一种植物图像分类方法和系统

1.本发明属于图像分类技术领域，尤其涉及一种植物图像分类方法和系统。

背景技术：

2.图像分类，根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。图像分类的技术包括：基于彩特征的索引技术、基于纹理的图像分类技术、基于形状的图像分类技术和基于空间关系的图像分类技术。
3.植物图像分类，是图像分类技术中常见的技术之一，能够进行快速的植物分类判断，实现植物图像按种类进行图像分类，然而现有的植物图像分类技术，通常具有一定的分类错误率，不能够对所有植物图像进行准确的图像分类，且无法在判断是否分类错误，进而无法在分类错误之后，进行相应的改进与更新，导致容易出现重复的错误。

技术实现要素：

4.本发明实施例的目的在于提供一种植物图像分类方法和系统，旨在解决背景技术中提出的问题。
5.为实现上述目的，本发明实施例提供如下技术方案：
6.一种植物图像分类方法，所述方法具体包括以下步骤：
7.获取待分类的目标植物图像，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，得到目标部位图像；
8.对所述目标部位图像进行处理，得到处理部位图像，对所述处理部位图像进行特征提取，获取部位特征数据；
9.根据预设的多个特征数据库，对所述部位特征数据进行特征识别，生成多个特征识别信息；
10.对多个所述特征识别信息进行分析比较，判断特征识别结果是否相同，并在特征识别结果不同时，加载辅助识别信息；
11.根据所述辅助识别信息进行人工分类判断，获取分类判断结果，并按照所述分类判断结果，更新多个所述特征数据库。
12.作为本发明实施例技术方案进一步的限定，所述获取待分类的目标植物图像，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，得到目标部位图像具体包括以下步骤：
13.获取待分类的目标植物图像；
14.按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，确定选择部位；
15.在所述目标植物图像中，标记多个与所述选择部位相关的部位相关图像；
16.从多个所述部位相关图像中，选择获取目标部位图像。
17.作为本发明实施例技术方案进一步的限定，所述对所述目标部位图像进行处理，得到处理部位图像，对所述处理部位图像进行特征提取，获取部位特征数据具体包括以下步骤：
18.对所述目标部位图像进行灰度化和二值化处理，得到对比度部位图像；
19.对所述对比度部位图像进行去噪声处理，得到处理部位图像；
20.对所述处理部位图像进行边缘特征和脉络特征识别与提取，得到部位特征数据。
21.作为本发明实施例技术方案进一步的限定，所述根据预设的多个特征数据库，对所述部位特征数据进行特征识别，生成多个特征识别信息具体包括以下步骤：
22.根据预设的多个特征数据库，对所述部位特征数据进行特征匹配，生成多个特征匹配结果；
23.按照多个所述特征匹配结果分别进行特征识别，生成多个特征识别信息。
24.作为本发明实施例技术方案进一步的限定，所述对多个所述特征识别信息进行分析比较，判断特征识别结果是否相同，并在特征识别结果不同时，加载辅助识别信息具体包括以下步骤：
25.对多个所述特征识别信息进行分析比较，生成分析比较结果；
26.按照所述分析比较结果，判断特征识别结果是否相同；
27.若特征识别结果相同，则生成图像分类结果；
28.若特征识别结果不同，则基于大数据技术，根据多个所述特征识别信息，获取辅助识别信息。
29.作为本发明实施例技术方案进一步的限定，所述根据所述辅助识别信息进行人工分类判断，获取分类判断结果，并按照所述分类判断结果，更新多个所述特征数据库具体包括以下步骤：
30.将所述辅助识别信息进行辅助判断展示；
31.获取人工根据所述辅助识别信息进行分类判断的分类判断结果，生成对应的图像分类结果；
32.根据所述分类判断结果，标记缺陷数据库；
33.对所述缺陷数据库进行特征替换更新处理。
34.一种植物图像分类系统，所述系统包括部位识别选择单元、处理特征提取单元、部位特征识别单元、分析比较处理单元和人工判断处理单元，其中：
35.部位识别选择单元，用于获取待分类的目标植物图像，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，得到目标部位图像；
36.处理特征提取单元，用于对所述目标部位图像进行处理，得到处理部位图像，对所述处理部位图像进行特征提取，获取部位特征数据；
