在植物分类领域，叶片分析在分析、识别和理解植物识别和叶片模式方面具有重要作用。植物识别/分类的一个重要挑战是叶形的多样性。颜色特征对植物种类的分类和识别具有更大的依赖性，因为在不同的季节，叶片颜色可以根据环境变化而变化。纹理特征更多地基于其脉络和脉络确定的信息，叶脉结构被认为是植物种类鉴定的重要因素，但目前提取叶脉结构的技术较少，许多方法依赖于自动或手动提取叶片脉序。此外，在叶脉序与叶光谱特征的关联和评价方面也鲜有研究。

叶片便于识别和分类不同的植物种类，因为它们能够呈现具有各种特征的平面和二维表面，如纹理、颜色和形状等。传统的人工方法对植物物种的识别和分类依赖于所使用的特定植物学信息，耗时较长。计算机科学中的一些有效算法，如模式识别、图像处理和机器学习，以及移动设备和数码相机等技术，提出了通过从植物叶片图像中提取不同特征来实现植物物种自动分类的思想。

植物叶子识别是利用图像处理技术识别叶子的重要科学领域。使用不同的算法提出了几种方法，以实现尽可能高的精度。本文对图像处理中使用的各种方法进行了分析调查，以通过其叶子识别植物。这些方法有助于为植物学家提供有用的信息，以利用这些叶子的药用特性，或用于任何其他农业和环境目的。我们还提供了对研究人员使用的不同技术的见解和完整回顾，这些技术考虑了不同的特征和分类器。这些特征和分类器根据其提高分类方法的准确率的能力进行研究。我们的分析表明，支持Victor机器（SVM）和卷积神经网络（CNN）在其他方法中在准确性方面都处于正优势。

引自：
Khaled Suwais, Khattab Alheeti and Duaa Al_Dosary, “A Review on Classification Methods for Plants Leaves Recognition” International Journal of Advanced Computer Science and Applications(IJACSA), 13(2), 2022. http://dx.doi.org/10.14569/IJACSA.2022.0130211