Machine Translated by Google

Sistemas Especialistas com Aplicativos 39 (2012) 7562–7573

Listas de conteúdo disponíveis no SciVerse ScienceDirect

Sistemas Especialistas com Aplicações

página inicial da revista: www.elsevier.com/locate/eswa

Análise

Identificação de espécies de plantas usando morfometria digital: uma revisão

James S. Cope a , David Corney b,ÿ
, Jonathan Y. Clark b
, Paolo Remagnino a
, Paul Wilkin c

aDigital Imaging Research Centre, Kingston University, London, UK

bDepartment of Computing, University of Surrey, Guildford, Surrey, UK
c
Royal Botanic Gardens, Kew, Richmond, Surrey, Reino Unido

informações do artigo abstrato

Palavras-chave: As plantas são de fundamental importância para a vida na Terra. As formas das folhas, pétalas e plantas inteiras são de grande
Morfometria importância para a ciência das plantas, pois podem ajudar a distinguir entre diferentes espécies, medir a saúde das plantas e até
análise de forma modelar as mudanças climáticas. O crescente interesse pela biodiversidade e a crescente disponibilidade de imagens digitais
Processamento de imagem combinam-se para tornar este tópico atual. A escassez global de névoas de taxonomia especializadas aumenta ainda mais a
botânica
demanda por ferramentas de software que possam reconhecer e caracterizar plantas a partir de imagens. Um sistema automatizado
Folha
robusto de identificação de espécies permitiria que pessoas com treinamento e experiência botânicos limitados realizassem valiosos
Flor
trabalhos de campo.
Taxonomia
Revisamos os principais métodos computacionais, morfométricos e de processamento de imagens que têm sido usados nos
últimos anos para analisar imagens de plantas, apresentando aos leitores conceitos botânicos relevantes ao longo do caminho.
Discutimos a medição de contornos de folhas, forma de flor, estruturas de veias e texturas de folhas e descrevemos uma ampla gama
de métodos analíticos em uso. Também discutimos uma série de sistemas que se aplicam a esta pesquisa, incluindo protótipos de
guias de campo digitais portáteis e vários sistemas robóticos usados na agricultura. Concluímos com uma discussão do trabalho em
andamento e problemas pendentes na área.
2012 Elsevier Ltd. Todos os direitos reservados.

1. Introdução limite de recursos financeiros. Além disso, um especialista em uma espécie ou

As plantas são uma parte fundamental da vida na Terra, fornecendo-nos
oxigênio respirável, alimentos, combustível, remédios e muito mais.
As plantas também ajudam a regular o clima, fornecem habitats e alimentos para
insetos e outros animais e fornecem uma maneira natural de regular as inundações.
Uma boa compreensão das plantas é necessária para melhorar a produtividade e
sustentabilidade agrícola, descobrir novos produtos farmacêuticos, planejar e
mitigar os piores efeitos da mudança climática e chegar a uma melhor compreensão
da vida como um todo.
Com uma população humana crescente e um clima em mudança, há uma
ameaça crescente para muitos ecossistemas. Portanto, está se tornando cada vez
mais importante identificar espécies novas ou raras e medir sua extensão geográfica
como parte de projetos mais amplos de biodiversidade. As estimativas do número
de espécies de plantas com flores (ou angiospermas) variam de cerca de 220.000
(Scotland & Wortley, 2003) a 420.000 (Govaerts, 2001).
A abordagem tradicional para identificar espécies e suas relações é treinar
taxonomistas que possam examinar espécimes e atribuir rótulos taxonômicos a
eles. No entanto, há uma escassez de especialistas qualificados no assunto (um
problema conhecido como ''impedimento taxonômico'', por exemplo, Carvalho et
al., 2007), bem como uma
família pode não estar familiarizado com outra. Isso levou a um interesse crescente
em automatizar o processo de identificação de espécies e tarefas relacionadas. O
desenvolvimento e a onipresença de tecnologias relevantes, como câmeras digitais
e computadores portáteis, aproximaram essas ideias da realidade; afirma-se que
agora é o ''tempo para automatizar a identificação'' (MacLeod, Benfield, &
Culverhouse, 2010), e não apenas de plantas. Argumentando que precisamos
treinar taxonomistas mais experientes, ao mesmo tempo em que adotamos novas
tecnologias, Quentin Wheeler escreve que “as imagens digitais são para o
conhecimento morfológico o que a Imprensa de Gutenberg foi para a palavra
escrita” (Wheeler, 2004) .
Botânicos coletam espécimes de plantas e os preservam em arquivos de herbários.
Por exemplo, o herbário do Royal Botanic Gardens, Kew, em Londres, abriga mais de 7
milhões de espécimes secos,1 alguns dos quais com mais de 200 anos. Estes são
anotados e classificados usando o conhecimento especializado dos botânicos, sujeitos
a revisão ao longo do tempo. As coleções de herbário podem, portanto, ser vistas como
repositórios importantes e estruturados de conhecimento especializado. Para facilitar o
acesso, essas coleções estão sendo cada vez mais digitalizadas para formar bancos
de dados com imagens anotadas com nomes de espécies, nomes de coletores, datas,
locais e assim por diante. Outras fontes significativas de conhecimento incluem flora,
chaves taxonômicas e monografias (ver Tabela 1 para definições).

ÿ Autor correspondente.
Endereços de e-mail: J.Cope@kingston.ac.uk (JS Cope), D.Corney@surrey.ac.uk (D.
Corney), JYClark@surrey.ac.uk (JY Clark), P.Remagnino@kingston.ac.uk (P. Remagnino),
1
P.Wilkin@kew.org (P. Wilkin). http://apps.kew.org/herbcat/navigator.do.

0957-4174/$ - ver matéria inicial 2012 Elsevier Ltd. Todos os direitos reservados.
doi:10.1016/j.eswa.2012.01.073
Machine Translated by Google

JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573 7563

Tabela 1
Alguma terminologia botânica. Observe que alguns termos têm significados diferentes na ciência das plantas em comparação com a ciência da computação ou estatística. Veja também a Fig. 2 para termos relacionados à
anatomia de uma folha.

Identificação Reconhecimento da identidade de um organismo. (Sinônimo de classificação em ciência da computação e estatística.)

Classificação Agrupar itens com base na similaridade. (Sinônimo de análise de cluster ou segmentação em ciência da computação e estatística.)
Nomenclatura Atribuição de nomes a organismos
Taxonomia Identificação, descrição formal e nomenclatura de organismos Grupo de
táxon organismos considerados como uma unidade; por exemplo, uma
Classificação taxonômica espécie Posição relativa na hierarquia taxonômica; por exemplo ''espécie'',
chave dicotômica ''família'' Uma árvore binária que permite ao usuário identificar os membros de um táxon por meio de uma série de
Flora perguntas Um livro que descreve a vida vegetal em uma determinada
Monografia região geográfica Um livro que fornece uma descrição (quase) completa de um táxon particular, geralmente
Chave taxonômica um gênero Série estruturada de perguntas usadas para identificar
Herbário espécimes Uma coleção de referência de espécimes de plantas preservadas.
Sistemática O estudo taxonômico das origens evolutivas e adaptações ambientais O estudo dos caminhos
cladística da evolução, com o objetivo de identificar as relações ancestral-descendente O estudo das relações entre organismos definidos
fenética pelo grau de semelhança física entre eles A semelhança de uma estrutura em diferentes organismos resultante de ancestralidade
Homologia compartilhada