37.部位特征识别单元，用于根据预设的多个特征数据库，对所述部位特征数据进行特征识别，生成多个特征识别信息；
38.分析比较处理单元，用于对多个所述特征识别信息进行分析比较，判断特征识别结果是否相同，并在特征识别结果不同时，加载辅助识别信息；
39.人工判断处理单元，用于根据所述辅助识别信息进行人工分类判断，获取分类判
断结果，并按照所述分类判断结果，更新多个所述特征数据库。
40.作为本发明实施例技术方案进一步的限定，所述部位识别选择单元具体包括：
41.图像获取模块，用于获取待分类的目标植物图像；
42.部位识别模块，用于按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，确定选择部位；
43.图像标记模块，用于在所述目标植物图像中，标记多个与所述选择部位相关的部位相关图像；
44.图像选择模块，用于从多个所述部位相关图像中，选择获取目标部位图像。
45.作为本发明实施例技术方案进一步的限定，所述处理特征提取单元具体包括：
46.第一处理模块，用于对所述目标部位图像进行灰度化和二值化处理，得到对比度部位图像；
47.第二处理模块，用于对所述对比度部位图像进行去噪声处理，得到处理部位图像；
48.特征提取模块，用于对所述处理部位图像进行边缘特征和脉络特征识别与提取，得到部位特征数据。
49.作为本发明实施例技术方案进一步的限定，所述人工判断处理单元具体包括：
50.辅助展示模块，用于将所述辅助识别信息进行辅助判断展示；
51.判断获取模块，用于获取人工根据所述辅助识别信息进行分类判断的分类判断结果，生成对应的图像分类结果；
52.缺陷标记模块，用于根据所述分类判断结果，标记缺陷数据库；
53.更新处理模块，用于对所述缺陷数据库进行特征替换更新处理。
54.与现有技术相比，本发明的有益效果是：
55.本发明实施例通过获取目标植物图像，对目标植物图像进行部位识别选择，得到目标部位图像；进行特征提取，获取部位特征数据；进行特征识别，生成多个特征识别信息；对多个特征识别信息进行分析比较，判断特征识别结果是否相同；进行人工分类判断，更新多个特征数据库。能够进行目标部位图像的处理与特征提取，得到部位特征数据，通过多个特征数据库进行特征识别与比较，进而判断特征识别结果是否相同，在特征识别结果不同时，进行人工分类判断与处理，并对相应的特征数据库进行更新，从而实现对分类错误的判断，并且在分类错误之后，进行相应的改进与更新，避免出现重复的错误。
附图说明
56.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
57.图1示出了本发明实施例提供的方法的流程图。
58.图2示出了本发明实施例提供的方法中进行部位识别选择的流程图。
59.图3示出了本发明实施例提供的方法中获取部位特征数据的流程图。
60.图4示出了本发明实施例提供的方法中特征数据特征识别的流程图。
61.图5示出了本发明实施例提供的方法中特征识别结果判断的流程图。
62.图6示出了本发明实施例提供的方法中人工分类判断处理的流程图。
63.图7示出了本发明实施例提供的系统的应用架构图。
64.图8示出了本发明实施例提供的系统中部位识别选择单元的结构框图。
65.图9示出了本发明实施例提供的系统中处理特征提取单元的结构框图。
66.图10示出了本发明实施例提供的系统中人工判断处理单元的结构框图。
具体实施方式
67.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
68.可以理解的是，现有技术中，进行植物图像分类时，通常具有一定的分类错误率，不能够对所有植物图像进行准确的图像分类，且无法在判断是否分类错误，进而无法在分类错误之后，进行相应的改进与更新，导致容易出现重复的错误。
69.为解决上述问题，本发明实施例通过获取目标植物图像，对目标植物图像进行部位识别选择，得到目标部位图像；进行特征提取，获取部位特征数据；进行特征识别，生成多个特征识别信息；对多个特征识别信息进行分析比较，判断特征识别结果是否相同；进行人工分类判断，更新多个特征数据库。能够进行目标部位图像的处理与特征提取，得到部位特征数据，通过多个特征数据库进行特征识别与比较，进而判断特征识别结果是否相同，在特征识别结果不同时，进行人工分类判断与处理，并对相应的特征数据库进行更新，从而实现对分类错误的判断，并且在分类错误之后，进行相应的改进与更新，避免出现重复的错误。
70.图1示出了本发明实施例提供的方法的流程图。
71.具体的，在本发明提供的一个优选实施方式中，一种植物图像分类方法，所述方法具体包括以下步骤：
