本发明涉及一种植物叶片特征数据提取方法，特别是一种植物叶片精准特征数据提取方法。
背景技术：
植物的分类与识别一般选取植物的局部特征，如植物的叶、花、果、茎等特征。由于叶片的独有的特性，使得以叶片的特征成为识别植物特征和认知植物的主要的特征参照。同时叶片的形状也是研究植物物种的形态变异和分化的一个很好的指标。因此叶片的特征是识别一种植物最直接有效且最简单的方法。
传统的叶片识别与分类需要经验丰富的植物学家依靠长期的工作实践积累，但其工作效率明显低下、工作量也甚大，其特征的识别主要依赖主观观察。这些均会影响到植物识别的客观与准确性。尤其是在植物品种众多的情况下，依靠个人的经验积累起来的主观观察分析，难免有错误的现象存在。
随着融合了图像分析、信息技术、数学模型分析等近现代科技的发展与应用，图像分析在植物叶片形态分析上获得长足的发展。为解决植物叶片特征提供中存在的效率低下、识别率低等问题提供了强有力的手段。但是在植物叶片智能识别的过程中发现植物叶片与现有标准植物叶片特征数据匹配成功率不高，导致匹配失败，识别不了植物叶片。分析其原因，标准植物叶片特征数据库的数据与实际植物叶片的特征数据存在较大差异。
技术实现要素：
本发明的目的是针对在植物叶片智能识别的过程中植物叶片与现有标准植物叶片特征数据匹配成功率不高的情况，提出一种植物叶片精准特征数据提取方法。为了实现以上目的，本发明是通过以下方案实现的：
一种植物叶片精准特征数据提取方法，其包以下步骤：
步骤一、通过智能移动设备的摄像头拍摄清晰的植物叶片照片，同时通过预设在智能移动设备的程序直接对植物叶片实物进行植物叶片特征数据获取，获得植物叶片特征数据A，并通过通讯网络将获取的植物叶片特征数据A和植物叶片照片发送到服务后台,存储到数据库中;
步骤二、对服务后台存储的植物叶片照片进行解析获得植物叶片特征数据B并存储到数据库中；
步骤三、将植物叶片特征数据A和植物叶片特征数据B的集合定义为数据集合C,将数据集合C与数据库中预存的标准植物叶片特征数据D 数据集合D对比，取数据集合C和数据集合D相同的数据到数据集合E，数据集合E即为植物叶片精准特征数据，植物叶片精准特征数据提取完成。
进一步的，所述的通过智能移动设备的摄像头拍摄清晰的植物叶片照片包含不同角度不同光线条件下拍摄的植物叶片照片。
进一步的，所述的通过预设在智能移动设备的程序直接对植物叶片实物进行植物叶片特征数据获取为动态过程。
本发明的功效在于：本发明通过使用智能识别植物叶片的同类设备采集前段数据，并通过数据校正形成新的植物叶片智能识别的标准数据库，通过本发明的植物叶片精准特征数据提取方法获取的植物叶片精准特征数据，作为植物叶片智能识别的标准数据库可以大大提高数据匹配成功率和准确率。
具体实施方式
一下将通过具体实施例对本发明的技术方案做进一步阐述。
实施例1
一种植物叶片精准特征数据提取方法，其包以下步骤：
步骤一、通过智能移动设备如手机的摄像头通过不同角度、不同光线拍摄清晰的植物叶片照片，同时通过预设在手机的程序直接摄像头移动，动态获取对植物叶片实物进行植物叶片特征数据，获得植物叶片特征数据A，并通过通讯网络将获取的植物叶片特征数据A和植物叶片照片发送到服务后台,存储到数据库中;
步骤二、对服务后台存储的植物叶片照片进行解析获得植物叶片特征数据B并存储到数据库中；
步骤三、将植物叶片特征数据A和植物叶片特征数据B的集合定义为数据集合C,将数据集合C与数据库中预存的标准植物叶片特征数据D 数据集合D对比，取数据集合C和数据集合D相同的数据到数据集合E，数据集合E即为植物叶片精准特征数据，植物叶片精准特征数据提取完成。数据集合E可形成智能识别能调用的数据格式。
以上所记载，仅为利用本创作技术内容的实施例，任何熟悉本项技艺者运用本创作所做的修饰、变化，皆属本创作主张的专利范围，而不限于实施例所揭示者。