在植物分類領域，葉片分析在分析、識別和理解植物識別和葉片模式方面具有重要作用。植物識別/分類的一個重要挑戰是葉形的多樣性。顏色特征對植物種類的分類和識別具有更大的依賴性，因為在不同的季節，葉片顏色可以根據環境變化而變化。紋理特征更多地基于其脈絡和脈絡確定的信息，葉脈結構被認為是植物種類鑒定的重要因素，但目前提取葉脈結構的技術較少，許多方法依賴于自動或手動提取葉片脈序。此外，在葉脈序與葉光譜特征的關聯和評價方面也鮮有研究。

葉片便于識別和分類不同的植物種類，因為它們能夠呈現具有各種特征的平面和二維表面，如紋理、顏色和形狀等。傳統的人工方法對植物物種的識別和分類依賴于所使用的特定植物學信息，耗時較長。計算機科學中的一些有效算法，如模式識別、圖像處理和機器學習，以及移動設備和數碼相機等技術，提出了通過從植物葉片圖像中提取不同特征來實現植物物種自動分類的思想。

植物葉子識別是利用圖像處理技術識別葉子的重要科學領域。使用不同的算法提出了幾種方法，以實現盡可能高的精度。本文對圖像處理中使用的各種方法進行了分析調查，以通過其葉子識別植物。這些方法有助于為植物學家提供有用的信息，以利用這些葉子的藥用特性，或用于任何其他農業和環境目的。我們還提供了對研究人員使用的不同技術的見解和完整回顧，這些技術考慮了不同的特征和分類器。這些特征和分類器根據其提高分類方法的準確率的能力進行研究。我們的分析表明，支持Victor機器（SVM）和卷積神經網絡（CNN）在其他方法中在準確性方面都處于正優勢。

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