72.步骤s101，获取待分类的目标植物图像，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，得到目标部位图像。
73.在本发明实施例中，通过获取待分类的目标植物图像，按照预设的部位选择策略，对目标植物图像进行部位识别选择，若目标植物图像中有果实图像，则果实为选择部位；若目标植物图像中没有果实图像，有花朵图像，则选择花朵为选择部位；若目标植物图像中没有果实图像、没有花朵图像，有叶片图像，则选择叶片为选择部位；若目标植物图像中没有果实图像、没有花朵图像、没有叶片图像，有枝干图像，则选择枝干为选择部位，并在选择确定选择部位之后，对目标植物图像进行相关图像的识别标记，在目标植物图像中标记多个与选择部位相关的部位相关图像，且通过对多个部位相关图像进行清晰度分析比较，将清晰度最高的部位相关图像确定为目标部位图像。
74.具体的，图2示出了本发明实施例提供的方法中进行部位识别选择的流程图。
75.其中，在本发明提供的优选实施方式中，所述获取待分类的目标植物图像，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，得到目标部位图像具体包括以下步骤：
76.步骤s1011，获取待分类的目标植物图像。
77.步骤s1012，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，确定选择部位。
78.步骤s1013，在所述目标植物图像中，标记多个与所述选择部位相关的部位相关图像。
79.步骤s1014，从多个所述部位相关图像中，选择获取目标部位图像。
80.进一步的，所述植物图像分类方法还包括以下步骤：
81.步骤s102，对所述目标部位图像进行处理，得到处理部位图像，对所述处理部位图像进行特征提取，获取部位特征数据。
82.在本发明实施例中，采用依据人眼对绿敏感最高、对蓝敏感最低的原则，来决定各个分量权值的加权平均法，对目标部位图像进行灰度化处理，再将图像上的像素点的灰度值，根据与预设阈值的大小关系，设置为0或者255，实现对灰度化之后图像的二值化处理，得到对比度部位图像，而行灰度化和二值化处理之后的图像可能存在噪声，通过将对比度部位图像进行数学形态学处理，去除噪声、填充“孔洞”，得到处理部位图像，再对处理部位图像进行边缘特征和脉络特征识别与提取，得到部位特征数据。
83.具体的，图3示出了本发明实施例提供的方法中获取部位特征数据的流程图。
84.其中，在本发明提供的优选实施方式中，所述对所述目标部位图像进行处理，得到处理部位图像，对所述处理部位图像进行特征提取，获取部位特征数据具体包括以下步骤：
85.步骤s1021，对所述目标部位图像进行灰度化和二值化处理，得到对比度部位图像。
86.步骤s1022，对所述对比度部位图像进行去噪声处理，得到处理部位图像。
87.步骤s1023，对所述处理部位图像进行边缘特征和脉络特征识别与提取，得到部位特征数据。
88.进一步的，所述植物图像分类方法还包括以下步骤：
89.步骤s103，根据预设的多个特征数据库，对所述部位特征数据进行特征识别，生成多个特征识别信息。
90.在本发明实施例中，根据预设的多个特征数据库，对部位特征数据进行特征匹配，生成与多个特征数据库分别对应的多个特征匹配结果，进而按照多个特征匹配结果，进行相关特征的识别整理，生成多个特征识别信息。
91.具体的，图4示出了本发明实施例提供的方法中特征数据特征识别的流程图。
92.其中，在本发明提供的优选实施方式中，所述根据预设的多个特征数据库，对所述部位特征数据进行特征识别，生成多个特征识别信息具体包括以下步骤：
93.步骤s1031，根据预设的多个特征数据库，对所述部位特征数据进行特征匹配，生成多个特征匹配结果。
94.步骤s1032，按照多个所述特征匹配结果分别进行特征识别，生成多个特征识别信息。
95.进一步的，所述植物图像分类方法还包括以下步骤：
96.步骤s104，对多个所述特征识别信息进行分析比较，判断特征识别结果是否相同，并在特征识别结果不同时，加载辅助识别信息。
97.在本发明实施例中，通过对多个特征识别信息进行分析比较，生成分析比较结果，按照分析比较结果，判断多个特征数据库对应的特征识别结果是否相同，在特征识别结果相同时，直接按照特征识别结果生成对应的图像分类结果，按照图像分类结果进行植物图
像分类处理；在特征识别结果不同时，基于大数据技术，根据多个特征识别信息进行信息检索，并将检索获取的信息进行整理，生成辅助识别信息。
98.具体的，图5示出了本发明实施例提供的方法中特征识别结果判断的流程图。
