1. 毕业设计（论文）主要内容：
植物的分类与识别是一项具有长远意义的重要基础工作,有利于更好地认识与利用植物资源。叶片作为植物的重要器官，长久以来一直作为植物分类与识别的重要依据，然而传统的识别鉴定方法依靠专业人员自身的经验，效率和准确率都很低，因此需要开发一种高效、准确地基于叶片图像来进行植物品种识别的平台。
目前的通过叶片图像对植物进行识别多用于物种的鉴定，并且主要基于叶片的形状以及颜色等直观特征，而同物种不同品种的植物叶片之间具有高度的相似性。因此需要提取更精细的叶片纹理等特征来进行分类。
本课题提出一种基于高清叶片图像的植物品种识别方法，通过多特征的融合实现不同品种的区分与识别。2. 毕业设计（论文）主要任务及要求
（1） 参考相关文献，了解图像处理以及图像特征提取的相关技术；
（2） 设计并实现基于叶片图像的植物品种识别方法，实现同一物种内不同品种的自动准确识别；
（3） 设计并实现可操作的程序界面；
3. 毕业设计（论文）完成任务的计划与安排
(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
(2)2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；
(3)2020/5/1—2020/5/25：撰写及修改毕业论文；
4. 主要参考文献
[1]. B, J. C., Hirsch, M., Eberhardt, B., Lensch, H.P. A. (2019). Computer Vision – ACCV 2018 (Vol. 11364). https://doi.org/10.1007/978-3-030-20870-7
[2]. Wldchen, J., Mder, P. (2018). Plant SpeciesIdentification Using Computer Vision Techniques: A Systematic LiteratureReview. In Archives of Computational Methods in Engineering (Vol. 25).https://doi.org/10.1007/s11831-016-9206-z
[3]. Lee, S. H., Chan, C. S., Mayo, S. J., Remagnino,P. (2017). How deep learning extracts and learns leaf features for plantclassification. Pattern Recognition, 71, 1–13.https://doi.org/10.1016/j.patcog.2017.05.015
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
