本发明涉及植物类型识别，尤其涉及一种基于图像识别技术的植物类型识别方法、电子设备、存储介质及装置。
背景技术：
目前，在自然中存在各种各样的植物，大部分人都无法十分全面的知道每种植物的名称以及植物特性。在游览公园或户外郊游时，人们时常会欣喜地遇到一些掉落的植物叶片，或没有悬挂名牌介绍的野生生长植物，但是植物名称却无法得知。一般来说，人们是通过互联网或查询相关资料等方式，来获取植物的名称，从而通过了解植物名称来得知植物特性等。但是这种方法笨拙、复杂，无法快速直接地查询到植物的名称及特性。
技术实现要素：
为了克服现有技术的不足，本发明的目的之一在于提供一种植物类型识别方法，其能够快速识别出未知植物的类型。
本发明的目的之二在于提供一种电子设备，其能够快速识别出未知植物的类型。
本发明的目的之三在于提供一种计算机可读存储介质，其能够快速识别出未知植物的类型。
本发明的目的之四在于提供一种植物类型识别装置，其能够快速识别出未知植物的类型。
本发明的目的之一采用如下技术方案实现：
一种植物类型识别方法，包括以下步骤：
获取步骤：获取待识别植物叶脉图像；
预处理步骤：将待识别植物叶脉图像进行预处理；
特征向量提取步骤：将预处理后的待识别植物叶脉图像进行特征提取得出对应的特征向量；
识别步骤：根据待识别植物叶脉图像的特征向量与系统中的识别模型得出待识别植物的类型。
进一步地，所述识别模型的建立过程如下：s1：获取每种植物的多张叶脉图像并进行预处理；
s2：根据每张预处理后的叶脉图像得出对应的特征向量；
s3：通过对每种植物的多张叶脉图像进行识别训练，提取出每种植物的叶脉图像的标准模板，形成每种植物的标准特征向量库，进而建立植物叶脉识别模型。
本发明的目的之二采用如下技术方案实现：
一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
获取步骤：获取待识别植物叶脉图像；
预处理步骤：将待识别植物叶脉图像进行预处理；
特征向量提取步骤：将预处理后的待识别植物叶脉图像进行特征提取得出对应的特征向量；
识别步骤：根据待识别植物叶脉图像的特征向量与系统中的识别模型得出待识别植物的类型。
进一步地，所述识别模型的建立过程如下：s1：获取每种植物的多张叶脉图像并进行预处理；
s2：根据每张预处理后的叶脉图像得出对应的特征向量；
s3：通过对每种植物的多张叶脉图像进行识别训练，提取出每种植物的叶脉图像的标准模板，形成每种植物的标准特征向量库，进而建立植物叶脉识别模型。
本发明的目的之三采用如下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如前所述的植物类型识别方法的步骤。
本发明的目的之四采用如下技术方案实现：
一种植物类型识别装置，包括：
获取模块，用于获取待识别植物叶脉图像；
预处理模块，用于将待识别植物叶脉图像进行预处理；
特征向量提取模块，用于将预处理后的待识别植物叶脉图像进行特征提取得出对应的特征向量；
识别模块，用于根据待识别植物叶脉图像的特征向量与系统中的识别模型得出待识别植物的类型。
进一步地，所述识别模型的建立过程如下：s1：获取每种植物的多张叶脉图像并进行预处理；
s2：根据每张预处理后的叶脉图像得出对应的特征向量；
s3：通过对每种植物的多张叶脉图像进行识别训练，提取出每种植物的叶脉图像的标准模板，形成每种植物的标准特征向量库，进而建立植物叶脉识别模型。
相比现有技术，本发明的有益效果在于：
本发明将图像识别技术运用到植物类型的识别中，通过预先根据植物叶脉特征来建立对应植物类型识别模型，然后将待识别植物的叶脉图像将其与系统中建立的植物类型识别模型进行匹配，从而能够得出待识别植物的类型；也即是能够快速识别出未知植物的类型，而不需要像现有技术中那样通过查阅相关资料或互联网等方式来得知未知植物的类型。
附图说明
图1为本发明提供的植物类型识别方法的方法流程图；
图2为本发明提供的植物类型识别装置的装置模块图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例
本发明提供了一种植物类型识别系统，其是将图像识别技术运用到识别植物类型中，来达到快速、直接地获取植物类型的效果。该植物类型识别系统包括识别模型、获取模块、识别判定模块和显示模块。
其中，识别模型为系统预先建立的各种植物对应的叶脉形态特征模型库。而获取模块用于获取待识别的植物叶脉图像。识别判定模块用于将待识别的植物叶脉图像进行处理，并与识别模型进行匹配识别从而得出待识别的植物的类型，并通过显示模块显示出来。