99.其中，在本发明提供的优选实施方式中，所述对多个所述特征识别信息进行分析比较，判断特征识别结果是否相同，并在特征识别结果不同时，加载辅助识别信息具体包括以下步骤：
100.步骤s1041，对多个所述特征识别信息进行分析比较，生成分析比较结果。
101.步骤s1042，按照所述分析比较结果，判断特征识别结果是否相同。
102.步骤s1043，若特征识别结果相同，则生成图像分类结果。
103.步骤s1044，若特征识别结果不同，则基于大数据技术，根据多个所述特征识别信息，获取辅助识别信息。
104.进一步的，所述植物图像分类方法还包括以下步骤：
105.步骤s105，根据所述辅助识别信息进行人工分类判断，获取分类判断结果，并按照所述分类判断结果，更新多个所述特征数据库。
106.在本发明实施例中，将辅助识别信息进行展示，工作人员可以浏览辅助识别信息，对目标植物图像的分类进行判断，进而获取人工分类判断的分类判断结果，生成对应的图像分类结果，按照图像分类结果进行植物图像分类处理，并且根据分类判断结果，标记分类匹配有误的特征数据库，将其标记为缺陷数据库，再对缺陷数据库中相应的错误特征进行替换，实现对数据库的改进与更新。
107.具体的，图6示出了本发明实施例提供的方法中人工分类判断处理的流程图。
108.其中，在本发明提供的优选实施方式中，所述根据所述辅助识别信息进行人工分类判断，获取分类判断结果，并按照所述分类判断结果，更新多个所述特征数据库具体包括以下步骤：
109.步骤s1051，将所述辅助识别信息进行辅助判断展示。
110.步骤s1052，获取人工根据所述辅助识别信息进行分类判断的分类判断结果，生成对应的图像分类结果。
111.步骤s1053，根据所述分类判断结果，标记缺陷数据库。
112.步骤s1054，对所述缺陷数据库进行特征替换更新处理。
113.进一步的，图7示出了本发明实施例提供的系统的应用架构图。
114.其中，在本发明提供的又一个优选实施方式中，一种植物图像分类系统，包括：
115.部位识别选择单元101，用于获取待分类的目标植物图像，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，得到目标部位图像。
116.在本发明实施例中，部位识别选择单元101通过获取待分类的目标植物图像，按照预设的部位选择策略，对目标植物图像进行部位识别选择，若目标植物图像中有果实图像，则果实为选择部位；若目标植物图像中没有果实图像，有花朵图像，则选择花朵为选择部位；若目标植物图像中没有果实图像、没有花朵图像，有叶片图像，则选择叶片为选择部位；若目标植物图像中没有果实图像、没有花朵图像、没有叶片图像，有枝干图像，则选择枝干为选择部位，并在选择确定选择部位之后，对目标植物图像进行相关图像的识别标记，在目标植物图像中标记多个与选择部位相关的部位相关图像，且通过对多个部位相关图像进行
清晰度分析比较，将清晰度最高的部位相关图像确定为目标部位图像。
117.具体的，图8示出了本发明实施例提供的系统中部位识别选择单元101的结构框图。
118.其中，在本发明提供的优选实施方式中，所述部位识别选择单元101具体包括：
119.图像获取模块1011，用于获取待分类的目标植物图像。
120.部位识别模块1012，用于按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，确定选择部位。
121.图像标记模块1013，用于在所述目标植物图像中，标记多个与所述选择部位相关的部位相关图像。
122.图像选择模块1014，用于从多个所述部位相关图像中，选择获取目标部位图像。
123.进一步的，所述植物图像分类系统还包括：
124.处理特征提取单元102，用于对所述目标部位图像进行处理，得到处理部位图像，对所述处理部位图像进行特征提取，获取部位特征数据。
125.在本发明实施例中，处理特征提取单元102采用依据人眼对绿敏感最高、对蓝敏感最低的原则，来决定各个分量权值的加权平均法，对目标部位图像进行灰度化处理，再将图像上的像素点的灰度值，根据与预设阈值的大小关系，设置为0或者255，实现对灰度化之后图像的二值化处理，得到对比度部位图像，而行灰度化和二值化处理之后的图像可能存在噪声，通过将对比度部位图像进行数学形态学处理，去除噪声、填充“孔洞”，得到处理部位图像，再对处理部位图像进行边缘特征和脉络特征识别与提取，得到部位特征数据。
126.具体的，图9示出了本发明实施例提供的系统中处理特征提取单元102的结构框图。
127.其中，在本发明提供的优选实施方式中，所述处理特征提取单元102具体包括：