Em muitos casos, as espécies (ou táxons superiores, como gêneros ou famílias)
podem ser distinguidas por caracteres derivados de seu formato de folha ou flor, ou de
sua estrutura ramificada. A forma é obviamente importante em muitas outras disciplinas,
e as técnicas morfométricas são aplicadas em pesquisas de base estrutural em zoologia,
geologia, arqueologia e medicina, embora estejam além do escopo desta revisão.
A morfometria, o estudo da forma, tem sido aplicada às plantas e seus órgãos por
muitos anos. As folhas são estruturas prontamente aparentes em muitas plantas e estão
disponíveis para exame durante grande parte do ano em plantas decíduas ou anuais ou
durante todo o ano em perenes perenes, ao contrário de órgãos reprodutivos mais
transitórios.
Como tal, os caracteres foliares, incluindo aqueles que envolvem a forma, têm sido
usados extensivamente em chaves taxonômicas tradicionais baseadas em texto para
identificação de plantas desde o início da botânica. Exemplos de tais estudos incluem os
de Tilia (Schneider, 1912), Ulmus (Melville, 1937, 1939) e Betula (Natho, 1959), mas
existem muitos mais.
Para utilizar tal chave, compilada por um especialista do grupo em questão, o usuário faz
uma série de escolhas entre afirmações contrastantes, chegando finalmente a um nome
de espécie. Mesmo diante de tal chave, o usuário deve fazer uma série de julgamentos
que requerem conhecimentos botânicos específicos, portanto, estes não podem ser
usados ingenuamente. Mais detalhes sobre chaves taxonômicas podem ser encontrados
em Stace (Stace, 1992).
Nos últimos anos, câmeras digitais de alta qualidade tornaram-se onipresentes,
aumentando o interesse na criação de guias de campo portáteis. Estes são protótipos
construídos em torno de smartphones ou assistentes digitais pessoais (PDAs) que são
projetados para permitir que um usuário em campo fotografe um espécime de interesse
e receba instantaneamente informações sobre ele, como o provável nome da espécie
(consulte também a Seção 3 ). Uma vantagem desses sistemas é que eles exigem pouca
infraestrutura no ponto de uso, portanto, podem ser usados mesmo nas partes menos
desenvolvidas e mais remotas do mundo. No entanto, o escopo de tais sistemas é
atualmente muito limitado, restringindo seu uso prático.
Uma segunda consequência de câmeras digitais e scanners baratos é a criação de
vastos bancos de dados de imagens de plantas. Por exemplo, o Royal Botanic Gardens,
Kew fornece um catálogo digital de mais de 200.000 imagens de alta resolução, com
mais sendo adicionadas continuamente como parte de um projeto de digitalização em
andamento. Mantemos uma lista anotada de conjuntos de imagens botânicas on-line,2
descrevendo vários conjuntos disponíveis publicamente, incluindo imagens de folhas
únicas, espécimes de herbário e plantas inteiras.
1.1. Desafios em morfometria botânica
Embora a morfometria e o processamento de imagens sejam disciplinas bem
estabelecidas e amplas, a morfometria botânica apresenta
alguns desafios específicos. Aqui, discutimos alguns deles, incluindo deformações de
espécimes, limites de classe pouco claros, seleção de recursos e terminologia.
Folhas e flores são objetos não rígidos, levando a uma variedade de deformações.
Muitas folhas têm natureza tridimensional, o que aumenta a dificuldade de produzir
imagens de folhas de boa qualidade e também resulta na perda de informações úteis
sobre a estrutura.
Os espécimes arquivados também podem ser danificados à medida que são secos e
prensados, mas mesmo os espécimes vivos podem apresentar insetos, doenças ou
danos mecânicos. Os sistemas automatizados devem ser robustos a tais deformações,
tornando a computação flexível e as estatísticas robustas altamente atraentes.
Uma fonte de confusão quando botânicos e cientistas da computação colaboram
diz respeito a termos como “classificar” e “agrupar”.
Em taxonomia, ''classificação'' pode ser definida como o processo de agrupar indivíduos
com base na similaridade, a fim de definir táxons como espécies ou gêneros (Stuessy,
2006). “Identificação” é então o processo de decidir a qual de uma série de táxons pré-
definidos um determinado indivíduo pertence. Em contraste, na ciência da computação,
“classificação” refere-se à atribuição de um exemplo individual a um de um número finito
de categorias discretas, enquanto “agrupamento” refere-se à descoberta de grupos
dentro de um conjunto de indivíduos, com base em semelhanças (Bishop, 2007, p.3).
Deve-se ter cuidado ao usar tais termos para evitar confusão.
Qualquer sistema que se preocupe em distinguir entre diferentes grupos de plantas
deve estar ciente da grande variação intraclasse e pequena variação interclasse que é
típica de amostras botânicas (ver Fig. 1 ) . Vários classificadores foram desenvolvidos
para identificar as espécies de um espécime a partir de uma imagem digital, como
discutimos ao longo deste artigo, e devem ser robustos para esse desafio.
Questões semelhantes se aplicam às tarefas de descobrir quantos grupos existem em
um conjunto de exemplos e quais são os limites de classe. Veja as Figs. 3 e 7 para mais
exemplos da variedade de formatos de folhas encontrados.
A distinção entre um grande número de grupos é inerentemente mais complexa do
que a distinção entre apenas alguns, e normalmente requer muito mais dados para
alcançar um desempenho satisfatório.
Mesmo que um estudo seja restrito a um único gênero, ele pode conter muitas espécies,
cada uma das quais abrangerá variação entre suas populações constituintes. O gênero
de plantas com flores Dioscorea, por exemplo, contém mais de 600 espécies (Govaerts,
Wilkin, Raz, & Téllez-Valdés, 2010), então mesmo os estudos de um único gênero podem
ser muito desafiadores. Em uma nota relacionada, a forma das folhas pode variar
contínua ou discretamente ao longo de uma única haste à medida que as folhas se
desenvolvem (conhecido como heteroblastia foliar), o que pode confundir ainda mais a
análise da forma, a menos que seja dada atenção cuidadosa às fontes dos espécimes.

Freqüentemente, diferentes características são necessárias para distinguir diferentes

2 categorias de plantas. Por exemplo, enquanto a forma da folha pode ser suficiente para
http://www.computing.surrey.ac.uk/morphidas/ImageSets.html.
Machine Translated by Google

7564 JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573

Fig. 1. Variação de folhas retiradas de um único espécime de Quercus nigra.

distinguir entre algumas espécies, outras espécies podem ter formas de folhas muito
semelhantes entre si, mas têm folhas de cores diferentes. Nenhuma característica única,
ou tipo de característica, pode ser suficiente para separar todas as categorias, tornando a
seleção de características um problema desafiador.
Além dessas questões específicas da botânica, questões mais gerais de
processamento de imagem, como a ambigüidade causada por iluminação desconhecida,
pose etc., permanecem potencialmente problemáticas. Isso é especialmente verdadeiro
em condições de campo com menos controle sobre a captura da imagem
processo.
1.2. Contorno
O escopo deste artigo é focado em abordagens para identificação de espécies de
plantas usando imagens digitais combinadas com conhecimento de domínio. Nosso objetivo
é revisar os métodos e aplicações atuais, destacar fluxos paralelos de pesquisa e motivar
maiores esforços para resolver uma série de problemas importantes, oportunos e práticos.
o caso de que diferentes espécies têm formas de folhas características, e estas têm sido
freqüentemente usadas por botânicos para identificar espécies.
Considerando que as diferenças no caráter da margem ou na estrutura da veia podem ser
bastante sutis, as diferenças de forma costumam ser mais óbvias, mesmo para o não
especialista. Em muitos casos, o tamanho da folha é amplamente determinado pelo
ambiente, enquanto a forma é mais hereditária. Em segundo lugar, este é o aspecto mais
fácil de extrair automaticamente. Se a imagem de uma folha for contra um fundo branco ou
preto liso, técnicas simples de limite podem ser usadas para separar a folha do fundo, e o
contorno pode ser encontrado simplesmente isolando os pixels da folha que fazem fronteira
com o fundo. Em terceiro lugar, existem inúmeras técnicas morfométricas existentes que
podem ser aplicadas à forma da folha que já provaram seu valor para outros problemas
biológicos e que já podem ser familiares para muitos botânicos. Finalmente, a estrutura
bruta de uma folha pode ser preservada mesmo se o espécime da folha estiver danificado,
possivelmente devido à idade. Por exemplo, muitas folhas secas ficam marrons, então a
cor geralmente não é um recurso útil por si só. Observe também que muitos dos métodos
baseados em forma discutidos aqui também foram aplicados à forma de pétala, sépala ou
flor inteira, conforme discutido na Seção 2.6.

Este documento fornece uma introdução completa às principais questões neste grande e
importante campo. Assumimos alguma familiaridade básica com questões e terminologia
de computação, mas pretendemos apresentar ao leitor uma variedade de conceitos e A Fig. 2 mostra algumas das principais características das folhas com seus
questões em botânica ao longo do texto, alguns dos quais são destacados na Tabela 1. correspondentes termos botânicos, enquanto a Fig. 3 ilustra algumas das variedades de
formas de folhas encontradas.
O restante deste trabalho está organizado da seguinte forma. Na Seção 2, revisamos Discutimos agora uma série de abordagens para a análise da forma da folha, incluindo
uma série de métodos que foram aplicados para analisar a forma da folha, venação, a análise de Fourier, assinaturas de contorno, análise de marcos, características de forma,
características da margem da folha, textura da folha e assim por diante. Em seguida, dimensões fractais e análise de textura.
discutimos vários sistemas projetados para uso prático no campo na Seção 3, antes de
uma discussão final.
2.1.1. Descritores Elípticos de Fourier
Uma das técnicas de análise de forma mais comuns aplicadas às folhas são os
2. Métodos de análise foliar
descritores elípticos de Fourier (EFDs, ou análise elíptica de Fourier; EFA) (Kuhl &
Giardina, 1982). Aqui, a forma da folha é analisada no domínio da frequência, em vez do
Existem muitos aspectos da estrutura e aparência de uma planta que são usados por
domínio espacial. Um número definido de harmônicos de Fourier é calculado para o
botânicos especialistas em pesquisas morfológicas de plantas.
contorno, cada um
Os mais úteis desses recursos são geralmente o contorno bidimensional de uma folha ou
pétala (Seção 2.1), a estrutura da rede de veias (Seção 2.2) e os caracteres da margem da
folha (Seção 2.3). Destes, a forma do contorno recebeu de longe a maior atenção ao aplicar
técnicas computacionais ao processamento de imagens botânicas.

Além de serem úteis por si só, a extração automática de tais características também
é um componente essencial de sistemas maiores para identificação de espécies e tarefas
relacionadas. Todas as formas de análise de forma podem ser vistas como métodos para
representar os dados implícitos de uma imagem bruta de uma forma mais útil para
processamento subsequente.

2.1. Forma de folha

Existem várias razões subjacentes ao foco na forma da folha.

