的纹理。

2.4 叶片分类识别

将对叶片提取出的特征信息输入训练好的BP神经网络进行比对分析，得出该叶片的种类。

2.5 软件系统开发

本系统对叶片进行计算，然后利用BP神经网络对得到的参数进行分类，得出叶片种类。该软件具备以下功能：

（1）与手机客户端的通信功能，能够接收并发送信息；

（2）对图片进行上述处理，提取叶片特征信息；

（3）比对数据库中的叶片特征信息，得出植物种属信息并发送至手机客户端应用程序。

3 作品创新点

植物种类识别和分类不必再局限于实验室内，而是变得更加便捷、高效。本系统将对已有的一些图像处理算法进行优化，创新性地选用几种更为有效的图像特征数据来描述叶片的形状及纹理特征，并进一步将物种识别过程简单化、人性化，方便各行各业的人使用。本产品通过简单的拍照，就能辨别出植物的种类，极大地方便了那些想认识植物的人，可以帮助他们扩展自己的知识面，提高自己对于植物的兴趣，也能避免有毒有害的植物对出游者造成不必要的身体伤害。随着本系统数据库的不断扩充，它能识别的植物种类范围会更广，无论在科学研究还是林农业生产中都会起到很大的作用。

4 市场前景

本系统能够准确的识别阔叶树种叶片，具有一定的实用性。而且利用手机对叶片进行拍摄，也具有很强的便捷性。

随着计算机性能的提高与智能手机的普及，探索如何利用叶片图像快速准确地识别阔叶树种种属，是解决这些问题的一个切实可行的新途径。因此研究基于图像分析的阔叶树种叶片识别技术，对于植物分类识别、植物资源的保护与利用以及探索植物间的亲缘关系、阐明植物的进化规律、林农业的实际应用等诸多方面都将会有深远意义，同时也能够在科研、日常生活、娱乐等领域有比较广阔的市场前景。

5 获奖感言

在本次参赛作品从前期的作品设计到后期对作品功能的不断改进和完善的整个过程中，我们接触学习到了许多课外的知识，这不仅是对我们知识上的补充，也让我们进一步提高了将知识融汇到实际运用中的能力。

在收获技术能力快速提升的同时，我们也在比赛现场学习到了来自全国高校优秀学子的科技创新精神。

非常感谢全国大学生物联网大赛这个平台为我们提供了这次机会，让我们得以展示自己，提升自己，并对我们的成果给予肯定。同时也非常感谢每场比赛的各位评委老师，正是各位评委老师的改进建议，才让我们的产品顺利地从众多参赛作品中脱颖而出。