128.第一处理模块1021，用于对所述目标部位图像进行灰度化和二值化处理，得到对比度部位图像。
129.第二处理模块1022，用于对所述对比度部位图像进行去噪声处理，得到处理部位图像。
130.特征提取模块1023，用于对所述处理部位图像进行边缘特征和脉络特征识别与提取，得到部位特征数据。
131.进一步的，所述植物图像分类系统还包括：
132.部位特征识别单元103，用于根据预设的多个特征数据库，对所述部位特征数据进行特征识别，生成多个特征识别信息。
133.在本发明实施例中，部位特征识别单元103根据预设的多个特征数据库，对部位特征数据进行特征匹配，生成与多个特征数据库分别对应的多个特征匹配结果，进而按照多个特征匹配结果，进行相关特征的识别整理，生成多个特征识别信息。
134.分析比较处理单元104，用于对多个所述特征识别信息进行分析比较，判断特征识别结果是否相同，并在特征识别结果不同时，加载辅助识别信息。
135.在本发明实施例中，分析比较处理单元104通过对多个特征识别信息进行分析比较，生成分析比较结果，按照分析比较结果，判断多个特征数据库对应的特征识别结果是否相同，在特征识别结果相同时，直接按照特征识别结果生成对应的图像分类结果，按照图像
分类结果进行植物图像分类处理；在特征识别结果不同时，基于大数据技术，根据多个特征识别信息进行信息检索，并将检索获取的信息进行整理，生成辅助识别信息。
136.人工判断处理单元105，用于根据所述辅助识别信息进行人工分类判断，获取分类判断结果，并按照所述分类判断结果，更新多个所述特征数据库。
137.在本发明实施例中，人工判断处理单元105将辅助识别信息进行展示，工作人员可以浏览辅助识别信息，对目标植物图像的分类进行判断，进而获取人工分类判断的分类判断结果，生成对应的图像分类结果，按照图像分类结果进行植物图像分类处理，并且根据分类判断结果，标记分类匹配有误的特征数据库，将其标记为缺陷数据库，再对缺陷数据库中相应的错误特征进行替换，实现对数据库的改进与更新。
138.具体的，图10示出了本发明实施例提供的系统中人工判断处理单元105的结构框图。
139.其中，在本发明提供的优选实施方式中，所述人工判断处理单元105具体包括：
140.辅助展示模块1051，用于将所述辅助识别信息进行辅助判断展示。
141.判断获取模块1052，用于获取人工根据所述辅助识别信息进行分类判断的分类判断结果，生成对应的图像分类结果。
142.缺陷标记模块1053，用于根据所述分类判断结果，标记缺陷数据库。
143.更新处理模块1054，用于对所述缺陷数据库进行特征替换更新处理。
144.应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
145.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
146.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
147.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员
来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
148.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种植物图像分类方法，其特征在于，所述方法具体包括以下步骤：获取待分类的目标植物图像，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，得到目标部位图像；对所述目标部位图像进行处理，得到处理部位图像，对所述处理部位图像进行特征提取，获取部位特征数据；根据预设的多个特征数据库，对所述部位特征数据进行特征识别，生成多个特征识别信息；对多个所述特征识别信息进行分析比较，判断特征识别结果是否相同，并在特征识别结果不同时，加载辅助识别信息；根据所述辅助识别信息进行人工分类判断，获取分类判断结果，并按照所述分类判断结果，更新多个所述特征数据库。2.根据权利要求1所述的植物图像分类方法，其特征在于，所述获取待分类的目标植物图像，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，得到目标部位图像具体包括以下步骤：获取待分类的目标植物图像；按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，确定选择部位；在所述目标植物图像中，标记多个与所述选择部位相关的部位相关图像；从多个所述部位相关图像中，选择获取目标部位图像。