Em primeiro lugar, a forma talvez tenha o maior poder discriminativo.
Embora as folhas da mesma planta possam diferir em detalhes, muitas vezes é Fig. 2. Principais características de uma folha típica.
Machine Translated by Google

JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573 7565

Fig. 3. Exemplo de formas de folha.

que tem apenas quatro coeficientes. Esse conjunto de coeficientes forma o
descritor de Fourier, com números mais altos de harmônicos fornecendo
descrições mais precisas. (Hearn (2009) sugere que 10 harmônicos de Fourier
são necessários para representar com precisão a forma da folha para
distinguir entre uma variedade de espécies.) Normalmente, a análise de
componentes principais (PCA) é então aplicada ao descritor, para reduzir a
dimensionalidade e ajudar na discriminação. Um exemplo inicial dessa
abordagem é o de White, Prentice e Verwijst (1988), que descobriram que o
EFA é superior às medidas de referência, códigos de cadeia e invariantes de
momento ao caracterizar contornos de folhas. Os descritores elípticos de
Fourier podem ser facilmente normalizados para representar formas
independentemente de sua orientação, tamanho ou localização, facilitando
a comparação entre formas.
Uma vantagem dos EFDs é que uma forma pode ser reconstruída a partir
de seu descritor, como mostrado na Fig. 4. Um método útil para ajudar a
explicar a variação da forma é reconstruir a forma para algum descritor
''médio'' e então criar reconstruções deste descritor conforme ele é modificado
ao longo dos primeiros componentes principais.
McLellan e Endler (1998) compararam a análise de Fourier com vários
outros métodos para descrever a forma da folha. eles demonstram
que a análise de Fourier pode discriminar com sucesso entre vários grupos
de folhas. Eles também apontam que poucos pontos de referência são
prontamente identificáveis na maioria das folhas (ver Seção 2.1.3), exceto
talvez aqueles que possuem lóbulos regulares, tornando os métodos EFA
adequados. Eles observam, no entanto, que nenhum dos métodos que eles
consideraram foi muito superior a qualquer outro.
Hearn (2009) usou uma combinação de análise de Fourier e análise de
Pro crusts (Goodall, 1991) (um método de registro de forma simples, baseado
em rotação, translação e escala) para realizar a identificação de espécies
usando um grande banco de dados de 2.420 folhas de 151 diferentes
espécies. Du, Huang, Wang e Gu (2005) combinaram com sucesso a análise
de Fourier com uma rede neural de função de base radial para identificar
espécies de plantas a partir de imagens de folhas. Outros exemplos recentes
do uso de EFDs para analisar a forma da folha incluem Andrade, Mayo, Kirk
up e Van Den Berg (2008), Furuta, Ninomiya, Takahashi, Ohmor i e Ukai
(1995), Neto, Meyer, Jones e Samal (2006) e Lexer et al. (2009).
Um método intimamente relacionado é a ''análise de autoformas''. Aqui,
a sequência de desvios angulares que definem um contorno é medida,
normalmente sendo normalizada pela escolha de um ponto de partida comum

Fig. 4. Um exemplo de análise elíptica de Fourier. À medida que mais harmônicos são usados para reconstruir o contorno original, mais detalhes são preservados.
Machine Translated by Google

7566 JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573

definido por um ponto de referência. A decomposição de valor singular é então
usada para identificar os componentes principais (MacLeod, 1999), que podem ser
usados como entradas para um classificador subsequente ou para comparação.
Ray estendeu este trabalho e aplicou-o à análise da forma da folha (Ray, 1992).
Este trabalho consistiu em dividir o contorno em vários segmentos usando pontos
de referência reconhecíveis (ver Seção 2.1.3) e, em seguida, analisar cada segmento
usando a decomposição de valores singulares.
Uma dificuldade com esta abordagem é o problema de identificar marcos homólogos
nas folhas. Embora isso possa ser difícil dentro de uma única espécie, muitas vezes
é impossível entre as espécies, como discutimos mais adiante na Seção 2.1.3.
2.1.2. Assinaturas de contorno
Vários métodos utilizam assinaturas de contorno. Uma assinatura de contorno
para uma forma é uma sequência de valores calculados em pontos tomados ao
redor do contorno de uma folha, começando em algum ponto inicial e traçando o
contorno no sentido horário ou anti-horário. Uma das mais diretas é a distância
centróide-contorno (CCD). Essa assinatura consiste na seqüência de distâncias
entre o centro da forma e os pontos do contorno. Outras dessas assinaturas incluem
o ângulo do centróide e a sequência de tangentes ao contorno. Tal como acontece
com os EFDs, o objetivo de criar assinaturas de contorno é representar a forma
como um vetor, independente da orientação e localização. A normalização também
pode ser aplicada para impor a independência de escala.
Meade e Parnell (2003) tentaram aumentar a precisão ao aplicar o CCD às
folhas, correlacionando a frequência dos pontos de medição com a extensão da
curvatura, enquanto Wang, Chi, Dagan e Wang (2000), Wang, Chi e Dagan ( 2003)
aplicou um método baseado em afinamento à forma para identificar pontos iniciais
consistentes para o CCD, evitando a necessidade de alinhar as assinaturas antes
que possam ser comparadas. Ye e Keogh (2009) usaram elementos de forma de
séries temporais. Esses são recursos locais encontrados em uma assinatura de
contorno que podem ser combinados, em vez de precisar comparar assinaturas
inteiras, e permitem que métodos de análise de séries temporais existentes sejam
aplicados.
Uma grande dificuldade para métodos baseados em contornos, aos quais as
assinaturas de contorno são particularmente sensíveis, é o problema da ''auto-
interseção''. É aqui que parte da folha se sobrepõe a outra parte da mesma folha e
pode resultar em erros ao traçar a linha de contorno, a menos que sejam tomados
cuidados especiais. A autointerseção ocorre com bastante frequência com folhas
lobadas e pode, além disso, nem mesmo ocorrer de forma consistente dentro de
uma espécie particular. Uma tentativa de superar esse problema foi feita por
Mokhtarian e Abbasi (2004). Eles presumiram que as áreas mais escuras da folha
representavam regiões onde ocorreu a sobreposição e usaram isso para tentar
extrair o contorno verdadeiro.
Eles então usaram o método de espaço de escala de curvatura (CSS) para comparar
contornos. A principal limitação deste método é que ele só funcionará com folhas
finas e/ou retroiluminadas, onde luz suficiente pode passar pela folha para criar as
áreas mais escuras de sobreposição.
2.1.3. Pontos de referência e medições lineares
Outro método morfométrico comum é o uso de marcos e medições lineares.
Um ponto de referência é um ponto biologicamente definível em um organismo, que
pode ser sensivelmente comparado entre organismos relacionados. Normalmente,
requer conhecimento especializado específico do domínio para escolher um
conjunto adequado de pontos de referência. Em alguns casos, estes são pontos
homólogos, mas podem ser máximos locais ou mínimos de uma fronteira, conforme
discutido por Bookstein (1986).
Medições lineares e angulares entre eles podem então ser usadas para caracterizar
a forma do organismo. Métodos de referência foram aplicados com sucesso a várias
espécies animais e têm a vantagem de serem fáceis de entender por um ser
humano. A "morfometria tradicional" analisa medidas como o comprimento total e a
largura de um objeto, em contraste com a "morfometria geométrica", que usa
contornos (como os métodos discutidos em
Seção 2.1.1) ou marcos específicos e as distâncias entre eles (Adams, Rohlf, &
Slice, 2004).
Haigh, Wilkin e Rakotonasolo (2005) usaram comprimentos e larguras de folíolos
juntamente com medições de flores e pecíolos para diferenciar duas espécies
intimamente relacionadas de Dioscorea. Jensen, Ciofani e Miramontes (2002)
estudaram três espécies de Acer usando os ângulos e distâncias entre os ápices
dos lóbulos localizados manualmente e as bases dos seios. As grades de deformação
de urdidura também foram usadas para estudar a variação.
Young, Dickinson e Dengler (1995) usaram marcos foliares para comparar plantas
de uma única espécie cultivadas em diferentes condições. As plantas também foram
fotografadas em diferentes idades para descobrir quando o método teria a melhor
capacidade discriminatória. Um método relacionado é a medida de distância interna,
uma métrica baseada nos comprimentos das rotas mais curtas entre os pontos do
contorno sem passar fora da forma, que foi usada por Ling e Jacobs (2007).
Existe uma série de limitações, no entanto, ao aplicar métodos de marcação de
terra para folhas ou outros órgãos da planta. A primeira delas é a dificuldade de
extração automática. Por exemplo, o ápice da folha (ponta) pode ser difícil de
distinguir da ponta de um lóbulo, enquanto a aparência do ponto de inserção (onde
o pecíolo, ou haste da folha, encontra a lâmina da folha) pode variar muito,
dependendo do ângulo da base e como o pecíolo foi cortado durante a preparação
da amostra.
Além disso, até mesmo o comprimento de uma folha pode ser difícil de medir se a
folha for assimétrica e a veia principal não estiver alinhada com o eixo primário da
forma. Por essas razões, estudos envolvendo marcos e medições lineares (incluindo
as mencionadas acima) frequentemente envolvem extração manual de dados por
especialistas, limitando severamente a escala de qualquer sistema baseado neles.
O outro grande problema aqui é a inconsistência nos pontos de referência
disponíveis entre diferentes espécies ou outros táxons, conforme demonstrado pela
variedade de formas mostradas na Fig. 3. De fato, os únicos pontos de referência
presentes em quase todas as folhas são o ápice e o ponto de inserção (Fig. 2),
sendo que no caso das folhas peltadas (onde o talo se conecta próximo ao meio da
lâmina), esta última nem aparece no contorno. Como resultado, a maioria dos
estudos que usam marcos concentram-se em táxons específicos onde se sabe que
as características necessárias estão presentes. Uma exceção é o trabalho de
Corney, Clark, Tang e Wilkin (2012) que descrevem um software que analisa
automaticamente as imagens do herbário para identificar os pontos de referência
da ponta da folha e do pecíolo. A partir deles, e de todo o limite da folha, ele extrai
automaticamente recursos, incluindo o comprimento e a largura da lâmina da folha,
bem como a área, o perímetro e vários outros recursos de forma.
Um dos desenvolvimentos mais significativos em biologia comparativa nos
últimos 30 anos foi o desenvolvimento de métodos de reconstrução filogenética
usando dados morfológicos e, posteriormente, ácido nucléico ou dados de
sequência de proteínas. Esses métodos diferem daqueles tratados em outras partes
deste artigo, pois usam apenas caracteres derivados compartilhados para inferir
relações (filogenéticas) em vez de usar semelhança geral total para identificação ou
delimitação de espécies (compare cladística versus fenética; consulte a Tabela 1 ) .
O conceito de homologia tem particular importância na cladística e é talvez mais
bem definido (Patterson, 1982).
Tem havido debate teórico sobre o uso de dados de caráter morfológico contínuos
e, portanto, morfométricos em cladística.
Várias abordagens têm sido sugeridas, como a de Thiele (1993). Zelditch, Swiderski
e Fink (2000) até tentaram usar métodos morfométricos geométricos, como dobras
parciais, para obter novos dados de caráter filogenético em peixes, embora tais
técnicas não tenham sido amplamente utilizadas na sistemática como um todo ou
tenham sido adotadas por sistematas de plantas.
2.1.4. Recursos de forma
Semelhantes às medições lineares são os recursos de forma, que também são
normalmente limitados à análise do contorno de uma forma. Estes são vários
descritores de forma quantitativa que são tipicamente
Machine Translated by Google

JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573 7567

intuitivo, fácil de calcular e aplicável a uma ampla variedade de formas diferentes. estimativas de dimensão fractal e análise discriminante linear usada para
Os recursos comumente usados incluem a proporção da forma, medidas de identificar várias espécies de plantas. McLellan e Endler (1998) mostraram que a
retangularidade e circularidade e a proporção de perímetro para área, entre dimensão fractal tende a ser altamente correlacionada com a relação perímetro/
outros. Alguns estudos também usaram características mais específicas da folha, área (ou ''índice de dissecação''), sugerindo que é de benefício adicional limitado.
por exemplo, Pauwels, de Zeeum e Ranguelova (2009) usam uma medida de
''lobedness''. Um conjunto mais geral de feições são os ''momentos invariantes'', Tal como acontece com as características de forma, embora alguns bons
que são descritores estatísticos de uma forma que são invariantes à translação, resultados tenham sido alcançados, com Plotze et al. (2005) relatando uma taxa
rotação e escala (Hu, 1962, Teague, 1980). Flusser, Suk e Zitov (2009) fornecem de identificação de 100% em um pequeno banco de dados de 10 espécies de
uma revisão moderna e abrangente de invariantes de momento para Passiflora, sua utilidade em explicar a variação é um tanto limitada. Dada a
reconhecimento de padrões em geral. grande variedade de formas de folha presentes (por exemplo, Fig. 3), caracterizar
a forma por qualquer medida de complexidade pode descartar muitas
Ao analisar folhas, Lee e Chen (2006) argumentam que ''recursos baseados informações úteis, sugerindo que as medidas de dimensão fractal podem ser
na região'', como compacidade e proporção, são mais úteis do que recursos de úteis apenas em combinação com outras características.
contorno de contorno devido à dificuldade em identificar pontos de referência Du, Huang, Wang e Gu (2006) criaram representações poligonais de folhas
significativos ou em registrar diferentes contornos uns contra os outros. Eles e as usaram para fazer comparações, enquanto Im, Nishida e Kunii (1999)
descobriram que um classificador de vizinho mais próximo simples usando representaram contornos de folhas como uma série de triângulos sobrepostos,
recursos baseados em região produziu melhores resultados do que um método que poderiam então ser normalizados e registrados uns contra os outros para
baseado em contorno, pelo menos nas 60 espécies que usaram como caso de comparação. O método demonstrou identificar corretamente 14 espécies de
teste. plantas japonesas, mas se baseia em uma série de suposições heurísticas, que
Uma vez que tal conjunto de características tenha sido extraído das imagens, podem limitar a aplicabilidade do método a uma tarefa mais geral.
uma variedade de classificadores pode ser usada em sua análise. Um
classificador de hiperesfera ''move median centers'' (MMC) foi desenvolvido por
Du e seus colegas (Du, Wang e Zhang, 2007, Wang et al., 2008) que usa uma
2.2. Extração e análise de nervuras
série de hiperesferas para identificar espécies em um espaço definido por um
conjunto de características de forma e momentos invariantes. Outro estudo
Depois de sua forma, o próximo aspecto mais estudado das folhas é a
usando características de forma foi realizado por Wu et al. (2007), que usou uma
estrutura da nervura, também conhecida como venação. As veias fornecem
rede neural artificial para identificar 32 espécies de plantas chinesas a partir de
estrutura às folhas e um mecanismo de transporte de água, minerais, açúcares
imagens de folhas isoladas e comparou os resultados com vários outros
e outras substâncias. O padrão de veias em uma folha pode ser usado para
classificadores.
ajudar a identificar uma planta. Embora o detalhe fino possa variar, o padrão
Embora os recursos de forma tenham alcançado alguns resultados positivos,
geral das nervuras é conservado em muitas espécies.
eles são de uso limitado para auxiliar na compreensão da variação. Embora os
Muitas vezes, as veias são claramente visíveis com alto contraste em comparação
efeitos de alguns recursos possam ser óbvios, como alterações na relação entre
com o restante da lâmina foliar. Veja as Figs. 5 e 6.
altura e largura, a variação em outros recursos pode ser difícil de entender devido
Uma grande variedade de métodos foi aplicada para a extração das redes de
à dificuldade ou impossibilidade de reconstruir formas a partir de recursos. Por
veias, embora sem dúvida com sucesso limitado até agora.
exemplo, a relação perímetro/área fornece uma medida da ''complexidade'' de
Clarke et ai. (2006) compararam alguns métodos simples (um algoritmo de
uma forma, mas há muitas maneiras pelas quais uma folha pode ser alterada
análise de espaço de escala e um algoritmo de suavização e detecção de
para produzir a mesma mudança neste valor, sem afetar os valores de muitas
arestas) com resultados obtidos manualmente usando o Adobe Photoshop. Eles
outras formas. características de forma comuns.
relatam a qualidade dos resultados julgados por alguns botânicos especialistas
e, embora os resultados manuais tenham sido preferidos, os resultados mostraram
Um risco mais geral com características de forma é que qualquer tentativa de
alguma esperança para métodos automáticos, pelo menos para algumas espécies.
descrever a forma de uma folha usando apenas (digamos) 5 a 10 características
Cope, Remagnino, Barman e Wilkin (2010a) usaram algoritmos genéticos
pode simplificar demais as questões na medida em que uma análise significativa
para desenvolver classificadores para identificar pixels de veias. Estes eram
se torna impossível, mesmo que seja suficiente atribuir um pequeno conjunto de
robustos e capazes de reconhecer a nervação primária e secundária com um alto
imagens de teste para as categorias corretas. Além disso, muitos desses
grau de precisão. Li, Chi e Feng (2006) extraíram com sucesso a nervação de
descritores de valor único são altamente correlacionados entre si (McLellan &
sub-imagens foliares usando Análise de Componente Independente (ICA)
Endler, 1998), tornando a tarefa de escolher variáveis independentes suficientes
(Comon, 1994), embora quando usado em folhas inteiras, os resultados não
para distinguir categorias de interesse especialmente difícil.
foram melhores do que usar uma simples detecção de borda Prewitt operador.
Enxames artificiais de formigas foram usados por Mullen, Monekosso, Barman,
2.1.5. Encaixe poligonal e dimensões fractais
Remagnino e Wilkin (2008) para traçar nervuras e contornos em folhas por meio
A dimensão fractal de um objeto é um número real usado para representar
de uma borda
o quão completamente uma forma preenche o espaço dimensional ao qual
pertence. Isso pode fornecer uma medida útil da ''complexidade'' de uma forma,
que pode então ser usada como um recurso de entrada para um classificador,
por exemplo. Existem muitas maneiras de definir e calcular a dimensão fractal
de um objeto, sendo o método de Minkowski-Bouligand uma escolha popular
devido à sua precisão e à existência de uma versão multiescala.

