軟件截圖:
植物無處不在我們的生活，以及沒有我們的地方。他們中許多人攜帶顯著的信息，為人類社會的發展。在緊急的情況是，許多植物有滅絕的危險。所以這是非常有必要建立植物保護的數據庫。我們認為的第一個步驟是教計算機如何分類植物。與基於葉圖像的其它方法，如細胞和分子生物學的方法，分類相比是葉植物分類的第一選擇。取樣的葉子和photoing它們是低成本，方便。人們可以葉圖像輕鬆傳輸到電腦和一台電腦可以在圖像處理技術自動提取特徵。有些系統採用用植物學家的描述。但它是不容易的提取和這些功能自動傳送到計算機。
我們已經開發了一種高效的算法，葉分類相結合的高階統計的圖像特徵與形狀信息和神經網絡作為非線性分類。代碼已經過測試FLAVIA數據庫實現92.09％的優異的識別率（32類，40個訓練圖像和剩餘圖像用於測試用於每個類別，因此有1280個訓練圖像以及總共627測試圖像隨機選擇的無訓練和測試圖像之間存在重疊）。
我們的方法優於FLAVIA算法而且它不需要任何人工干預的一部分。在FLAVIA算法其實你需要通過鼠標點擊，以紀念葉主脈的兩個端子。 。在兩個終端之間的距離被定義為生理長度
<強>要求
Matlab的
評論沒有發現