植物叶怎么样识别（叶的识别对认识植物有什么帮助）

扫描叶子识别植物

这种做法其实局限性很大，除非叶片特征很明显的植物，或者限定一定范围的情况下，通过植物叶子来辨认植物种类的难度非常大。

一般怎样来识别植物从那些方面来识别

世界上有45万种植物，仅属于高等植物的就有20余万种，我国有高等植物3万余种。种类如此繁多，对不熟悉的人来讲，简直是杂乱无章。然而当我们懂得了植物的分类等级时，就会发现它们其实是各有所属，井井有条的。每一种植物，不管它是高等的还是低等的，是种子植物还是孢子植物，只要讲出它的科学的名称，就可以在某个位置上找到它。

经过努力，植物分类学家们已经大体上弄清了各种植物之间的关系，并根据它们之间亲缘关系的远或近，从低级到高级，从简单到复杂，把它们编排在一个系统中。在这个系统中，每一种植物都有一个自己的位置，就像是每一个人都有一个户口一样。这个系统由好几个等级组成，很高级是“界”，接着是“门”、“纲”、“目”、“科”、“属”，很基层的是“种”。由一个或几个种，组成属，由一个或几个属，组成科，以此类推，很后由几个门组成界，也就是植物界。

在分类等级中，“科”是一个中级分类单位。在识别植物过程中，如果能抓住“科”这个分类等级，那就有提纲挈领的作用。只要能掌握15至20个常见的科的特征，识别植物就能如虎添翼。

在所有裸子植物中，可分成12个科；所有的被子植物，可分成300余个科。在每个科下面，包含有1个到数百上千个植物种，有的甚至包含上万个植物种。如银杏科只有1个种，蔷薇科有3300余种，蝶形花科有17000余种。不管在科下有多少个种，这些种之间的亲缘关系是比较相近的。所以它们在形态上，特别是花的构造上都有许多共同的地方。如花序中提到的菊科都有头状花序，伞形科都有伞形花序。此外还有木犀科都是木本，叶片几乎都是对生，唇形科都有唇形花冠，茎干几乎都是方形；十安花科都是草本，花冠呈十安形。芸香科植物的叶片上都有芳香的油腺……

所以一旦碰到有不认识的植物，只要判断它可能属于的科。再到有关的植物分类专业书上去查找，就不会太困难了。因为几乎所有的分类书籍中，植物的编排，都是以科为基础的，每一个科的植物都是集中在一起的。

双子叶和单子叶植物怎么区分？

双子叶和单子叶植物的区别在于它们的种子、花叶、根、叶脉的不同。

1、单子叶和双子叶的区别是种子，双子叶种子发芽的时候有2片子叶，单子叶植物只有一片叶子，可以通过这个东西来很好的辨别单双子叶。

2、双子叶花叶大部分都是4基数（意思是花叶的数量都是4的倍数），而单子叶的花叶大部分都是3基数。

3、根的区别：双子叶植物的根是直根系，而单子叶植物是须根系，通过这个也能很快的辨别。

4、叶脉的区别：单双子叶叶片上还是有区别的，单子叶是平行脉络，而双子叶植物是网状脉络。

5、裸子植物为多年生木本植物，大多为单轴分枝的高大乔木，少为灌木，稀为藤本；次生木质部几全由管胞组成，稀具导管。叶多为线形、针形或鳞形，稀为羽状全裂、扇形、阔叶形、带状或膜质鞘状。

扩展资料：

双子叶植物种子的胚有2枚子叶，植物体有各种习性，茎中维管束成环状排列，有形成层，使茎能继续加粗，叶具网状叶脉，花部通常为5或4基数，主根发达，形成直根系。

按恩格勒系统通常分为2个亚纲：即离瓣花亚纲Choripetalae（或原始花被亚纲Archichlamydeae）和合瓣花亚纲Sympetalae（或变形花被亚纲Metachlamydeae）这主要是依据花被有无，结合或分离来划分的。

现代一些系统学家根据花被分化、雄蕊发育、珠被层数、花粉粒2核还是3核、珠心厚薄等性状来划分。

参考资料：

百度百科-双子叶植物

百度百科-单子叶植物

植物物种如何识别

植物是地球上物种数量很多、分布很广泛的生命形式，影响着人类赖以生存的生态系统。植物也是人类生存与发展的重要的资源，是人类生产和生活必需的资源。同时，植物与农业有着密切的联系，而农业作为国民经济的命脉，是一个*赖以生存的基础。因此，开展植物物种的机器识别研究具有重要的现实意义。植物物种分类性状的自动提取将推动植物分类学的发展，植物物种的自动识别有助于提高人们对植物的认识，有利于植物资源的保护和利用。而计算机技术在农业领域的应用多数涉及到作物的特征提取、分类与识别，所以植物物种的机器识别研究将有利地推动信息技术在农业领域的应用。本文的工作正是围绕着植物物种的机器识别的研究，从植物图像的特征提取方法和图像特征的分类来分别进行的。全文的主要工作体现在以下几个方面：

1). 植物图像的预处理。植物图像预处理的难点和重点是植物叶片图像的分割。实际采集的植物图像通常带有背景，必须通过图像分割提取目标后才能进行特征提取等后期工作。对于简单背景下的单叶、多叶片图像，通过图像的灰度统计分析和实验比较发现，使用全局阈值法、局部自适应阈值法、多阈值分割法等的方法可以达到满意的分割效果。对于有复杂背景的叶片图像，尝试使用交互式的主动轮廓模型法和分水岭算法进行图像分割，实验结果表明这两种图像分割算法是可行的和卓有成效的。