Algumas tentativas foram feitas para usar dimensões fractais para identificar
folhas. McLellan e Endler (1998) usaram a dimensão fractal como um único
descritor de valor ao lado de outros descritores. Plotze et ai. (2005) usaram as
posições dos pontos característicos nas curvas produzidas pela dimensão
fractal de Minkowski-Bouligand multiescala, enquanto Backes e Bruno (2009)
também usaram o método Minkow ski-Bouligand multiescala, mas compararam
descritores de Fourier calculados para as curvas. Bruno, de Oliveira Plotze,
Falvo e de Castro (2008) comparam contagem de caixas e Minkowski multiescala
Fig. 5. Exemplo de estrutura da nervura foliar.
Machine Translated by Google
7568 JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573
Fig. 6. Exemplos de variedade de estruturas venosas.
método de detecção. Alguns dos melhores resultados de extração de veias foram
obtidos por Fu e Chi (2006) usando uma abordagem combinada de limiarização e rede
neural. Seus experimentos foram, no entanto, realizados usando folhas que foram
fotografadas usando um banco de luz fluorescente para aumentar a venação, e essas
imagens geralmente não estão disponíveis. Kirchgessner, Scharr e Schurr (2002)
usaram um método de rastreamento de veias com veias extraídas representadas
usando b-splines, enquanto Plotze et al. (2005) usaram um filtro passa-alto de Fourier
seguido por um operador morfológico Laplaciano para extrair a venação.
Embora tenha havido várias tentativas de extrair venação, houve menos tentativas
de analisá-la ou compará-la, com a maioria delas usando imagens de veias sintéticas
ou extraídas manualmente.
Park, Hwang e Nam (2008) usaram o padrão de pontos finais e ramificações para
classificar cada estrutura venosa como um dos principais tipos de venação (ver Fig.
6), e Nam, Hwang e Kim (2008) executaram a classificação em representações
gráficas de veias. Avaliação adicional é necessária antes que o valor geral da análise
de venação possa ser determinado.
2.3. Análise de margem foliar
A margem da folha, a borda externa da lâmina, geralmente contém um padrão de
''dentes'' – pequenas porções serrilhadas da folha, distintas dos lóbulos tipicamente
maiores e mais lisos (ver exemplos na Fig. 7 ) .
Apesar de ser um recurso útil das folhas para os botânicos usarem ao descrevê-las, a
margem tem visto muito pouco uso na análise automatizada de folhas. De fato, foi
afirmado que "nenhum algoritmo de computador pode detectar com segurança os
dentes da folha" (Royer, Wilf, Janesko, Kowal ski e Dilcher, 2005) até agora. Isso
pode ser devido ao fato de que os dentes não estão presentes em todas as espécies
de plantas; que eles estão danificados ou faltando antes ou depois da coleta da
amostra; ou pela dificuldade em adquirir medidas quantitativas automaticamente.
No entanto, os dentes são uma característica importante de muitas espécies de
plantas, com os botânicos usando descritores qualitativos da curvatura do dente (Ellis
et al., 2009). O tamanho e o número de dentes também podem ser úteis
Fig. 7. Exemplos de variedade de margens foliares.
indicadores de clima e de padrões de crescimento (Royer & Wilf, 2006), e são usados
até mesmo para fazer inferências sobre climas pré-históricos usando folhas fossilizadas
(Ellis et al., 2009).
Os estudos que utilizam a margem foliar normalmente a associam a outras feições
e medidas. Clark (2004), Clark (2007), Clark (2009) e Rumpunen e Bartish (2002)
usam medições feitas manualmente, como comprimento e largura do dente (''passo''),
usadas juntamente com várias medições de forma linear. Clark (2004) mostrou que
um perceptron multicamadas superou uma chave taxonômica gerada por computador
para identificar espécies a partir de características morfológicas. Clark (2009) usou
um mapa auto-organizado para identificar limites de espécies a partir de características
morfológicas semelhantes. McLellan e Endler (1998) usaram a soma dos ângulos
entre as linhas que conectam pontos de contorno adjacentes junto com outras feições
de folha de valor único, e Wang et al. (2003) compararam histogramas dos ângulos
em pontos espalhados pelo contorno.
Para táxons que possuem dentes, se folhas não danificadas suficientes estiverem
disponíveis, então a área da região da margem dentada e o tamanho e número de
dentes podem ser caracteres úteis para medir. Uma possibilidade para trabalhos
futuros é combinar a análise de veias (Seção 2.2) com a análise de margens, já que
os dentes geralmente têm pequenas veias correndo até suas pontas. Margens
quebradas ou danificadas por insetos podem parecer superficialmente com dentes,
mas são menos propensas a ter os mesmos padrões de veias. Claramente, para
táxons que não possuem dentes, outros métodos devem ser usados — conforme
observado na Seção 1.1, tarefas analíticas diferentes podem exigir características
diferentes.
2.4. Análise da textura da folha
Além de analisar contornos, várias técnicas de análise de textura tradicionais e
novas foram aplicadas às folhas. Backes et ai. aplicaram dimensões fractais multi-
escala (Backes & Bruno, 2009) e caminhadas turísticas determinísticas (Backes,
Gonçalves, Martínez, & Bruno, 2010) para identificação de espécies de plantas pela
textura da folha, embora seus experimentos envolvessem conjuntos de dados muito
limitados, o que os torna difíceis avaliar. Casanova, de Mesquita Sá Junior,
Machine Translated by Google
JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573
e Bruno (2009) usaram uma matriz de filtros de Gabor em um conjunto de dados maior,
calculando a energia para a resposta de cada filtro aplicado e obtiveram resultados
razoáveis, enquanto Liu et al. apresentaram um método baseado em transformadas
wavelet e máquinas de vetores de suporte (Liu, Zhang, & Deng, 2009). Cope,
Remagnino, Barman e Wilkin (2010b) alcançaram uma taxa de identificação de 85%
em 32 espécies de Quer cus usando as co-ocorrências de filtros Gabor de diferentes
escalas. Outras técnicas utilizadas incluem descritores de Fourier e matrizes de co-
ocorrência em escala de cinza.
Enquanto os estudos acima foram todos realizados em janelas de textura
adquiridas usando técnicas tradicionais de imagem (ou seja, câmeras e scanners),
Ramos e Fernandez (2009) usaram imagens adquiridas usando um microscópio
eletrônico de varredura (SEM), e Backes, de Mesq uita Sá Junior, Kolb e Bruno (2009)
usaram cortes transversais ampliados da epiderme da superfície da folha (a camada
mais externa de células).
Embora forneçam resultados interessantes, essas imagens não estão disponíveis em
grande escala.
Quando a textura é preservada em um espécime, essa análise pode ser útil,
especialmente quando combinada com a análise de forma baseada em contorno.
2.5. Outros métodos baseados em lâmina
Houve alguns outros estudos que usaram a lâmina foliar (superfície), ou recursos
presentes nela, de maneiras diferentes das já discutidas. Gu, Du e Wang (2005)
processaram as lâminas usando uma série de transformadas wavelet e interpolação
gaussiana para produzir um ''esqueleto'' de folha, que é usado para calcular uma
série de características de comprimento de execução: medida de execuções curtas;
medida de corridas longas; distribuição de escalas de cinza; distribuição de
comprimentos e a porcentagem de execuções.
Descritores qualitativos de cabelo foliar foram usados por Clark (2009) como uma
característica em um mapa auto-organizado. Estes foram identificados e descritos
manualmente e representam um problema para sistemas automatizados devido à sua
natureza tridimensional que dificulta a identificação positiva a partir de uma imagem
bidimensional. As glândulas de superfície são outro recurso de lâmina potencialmente
útil que foi amplamente ignorado até agora em métodos computacionais, tanto quanto
sabemos.
Uma opção intrigante é aplicar imagens 3D e métodos de modelagem a formas de
folhas (ou flores; veja abaixo). Ma, Zha, Liu, Zhang e Xiang (2008) descrevem um
método que usa informações volumétricas de um scanner 3D para reconstruir folhas
e galhos de plantas, embora não esteja claro como isso funcionaria em um sistema de
grande escala. Teng, Kuo, Chen e segmentação (2009) combinam várias fotos 2D da
mesma cena para extrair a estrutura 3D e usam as informações 2D e 3D juntas para
segmentar a imagem, usando cortes normalizados, encontrando o limite da folha.
Eles então usam a distância de contorno do centróide (CCD, conforme discutido na
Seção 2.1.2) para classificar as folhas em classes amplas, como palmadas ou cordadas
(ver Fig. 3). Um trabalho semelhante é descrito por Song, Wilson, Edmondson e
Parsons (2007), onde pares de imagens estéreo foram analisados usando
correspondência estéreo e um mapa auto-organizado. Os modelos de superfície
resultantes continham detalhes suficientes para permitir medições da altura das folhas
e flores, bem como da forma.
As lâminas da maioria das folhas contêm muitos estômatos, que são poros que se
abrem ou fecham para controlar as trocas gasosas, incluindo a perda de água. Foi
demonstrado que o tamanho e a distribuição destes estão intimamente relacionados
com o clima e, em particular, com as concentrações de CO2. Royer (2001) analisa
uma ampla gama de dados que mostram que a densidade dos estômatos nas folhas
fósseis está inversamente relacionada às concentrações locais de CO2 em escalas de
tempo longas. Hetherington e Wood ward (2003) discutem isso e o efeito da mudança
de fatores ambientais em escalas de tempo mais curtas, bem como discutem a
morfologia de diferentes tipos de estômatos. Zarinkamar (2007) apresenta uma
descrição botânica completa e medições (manuais) correspondentes de uma ampla
variedade de formatos de estômatos encontrados em mais
7569
mais de 300 espécies, e argumenta que tais medições podem ser usadas para auxiliar
na classificação taxonômica, bem como para monitorar mudanças no ambiente local.
Fernandez (2008) apresenta um método para analisar matematicamente imagens de
microscópio digital de estômatos foliares. Eles usam várias medidas de correlação e
entropia para caracterizar os padrões e texturas encontrados e usam o PCA para
ajudar a visualizar e agrupar os resultados. Não temos conhecimento de tentativas de
realizar identificação automática de espécies ou tarefas relacionadas com base no
processamento de imagens de estômatos. No entanto, parece-nos que, combinando
as partes separadas do trabalho discutidas aqui, seria possível fazê-lo.