3.根据权利要求1所述的植物图像分类方法，其特征在于，所述对所述目标部位图像进行处理，得到处理部位图像，对所述处理部位图像进行特征提取，获取部位特征数据具体包括以下步骤：对所述目标部位图像进行灰度化和二值化处理，得到对比度部位图像；对所述对比度部位图像进行去噪声处理，得到处理部位图像；对所述处理部位图像进行边缘特征和脉络特征识别与提取，得到部位特征数据。4.根据权利要求1所述的植物图像分类方法，其特征在于，所述根据预设的多个特征数据库，对所述部位特征数据进行特征识别，生成多个特征识别信息具体包括以下步骤：根据预设的多个特征数据库，对所述部位特征数据进行特征匹配，生成多个特征匹配结果；按照多个所述特征匹配结果分别进行特征识别，生成多个特征识别信息。5.根据权利要求1所述的植物图像分类方法，其特征在于，所述对多个所述特征识别信息进行分析比较，判断特征识别结果是否相同，并在特征识别结果不同时，加载辅助识别信息具体包括以下步骤：对多个所述特征识别信息进行分析比较，生成分析比较结果；按照所述分析比较结果，判断特征识别结果是否相同；若特征识别结果相同，则生成图像分类结果；若特征识别结果不同，则基于大数据技术，根据多个所述特征识别信息，获取辅助识别信息。6.根据权利要求1所述的植物图像分类方法，其特征在于，所述根据所述辅助识别信息进行人工分类判断，获取分类判断结果，并按照所述分类判断结果，更新多个所述特征数据
库具体包括以下步骤：将所述辅助识别信息进行辅助判断展示；获取人工根据所述辅助识别信息进行分类判断的分类判断结果，生成对应的图像分类结果；根据所述分类判断结果，标记缺陷数据库；对所述缺陷数据库进行特征替换更新处理。7.一种植物图像分类系统，其特征在于，所述系统包括部位识别选择单元、处理特征提取单元、部位特征识别单元、分析比较处理单元和人工判断处理单元，其中：部位识别选择单元，用于获取待分类的目标植物图像，按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，得到目标部位图像；处理特征提取单元，用于对所述目标部位图像进行处理，得到处理部位图像，对所述处理部位图像进行特征提取，获取部位特征数据；部位特征识别单元，用于根据预设的多个特征数据库，对所述部位特征数据进行特征识别，生成多个特征识别信息；分析比较处理单元，用于对多个所述特征识别信息进行分析比较，判断特征识别结果是否相同，并在特征识别结果不同时，加载辅助识别信息；人工判断处理单元，用于根据所述辅助识别信息进行人工分类判断，获取分类判断结果，并按照所述分类判断结果，更新多个所述特征数据库。8.根据权利要求7所述的植物图像分类系统，其特征在于，所述部位识别选择单元具体包括：图像获取模块，用于获取待分类的目标植物图像；部位识别模块，用于按照预设的部位选择策略，对所述目标植物图像进行部位识别选择，确定选择部位；图像标记模块，用于在所述目标植物图像中，标记多个与所述选择部位相关的部位相关图像；图像选择模块，用于从多个所述部位相关图像中，选择获取目标部位图像。9.根据权利要求7所述的植物图像分类系统，其特征在于，所述处理特征提取单元具体包括：第一处理模块，用于对所述目标部位图像进行灰度化和二值化处理，得到对比度部位图像；第二处理模块，用于对所述对比度部位图像进行去噪声处理，得到处理部位图像；特征提取模块，用于对所述处理部位图像进行边缘特征和脉络特征识别与提取，得到部位特征数据。10.根据权利要求7所述的植物图像分类系统，其特征在于，所述人工判断处理单元具体包括：辅助展示模块，用于将所述辅助识别信息进行辅助判断展示；判断获取模块，用于获取人工根据所述辅助识别信息进行分类判断的分类判断结果，生成对应的图像分类结果；缺陷标记模块，用于根据所述分类判断结果，标记缺陷数据库；
更新处理模块，用于对所述缺陷数据库进行特征替换更新处理。

技术总结

本发明涉及图像分类技术领域，具体公开了一种植物图像分类方法和系统。本发明通过获取目标植物图像，对目标植物图像进行部位识别选择，得到目标部位图像；进行特征提取，获取部位特征数据；进行特征识别，生成多个特征识别信息；对多个特征识别信息进行分析比较，判断特征识别结果是否相同；进行人工分类判断，更新多个特征数据库。能够进行目标部位图像的处理与特征提取，得到部位特征数据，通过多个特征数据库进行特征识别与比较，进而判断特征识别结果是否相同，在特征识别结果不同时，进行人工分类判断与处理，并对相应的特征数据库进行更新，从而实现对分类错误的判断，并且在分类错误之后，进行相应的改进与更新，避免出现重复的错误。复的错误。复的错误。