2). 叶片图像的形状特征提取。分割后叶片图像的特征提取是实现植物物种机器识别的一个重要环节。无论是对于植物形态学还是进行机器识别，叶片的形状特征都是进行植物分类的重要依据。通过对叶片形状的分析，总结出用于植物物种机器识别和植物数值分类学的8个区域描述几何特征。为提高识别精度，还使用了叶片的不变矩特征。实验结果表明，叶片的区域描述几何特征是进行植物物种识别的显著特征和高效分类特征。另外，叶片的叶缘、叶脉、骨架、裂深等叶片结构特征是植物数值分类学的主要分类性状，也是植物形态学分类的依据，通过数字图像处理技术实现这些性状的自动提取，是计算机辅助植物物种识别的重要内容和必然环节，所以对这些叶片结构特征的自动提取方法也进行了研究。

3). 植物图像的纹理特征提取。纹理信息都是描述与识别植物图像的一项重要指标，对于树皮图像更是很好有效的分类特征。通过两种图像的识别实验比较发现：基于象素灰度值统计的共生矩阵方法、自相关函数方法、游程方法以及直方图方法的识别率普遍比较低；多尺度性Gabor滤波方法和小波分解方法可以获得较高的识别精度；局域二值模式方法的识别效率很好，可以以较少的特征描述获得较高的识别率。而我们提出的Gabor分块局域二值模式方法可以获得很高的识别精度，但需要较大的计算量。

4). 提出了一种启发式径向基概率神经网络全结构优化方法。为在实际应用中加速优化速度，降低优化计算复杂度，首先提出了很小体积覆盖超球和移动平均中心覆盖超球两种算法，用于启发式的从训练样本中快速的初选出径向基概率神经网络的隐中心矢量，然后将粒子群优化算法和ROLSA结合进一步优选隐中心矢量，同时优化核函数控制参数，实现径向基概率神经网络的全结构优化。

5). 在对径向基概率神经网络隐中心和控制参数的几何意义分析的基础上，提出了一种椭球基概率神经网络模型，它可以看作径向基概率神经网络的自然拓展，在网络结构中以全协方差矩阵取代原来的对角协方差矩阵，使之在不同的输入方向上的函数宽度也不同，能够在不增加基函数数目的情况下更好地表征样本数据复杂的分布，并针对椭球基概率神经网络提出一种基于高维空间几何分析算法的超椭球神经元初始化方法。为提高椭球基概率神经网络的性能，提出了一种把粒子群优化算法和梯度下降算法相结合的混合结构优化算法用于椭球基神经元的优选和控制参数的优化。

6). 提出一种基于D-S融合理论的椭球基概率神经网络多分类器融合系统，避免了单一椭球基概率神经网络的分类局限性，减少了寻求单一分类单元结构很优化时的计算复杂度，大大提高了对复杂模式识别问题的分类精度，并将其应用于基于Gabor分块局域二值模式单特征的植物物种识别和基于多特征的植物物种识别。

7). 针对实际中大量存在的变形植物叶片，提出了基于形状匹配的残缺与重叠叶片图像识别方法。首先介绍了叶片形状的多边形近似方法，以及局部多边形特征的描述；然后提出一种改进的动态规划算法来实现残缺叶片的形状匹配与识别；很后将模糊理论与离散粒子群优化算法相结合，提出一种基于模糊离散粒子群优化算法的形状匹配方法，并应用于残缺与重叠叶片的匹配识别。

2.在野外一般根据叶子如何区别单子叶和双子叶植物？

单子叶植物与双子叶植物区别很大的一点就是它们的叶子，仔细观察它们的叶脉就可以很好将其分辨。双子叶植物的叶子叶片上有着网状的叶脉，而单子叶植物的叶子叶脉则是平行状分布的

有没有通过叶子或花来识别植物的软件

在公园或郊外看到一些很好看的植物，但叫不出名字来，问别人也不一定知道，有没有一款能够帮助识别植物的软件呢，如果是手机版的就更好了。

上周末在公园看到很多花儿在开放，突然想做这么一个软件，大体是这样的：用手机拍下叶子或花的照片，然后该软件识别出一些特征，比对数据库中的植物特征数据，找出相似度很高的一些植物来，显示出文字或图片的说明，比如种类、花期、产地、用途等信息来。需要用到图像识别和人工智能之类的技术。

今天在网上搜索了一下，还真有，就是“植物识别软件-树叶快照Leafsnap”。找了一下相关的资料，整理出来，分享给大家。

关于“树叶快照Leafsnap”

我们经常在野外看到一种不知名的植物植物，很想知道它的名字，如果电话请教一位医生，你会发现准确描述这个植物的形状、特点是一件非常难的事情。当然，还有种办法是拍一张照片，然后把它发出来，等医生来告诉你这是什么植物。这样当然没问题，但它仍然不够方便。其实命名是人类认识世界的很基本方式，我们学到的知识也大都是借助“被命名”来完成，也因为这样，知识传递更多的时候仅仅是个单向的过程。所以在没有名字的时候，你会很茫然。