机构名称：
¥ 1.0
学生，计算机科学与工程系2,3,4,5 Anjalai Ammal Mahalingam工程学院，蒂鲁瓦拉尔，蒂鲁瓦拉尔，印度泰米尔纳德邦，摘要：由于其特性，药用植物在传统和现代医学中起着至关重要的作用。在这项研究中，我们建议使用机器学习鉴定药用植物。所提出的系统包括几个关键组件：数据收集，特征提取，模型培训和预测。最初，从数据库中收集了全面的药用植物图像数据集。接下来，使用图像处理技术从图像中提取相关功能，例如叶状形状，纹理和颜色。随后，采用ML算法（例如卷积神经网络（CNN））来培训有关提取特征的分类模型。然后，受过训练的模型能够准确地从输入图像中识别出药用植物。为了促进用户交互，可以开发一个用户友好的接口，从而使用户可以上传图像并接收即时标识结果。此外，在现实世界中评估了系统的性能，以评估其实际实用性和可靠性。总的来说，提议的自动药物植物识别系统代表了利用ML技术简化识别过程的重大进步。关键字：机器学习，卷积神经网络
使用机器学习的药用植物识别
主要关键词
相关文件推荐