2.6. Flores e outros órgãos vegetais
Embora seja o foco deste artigo, as folhas não são os únicos órgãos vegetais nos
quais o processamento de imagens e as técnicas morfométricas foram aplicadas. As
chaves tradicionais costumam fazer uso de descrições de flores e/ou frutas, mas
muitas vezes elas só estão disponíveis por alguns dias ou semanas do ano.
Vários métodos foram propostos para identificar plantas a partir de imagens digitais
de suas flores. Embora a cor seja uma característica distintiva mais comum aqui,
muitos métodos usados para analisar a forma da folha também podem ser usados
(consulte as seções anteriores). Nilsback e Zisserman (2007) combinaram um modelo
de forma genérica de pétalas e flores com um algoritmo de segmentação baseado em
cores. O resultado final foi uma boa segmentação da imagem, deixando a identificação
das espécies para trabalhos futuros.
Das, Manmatha e Riseman (1999) demonstraram o uso apenas da cor para
identificar uma variedade de flores em um banco de dados relacionado a patentes que
abrangem novos híbridos de flores. Seu método permite que o banco de dados seja
pesquisado pelo nome da cor ou pela imagem de exemplo, embora nenhuma
informação de forma seja extraída ou usada. Um método de segmentação de
histograma de cor foi usado por Hong, Chen, Li, Chi e Zhang (2004) e então usado
com a distância de contorno do centróide (CCD; consulte a Seção 2.1.2) e histogramas
de código de ângulo para formar um classificador. Eles demonstraram que esse
método funciona melhor do que usar apenas informações de cores para identificar um
conjunto de 14 espécies. Isso novamente sugere que a forma do contorno é um
caractere importante a ser considerado, especialmente em combinação com outros
recursos.
Descritores elípticos de Fourier (Seção 2.1.1) foram usados por Yoshioka, Iwata,
Ohsawa e Ninomiya (2004) para estudar a forma das pétalas de Primula sieboldii,
enquanto Wilkin (1999) usou medidas lineares de órgãos florais, sementes e frutos
como bem como folhas e métodos de PCA para investigar se um grupo de espécies
intimamente relacionado na África era morfologicamente distinto ou não. Ele descobriu
que eles de fato formavam uma única entidade morfológica e, portanto, todos
pertenciam a uma espécie. Gage e Wilkin (2008) usaram EFA nos contornos de tépalas
(elementos da parte externa de uma flor, como pétalas e sépalas) de três espécies
intimamente relacionadas de Sternbergia para investigar se elas realmente formavam
entidades morfológicas distintas. Clark (2009) usou medições lineares de brácteas,
órgãos especializados semelhantes a folhas, em um estudo de Tilia usando mapas
auto-organizados, e Huang, De-Shuang, Du, Quan e Guo (2006) analisaram a textura
da casca usando filtros Gabor e radiais redes neurais probabilísticas básicas.
Em uma escala menor, o crescimento de grãos individuais de cevada foi modelado
por reconstrução 3D a partir de múltiplas imagens microscópicas 2D (Gubatz, Dercksen,
Brüss, Weschke e Wobus, 2007). Isso permitiu a "dissecção virtual" dos grãos como
uma ferramenta educacional e também a visualização das expressões gênicas por
meio da localização do mRNA. Em uma escala ainda menor, Oakley e Falcon-Lang
usaram um microscópio eletrônico de varredura (SEM) para analisar os vasos
encontrados em tecido de madeira fossilizado (Oakley & Falcon-Lang, 2009). Eles
usaram a análise de componentes principais (PCA) para identificar dois “mor fotipos”
distintos, que correspondem a uma conhecida e uma nova espécie de planta que
cresceu na Europa há cerca de 95 milhões de anos.
Machine Translated by Google
7570 JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573
Movendo-se para o subsolo, vários estudos usaram técnicas de
processamento de imagens para analisar as estruturas das raízes na
"rizosfera" (a região em que as raízes crescem, incluindo o solo, os micróbios
do solo e as próprias raízes). Por exemplo, Huang, Jain, Stockman e Smucker
(1992) usaram imagens digitais de raízes capturadas colocando uma pequena
câmera dentro de um tubo transparente colocado sob plantas em crescimento.
Eles então usaram conhecimento especializado de formas e estruturas de
raízes (como raízes sendo alongadas e com arestas simétricas), para combinar
múltiplas fontes de informação e ajustar curvas polinomiais às raízes, e usar um
modelo de gráfico teórico para descrevê-las. Mais recentemente, Zeng, Birchfield
e Wells (2008) usaram a intensidade da imagem para distinguir os pixels da raiz
dos pixels do solo. Eles então usaram um processo pontual para combinar e
conectar segmentos para identificar com eficiência sistemas radiculares
completos.
Esses estudos mostram que, embora a grande maioria das pesquisas de
morfometria botânica tenha se concentrado nas folhas, devido à sua pronta
disponibilidade e uso para discriminar entre táxons, outros órgãos vegetais,
quando disponíveis, não devem ser ignorados.
3. Sistemas de identificação de espécies, agricultura robótica e botânica
Nesta seção, vamos além da discussão de algoritmos específicos
isoladamente e métodos projetados para o laboratório, e consideramos vários
sistemas e protótipos completos, projetados para uso prático em campo. Para
ter impacto no mundo real, é importante demonstrar que algoritmos como os
descritos anteriormente podem ser aplicados na prática e podem ser ampliados
de alguns exemplos idealizados para problemas maiores e mais complexos.
Revisamos sistemas projetados para identificar espécies a partir de imagens de
plantas; diversas aplicações agrícolas; e ferramentas de pesquisa científica
sobre variação e distribuição de espécies, e como isso se relaciona com o clima.
3.1. Identificação de espécies de uso geral
Atualmente, a identificação de plantas é particularmente importante devido
às preocupações com as mudanças climáticas e as mudanças resultantes na
distribuição geográfica e abundância de espécies. O desenvolvimento de novas
culturas muitas vezes depende da incorporação de genes de parentes silvestres
de culturas existentes, por isso é importante acompanhar a distribuição de todos
os táxons de plantas. A identificação automatizada de espécies de plantas, por
exemplo, usando imagens de folhas, é um objetivo que vale a pena devido à
combinação atual de biodiversidade em rápido declínio e à escassez de
taxonomistas adequadamente qualificados, particularmente nas partes do mundo
que atualmente têm o maior número de espécies , e aquelas com maior número
de ''endêmicas'' (espécies restritas àquela área geográfica).
A espécie à qual um organismo pertence é frequentemente considerada
como sua classificação taxonômica mais significativa. A identificação precisa de
um organismo até o nível de espécie permite o acesso às bases de conhecimento
existentes que estão vinculadas a esse nome específico, como com quais
outras espécies o táxon em questão pode se reproduzir ou hibridizar, quais são
seus usos e assim por diante.
Vários sistemas foram desenvolvidos com o objetivo de reconhecer espécies
de plantas a partir do formato de suas folhas. Um desses sistemas de
identificação de plantas é descrito por Du et al. (2006). Eles argumentam que
qualquer método baseado em forma global provavelmente terá um desempenho
ruim em imagens de folhas danificadas ou sobrepostas porque partes do
perímetro da folha estão ausentes ou obscurecidas. Em vez disso, eles sugerem
que os métodos baseados em formas locais são mais robustos para esse tipo de tarefa. Como costuma acontecer com os sistemas de visão de máquina, as
Seu sistema combina folhas de imagens ajustando polígonos ao contorno e
usando um descritor de Fourier modificado com programação dinâmica para
realizar a correspondência. Pretende ser robusto no que diz respeito a folhas
danificadas ou sobrepostas, bem como embaçadas ou
imagens ruidosas. Eles reivindicam uma precisão de 92% para seu método em
uma amostra de mais de 2.000 imagens "limpas", representando 25 espécies
diferentes, em comparação com 75%-92% para outros métodos, e que seu
método é mais robusto para imagens de imagens incompletas. ou folhas borradas.
O poder crescente e a disponibilidade de computadores de mão baratos,
incluindo assistentes digitais pessoais (PDAs) e telefones inteligentes, levaram
a vários protótipos de aplicativos. O objetivo de permitir que usuários, botânicos
profissionais e amadores interessados, saiam a campo e identifiquem espécies
de plantas usando um sistema automatizado é um objetivo altamente desejável,
embora a tarefa seja desafiadora, até porque o número muito grande de plantas
espécies que podem ser encontradas.
Um projeto importante e em andamento visa produzir um “guia de campo
eletrônico” para plantas nos EUA (Agarwal et al., 2006). O usuário pode tirar
uma fotografia de uma única folha em um fundo liso e o sistema exibirá imagens
de vinte espécies de plantas que têm a correspondência mais próxima. A
similaridade de forma é medida usando o algoritmo Inner Distance Shape
Context, que estende o trabalho de contexto de forma de Belongie, Malik e
Puzicha (2002). Um protótipo relacionado do mesmo projeto inclui um recurso
de "realidade aumentada" (Belhumeur et al., 2008) e fornece uma exibição
visual de um espécime de herbário para comparação lado a lado com a planta
em questão (White, Feiner, & Kopylec, 2006). Ambos os sistemas estão
atualmente limitados a certas regiões geográficas dos EUA, embora haja planos
para estender sua funcionalidade para cobrir o resto do país e, eventualmente,
mais longe.
O sistema CLOVER (Nam, Hwang, & Kim, 2005) permite que os usuários
forneçam um esboço ou uma fotografia de uma folha usando um computador
portátil, que então acessa um servidor remoto. O servidor recupera possíveis
correspondências com base na forma da folha, usando vários métodos de
correspondência de forma, incluindo uma versão aprimorada do algoritmo de
polígonos de perímetro mínimo, e retorna as correspondências ao dispositivo
para exibição ao usuário. As informações no servidor incluíam dados extraídos
de mais de 1.000 imagens de uma flora coreana, ela própria criada por um
botânico especialista. O protótipo descrito demonstrou funcionar de forma eficaz
no reconhecimento de plantas a partir de folhas, com a inevitável troca entre
memória e precisão.
Um sistema similar usa lógica fuzzy e a distância centróide-contorno para