其中识别模型的建立过程具体如下：
a1、获取每种植物的多张叶脉图像并进行预处理。其中预处理的过程如根据具体图像分析设置合理的阈值，将图像二值化、去除干扰点等；通过质心对齐和线性差值放大的方法将多张叶脉图像归一化，设置为统一格式等。通过预处理，能够提高对图像的处理识别性能。
a2、根据每张预处理后的叶脉图像得出对应的特征向量。也即是说，从经过预处理的叶脉图像中提取出一定维数的特征向量，可提高类型匹配和识别的存储量和运行速度。在提取特征向量时，是根据植物的叶脉图像所对应的叶脉的纹理、形状、颜色的组合特征。比如，将叶脉图像分为5*5的25个方格区域，然后计算每个方格中点的密度分布，从而得到每张叶脉图像的25维特征向量。
a3、通过对每种植物的多张叶脉图像进行识别训练，提取出每种植物的叶脉图像的标准模板，建立每种植物的标准特征向量库，进而建立各种植物叶脉的识别模型。对于每种植物的叶脉都有几百个标准模板，通过上述预处理和特征提取后，提取出每种植物叶脉的特征向量并将其存储于系统中。同时，在训练时指明每种植物叶脉的正确值，经过反复训练来修正识别结果。
如图1所示，一种植物类型识别方法，包括以下步骤：
s1、获取待识别植物叶脉图像。该待识别植物叶脉图像可以是用户通过拍摄工具拍照上传的图片，也可以是保存早各种存储身上已有的待识别的植物叶脉图像。
s2、将待识别植物叶脉图像进行预处理。这里的预处理包括上述的二值化、去除干扰点、图片归一化处理等，同时还包括物品分割处理，也即是对于待识别的植物叶脉图像中包含多个类型的叶脉时，将其分割成的单个类型。
其分割过程具体为：首先利用种子填充算法得到几个连通线，这样未粘连在一起的叶脉就可以直接分割；而对于粘连的叶脉时，还需要进一步进行分割。对于粘连物品的判别主要是依据物品的点数和宽高比特征，大于某一阈值则初步判断为叶脉粘连。其中阈值是根据叶脉图片特征统计分析得到。
对于初步判断粘连的叶脉，为了防止判断错误，还可用预识别的方法进一步判断。而对于粘连的叶脉，采用在垂直投影图中找谷点的方法来将粘连的叶脉进行分割。这里所提到的叶脉分割所用到的方法-垂直投影图中找谷点的方法、种子填充算法等，以及物品粘连方法均是现有技术，本发明不做具体介绍。
s3、将预处理后的待识别植物叶脉图像进行特征提取得出对应的特征向量。
s4、根据待识别植物叶脉图像的特征向量与系统中的识别模型得出待识别植物的类型。
s5、将识别结果显示给用户。另外，系统中还可存储各种植物的信息，比如包括植物名称、类型、特性、生长环境等等。
由于植物叶脉识别模型是指各种已知类型植物的叶脉图像的特征向量集，因此将待识别植物叶脉图像与植物叶脉识别模型进行匹配对比，从而能够得出待识别植物的类型。
也即是说，本发明预先通过学习训练，建立基于植物叶脉特征的植物类型识别模型并存于系统中。在判断时，通过获取待识别植物的叶脉图像的特征向量，并将其与建立好的植物类型识别模型进行匹配，最终得出待识别植物的类型。通过本发明，用户只需将不知道的植物的叶脉图像上传到该系统中，系统就会自动识别出该植物的类型并将识别结果显示给用户查看，大大提高了识别的效率、给用户带来了良好的体验。
本发明还提供了一种电子设备，其包括存储器、处理器以及存储在存储器上并可在处理上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
获取步骤：获取待识别植物叶脉图像；
预处理步骤：将待识别植物叶脉图像进行预处理；
特征向量提取步骤：将预处理后的待识别植物叶脉图像进行特征提取得出对应的特征向量；
识别步骤：根据待识别植物叶脉图像的特征向量与系统中的识别模型得出待识别植物的类型。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取步骤：获取待识别植物叶脉图像；
预处理步骤：将待识别的植物叶脉图像进行预处理；
特征向量提取步骤：将预处理后的待识别植物叶脉图像进行特征提取得出对应的特征向量；
识别步骤：根据待识别植物叶脉图像的特征向量与系统中的识别模型得出待识别植物的类型。
如图2所示，本发明还提供了一种植物类型识别装置，包括：
获取模块，用于获取待识别植物叶脉图像；
预处理模块，用于将待识别的植物叶脉图像进行预处理；
特征向量提取模块，用于将预处理后的待识别植物叶脉图像进行特征提取得出对应的特征向量；
识别模块，用于根据待识别植物叶脉图像的特征向量与系统中的识别模型得出待识别植物的类型。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。