identificar espécies de plantas de Taiwan (Cheng, Jhou, & Liou, 2007). No
entanto, isso requer que o usuário selecione várias características da planta a
partir de uma série de opções de menu, em vez de usar a análise morfométrica
diretamente.
Cada um desses protótipos de uso geral demonstrou funcionar com sucesso
em pelo menos um pequeno número de espécies e sob condições mais ou
menos rigorosas. Atualmente, não conhecemos nenhum sistema disponível para
uso diário, embora o interesse permaneça alto (Lipske, 2008).
3.2. Agricultura
Em vez de tentar identificar uma planta como pertencente a uma
determinada espécie, às vezes é suficiente reconhecer uma planta como ''boa''
ou ''ruim'', sem a necessidade de se preocupar com o táxon exato ao qual ela
pertence. Um dos objetivos da agricultura automatizada ou de “precisão” (Burgos-
Artizzu, Ribeiro, Tellaeche, Pajares, & Fernán dez-Quintanilla, 2010) é permitir
a administração direcionada de herbicida, fertilizante ou água, conforme
apropriado, a partir de um trator robótico autônomo , principalmente para
minimizar o impacto negativo sobre o meio ambiente da agricultura em grande
escala. Para fazer isso, o sistema deve obviamente identificar as plantas como
pertencentes a uma categoria ou outra, como ''erva daninha'' vs. ''cultura''.
condições de iluminação variáveis podem dificultar muito o processamento da
imagem. Uma solução proposta é controlar a iluminação construindo uma
''tenda'' à prova de luz que pode ser transportada sobre rodas atrás de um trator,
e que contém lâmpadas em seu interior junto com uma câmera. Um tal sistema com sucesso
Machine Translated by Google
JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573
distingue entre plantas cultivadas (repolho e cenoura) e plantas daninhas
(qualquer outra coisa) crescendo em condições de campo (Hemming & Rath,
2001). Se carregar uma barraca tão volumosa é viável ou não em uma escala
maior, certamente não é o ideal.
Um sistema semelhante usa trilhos para guiar um veículo que transporta
a câmera ao longo de parcelas cuidadosamente planejadas (Gebhardt,
Schellberg, Lock e K++hbauch, 2006). Ao invés de carregar suas próprias
luzes, o sistema é usado apenas em condições de iluminação padronizadas
(por exemplo, claro, mas nublado). Este sistema extrai características de
forma, como circularidade e área da folha, e usa um estimador de probabilidade
máxima para identificar folhas que são ervas daninhas (especificamente folhas
de doca, Rumex obtusifolius) em pastagens, com cerca de 85% a 90% de
precisão. Um sistema diferente para identificar folhas de cais é descrito por
Sÿeatovic´ (2008), que usa um laser de varredura montado em um veículo
com rodas para gerar nuvens de pontos 3D. Estes são então segmentados
para separar as folhas de seu fundo, e algumas regras simples, baseadas no
tamanho da folha, são usadas para distinguir as folhas do cais de outras folhas
no prado.
Uma tentativa relacionada de distinguir ervas daninhas, culturas e solo em
condições de campo usa processamento de imagem morfológica (Soille, 2000).
Isso tenta identificar o centro de cada folha usando segmentação de limite de
cor e localizando as nervuras foliares. O sistema localiza os veios usando
uma combinação de abertura morfológica e agrupamento hierárquico. A
classificação final faz uso do conhecimento a priori sobre as características
das espécies de plantas-alvo, como tamanhos de folhas conhecidos e padrões
de nervuras. Um sistema semelhante que combina processamento morfológico
com um classificador de rede neural artificial também foi sugerido (Pan & He,
2008). Isso usou uma rede de função de base radial para distinguir grama e
outras ervas daninhas de culturas. Uma combinação de segmentação de cores
e programação morfológica também foi usada para o desenvolvimento de uma
colheitadeira robótica de pepino (Qi, Yang, Bao, Xun e Zhang, 2009).
Uma variedade de métodos para distinguir várias culturas de ervas daninhas
e solo é discutida por Burgos-Artizzu et al. (2010), incluindo segmentação de
cores e processamento morfológico, e o uso de algoritmos genéticos para
otimizar esses métodos. O documento também fornece uma visão geral útil da
pesquisa em “agricultura de precisão”, que visa usar tecnologia moderna para
otimizar a produção agrícola, permitindo a variação local no solo, paisagem,
nutrientes e assim por diante.
3.3. Variação intraespecífica, distribuição geográfica e clima
Há muito se sabe que o clima em que uma planta cresce tem um efeito
sobre a forma de suas folhas (Royer et al., 2005). Trabalhos recentes
ampliaram isso usando análise de imagem digital para aprimorar as medições
botânicas e climáticas, que podem então ser analisadas usando técnicas de
descoberta de conhecimento existentes. Huff, Wilf e Azumah (2003) coletaram
folhas de florestas temperadas e tropicais. Eles analisaram as folhas e mediram
o fator de forma, e encontraram uma correlação com a temperatura média
anual.
O trabalho foi então estendido para uma ampla variedade de ambientes (17 no
total) na América do Norte (Royer et al., 2005). Aqui, uma variedade de
métodos simples de análise de imagem digital foi usada para medir
características semi-automáticas, como área da lâmina foliar, área do dente,
número de dentes e comprimentos dos eixos maior e menor. Essas
características foram então comparadas com as medições climáticas dos
diferentes locais de campo. Finalmente, as correlações entre a forma da folha
e o clima foram medidas. Eles confirmaram descobertas anteriores de que as
plantas que crescem em ambientes mais frios tendem a ter mais dentes e
áreas de dentes maiores do que plantas semelhantes que crescem em ambientes mais
Um dos objetivos deste corpo de trabalho é apoiar a análise de fósseis foliares, deliberadamente ou inadvertidamente. Em segundo lugar, pode-se desenvolver
com o objetivo de estimar as condições paleoclimáticas. Ao estabelecer como
as folhas das plantas vivas têm formas que se correlacionam com seus
ambientes, espera-se que as formas das folhas fósseis possam indicar como
o clima da Terra mudou no passado, tanto em escala global quanto local.
7571
Em botânica, a identificação dos limites dos táxons costuma ser tão
importante quanto identificar a quais táxons um determinado espécime
pertence. Um estudo anterior de Dickinson, Parker e Strauss (1987) usou
digitalização manual (através de um tablet) para identificar pontos de referência
em seções transversais de folhas e análise de componentes principais para
analisar os dados. Eles identificaram variações geográficas entre os locais de
coleta e também identificaram formas intermediárias de espécimes, sugerindo
que várias hibridizações ocorreram. Conforme mencionado anteriormente, o
trabalho de Wilkin (1999), Gage e Wilkin (2008) utilizou a análise morfométrica
para identificar os limites das espécies.
4. Conclusões
Neste artigo, discutimos vários sistemas de identificação de espécies que
dependem tanto do conhecimento de domínio quanto de uma ampla variedade
de métodos morfométricos. Deve ficar claro que nenhum método único fornece
uma panaceia para todos os problemas, mas sim que métodos apropriados
devem ser escolhidos para cada tarefa em mãos. As plantas são extremamente
diversas em forma, tamanho e cor. Um método que funciona muito bem em
um grupo pode contar com recursos ausentes em outro táxon. Por exemplo,
marcos podem ser prontamente definíveis e identificáveis para alguns táxons,
como aqueles com lobos distintos, mas não para outros.
Dada a natureza em larga escala da morfometria botânica e do
processamento de imagens, a automação é essencial. Qualquer sistema que
exija esforço manual significativo, por exemplo, traçar linhas de folhas,
provavelmente não será prático quando ampliado para milhares de espécimes.
Apesar disso, em alguns casos o usuário pode continuar envolvido no
processo sem grandes custos: se um guia de campo eletrônico fornecer,
digamos, dez previsões de espécies, em vez de uma, o usuário poderá
escolher prontamente a resposta mais provável ( Agarwal et al., 2006).
Relacionado a isso está a questão da velocidade de processamento. O usuário
de um guia de campo portátil pode exigir respostas de forma interativa e,
portanto, (quase) instantânea, ao passo que, se uma ferramenta for usada em
um grande conjunto de imagens em um laboratório botânico, pode ser aceitável
esperar durante a noite por uma avaliação abrangente. resultado – assumindo
que nenhuma interação humana é necessária.
Um complemento para a identificação de plantas é a modelagem de
plantas. Vários algoritmos foram desenvolvidos que reproduzem a estrutura de
ramificação típica das plantas, especialmente durante o crescimento, como os
sistemas L (sistemas de Lindenmayer) (Prusinkiewicz & Lindenmayer, 1990).
Estes podem ser estendidos para incorporar o efeito de diferentes condições
de crescimento, impacto ambiental e as origens genéticas das formas vegetais
(Prusinkiewicz, 2004). Esses modelos normalmente têm relativamente poucos
parâmetros e, ao variá-los, uma grande variedade de plantas virtuais pode ser
gerada. Se tal geração puder ser combinada com dados derivados de plantas
biológicas, então pode ser possível modelar o processo pelo qual plantas reais
observadas foram produzidas, o que por sua vez pode ser de grande interesse
para a ciência das plantas, não apenas para a identificação de espécies. .
Tanto quanto sabemos, tal trabalho não foi realizado, possivelmente devido à
complexidade computacional do processo de correspondência.
Finalmente, retornamos brevemente a alguns dos desafios apresentados
na Seção 1.1. Quando apresentamos um número muito grande de classes, e
classes que geralmente são distinguidas por conjuntos distintos de recursos,
sugerimos duas soluções amplas. Primeiro, pode-se restringir a tarefa de
considerar apenas um pequeno número de classes – por exemplo, desenvolver
um sistema para identificar apenas duas ou três espécies em vez de centenas
quentes. Vários artigos discutidos anteriormente refletem isso,
ou milhares.
um sistema hierárquico, possivelmente seguindo modelos taxonômicos de
herança evolutiva, e considerar em cada estágio apenas um pequeno número
de classes e um conjunto restrito de características. Esse modelo pode ser
desenvolvido de forma gradual e modular e pode ser alcançado de forma
colaborativa. Claro, a primeira solução pode muito bem
Machine Translated by Google

7572 JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573

ser um componente deste último. Também observamos que o trabalho interdisciplinar
pode estar repleto de problemas de comunicação, a menos que seja tomado muito
cuidado para garantir que a terminologia seja usada de forma consistente.
Esperamos que este artigo contribua de alguma forma para reduzir esse risco.
Comon, P. (1994). Análise de componentes independentes: um novo conceito? Processamento de Sinal,
36, 287–314.
Cope, JS, Remagnino, P., Barman, S., & Wilkin, P. (2010a). A extração de venação de imagens de folhas
por classificadores de veias evoluídos e algoritmos de colônia de formigas.
Em Conceitos avançados para sistemas de visão inteligentes, Sydney, Austrália, Springer Verlag.

O uso de métodos computacionais, morfométricos e de processamento de

imagem para analisar imagens foliares é particularmente oportuno. EO Wilson
defendeu a criação de uma “enciclopédia da vida” (Wilson, 2003) – uma página da
web para todas as espécies de vida na Terra – e com ela, a adoção de novas
tecnologias, como imagens digitais de espécimes de plantas fornecidos pelos
herbários do mundo. Acreditamos que o processamento automatizado de imagens
e a morfometria podem ajudar a atingir esse objetivo, ajudando a definir as espécies
de maneira mais eficaz e fornecendo identificações rápidas de espécies baseadas
na web.
Cope, JS, Remagnino, P., Barman, S., & Wilkin, P. (2010b). Classificação da textura vegetal usando co-
ocorrências de Gabor. No Simpósio Internacional de Computação Visual, Las Vegas, Nevada, EUA,
Springer-Verlag.
Corney, DPA, Clark, JY, Tang, HL e Wilkin, P. (2012). Extração automática de caracteres foliares de
espécimes de herbário. Taxon, 61, 231–244.
Das, M., Manmatha, R., & Riseman, EM (1999). Indexando imagens de patentes de flores
usando o conhecimento do domínio. IEEE Intelligent Systems, 14, 24–33.
Dickinson, TA, Parker, WH, & Strauss, RE (1987). Outra abordagem para comparações de formato de
folha. Táxon, 1–20.
Du, J., Huang, D., Wang, X., & Gu, X. (2005). Reconhecimento de formas baseado em rede neural
probabilística de base radial e aplicação na identificação de espécies vegetais. No Simpósio
Internacional de Redes Neurais (pp. 281–285). Berlim/Heidelberg: Springer.

Reconhecimentos Du, J.-X., Huang, D.-S., Wang, X.-F., & Gu, X. (2006). Identificação de espécies de plantas auxiliada por
computador (CAPSI) com base na técnica de correspondência de formato de folha. Instituto de
Este trabalho é gentilmente financiado pelo Leverhulme Trust (bolsa F/00 242/ transações de medição e controle, 28, 275–284.
Du, J.-X., Wang, X.-F., & Zhang, G.-J. (2007). Reconhecimento de espécies de plantas com base na
H), como parte do MORPHIDAS: o projeto de pesquisa Morphological Herbarium
forma da folha. Matemática Aplicada e Computação, 185, 883–893.
Im age Data Analysis. Agradecemos a Sarah Barman, Lilian Tang, Ken Bailey e Ellis, B., Daly, DC, Hickey, LJ, Johnson, KR, Mitchell, JD, Wilf, P., et al. (2009).
Richard White por seus comentários úteis. Manual de arquitetura de folhas. Cornell University Press.
Fernández, JM (2008). Classificação das texturas em microfotografias da epiderme das folhas. In
Fotografias não atribuídas foram tiradas por James Cope.
Proceedings of the National Conference on Graduate Research (NCUR), Salisbury University,
Maryland, EUA.
Referências Flusser, J., Suk, T., & Zitov, B. (2009). Momentos e Invariantes de Momento no Reconhecimento de
Padrões. John Wiley e filhos.
Fu, H., & Chi, Z. (2006). Abordagem combinada de limiarização e rede neural para extração de padrões
Adams, DC, Rohlf, FJ, & Slice, DE (2004). Morfometria geométrica: Dez anos de progresso após a
de veias de imagens de folhas. Em IEE Proceedings of vision image and signal processing, Institution
''revolução''. Jornal Italiano de Zoologia, 71, 5–16.
of Electrical Engineers (Vol. 153, pp. 881–892).
Agarwal, G., Belhumeur, P., Feiner, S., Jacobs, D., Kress, WJ, Ramamoorthi, R., et al.
Furuta, N., Ninomiya, S., Takahashi, N., Ohmori, H., & Ukai, Y. (1995). Avaliação quantitativa da forma
(2006). Primeiros passos em direção a um guia de campo eletrônico para plantas. Taxon, 55, 597.
do folíolo da soja por meio de escores de componentes principais com base no descritor elíptico de
Andrade, M., Mayo, SJ, Kirkup, D., & Van Den Berg, C. (2008). Morfologia comparativa da população de
Fourier. Breeding Science, 45, 315–320.
Monstera Adans. (Araceae) de fragmentos de floresta natural no nordeste do Brasil usando a análise
Gage, E., & Wilkin, P. (2008). Estudo morfométrico da delimitação de espécies em Sternbergia lutea
elíptica de Fourier dos contornos das folhas. Kew Bulletin, 63, 193–211.
(Alliaceae, Amaryllidoideae) e suas aliadas S. sicula e S. greuteriana. Botanical Journal of the
Linnean Society, 158, 460–469.
Backes, AR, & Bruno, OM (2009). Identificação de folhas de plantas usando dimensão fractal multiescala.
Gebhardt, S., Schellberg, J., Lock, R., & K++hbauch, W. (2006). Identificação de doca folhosa (Rumex
Na Conferência Internacional sobre Análise e Processamento de Imagens (pp. 143–150). Berlim/
obtusifolius L.) em pastagens por meio de processamento digital de imagens. Agricultura de
Heidelberg: Springer.
precisão, 7, 165–178.
Backes, AR, de Mesquita Sá Junior, JJ, Kolb, RM, & Bruno, OM (2009). Identificação de espécies
Goodall, C. (1991). Métodos de Procusto na análise estatística da forma. Jornal da Royal Statistical
vegetais usando dimensão fractal multiescala aplicada a imagens da superfície adaxial da epiderme.
Society. Série B (metodológica), 285–339.
Análise computacional de imagens e padrões, 5702, 680–688.
Govaerts, R. (2001). Quantas espécies de plantas com sementes existem? Táxon, 50,
1085–1090.
Backes, AR, Gonçalves, WN, Martinez, AS, & Bruno, OM (2010). Análise e classificação de texturas
Govaerts, R., Wilkin, P., Raz, L., & Téllez-Valdés, O. (2010). Lista de verificação mundial de Dioscoreaceae,
usando caminhada turística determinística. Reconhecimento de padrões, 43, 685–694.
Conselho de Curadores do Royal Botanic Gardens, Kew.
Gubatz, S., Dercksen, VJ, Brüss, C., Weschke, W., & Wobus, U. (2007). Análise do desenvolvimento de
Belhumeur, P., Chen, D., Feiner, S., Jacobs, D., Kress, W., Ling, H., Lopez, I., Ramamoorthi, R., Sheorey,
grãos de cevada (Hordeum vulgare) usando modelos digitais tridimensionais. The Plant Journal, 52,
S., White, S., & Zhang, L. (2008). Pesquisando os herbários do mundo: um sistema para identificação
779–790.
visual de espécies de plantas. Visão Computacional – ECCV 2008 (pp. 116–129). Springer.
Gu, X., Du, J.-X., & Wang, X.-F. (2005). Reconhecimento de folhas baseado na combinação de
transformada wavelet e interpolação gaussiana. Avanços em Computação Inteligente, 3644, 253–
Belongie, S., Malik, J., & Puzicha, J. (2002). Correspondência de formas e reconhecimento de objetos
262.
usando contextos de formas. IEEE Transactions on Pattern Analysis and Machine Intelligence, 509–
Haigh, A., Wilkin, P., & Rakotonasolo, F. (2005). Uma nova espécie de Dioscorea L.
522.
(Dioscoreaceae) do oeste de Madagascar e sua distribuição e estado de conservação. Kew Bulletin,
Bispo, CM (2007). Reconhecimento de padrões e aprendizado de máquina (primeira ed.). Springer.
60, 273–281.
Bookstein, FL (1986). Dimensione e modele espaços para dados de referência em duas dimensões.
Hearn, DJ (2009). Análise de forma para a identificação automatizada de plantas a partir de imagens de
Ciência Estatística, 1, 181–222.
folhas. Taxon, 58, 934–954.
Bruno, OM, de Oliveira Plotze, R., Falvo, M., & de Castro, M. (2008). Dimensão fractal aplicada à
Hemming, J., & Rath, T. (2001). Agricultura de precisão PA: identificação de ervas daninhas baseada em
identificação de plantas. Ciências da Informação, 178, 2722–2733.
visão computacional em condições de campo usando iluminação controlada. Journal of Agricultural
Burgos-Artizzu, XP, Ribeiro, A., Tellaeche, A., Pajares, G., & Fernández-Quintanilla, C. (2010). Análise
Engineering Research, 78, 233243.
do processamento de imagens naturais para extração de elementos agrícolas. Image and Vision
Hetherington, AM, & Woodward, FI (2003). O papel dos estômatos na detecção e
Computing, 28, 138–149.
impulsionando a mudança ambiental. Nature, 424, 901–908.
Carvalho, MR, Bockmann, FA, Amorim, DS, Brando, CRF, Vivo, M., Figueiredo, JL, et al. (2007).
Hong, A., Chen, G., Li, JL, Chi, ZR e Zhang, D. (2004). Um método de recuperação de imagens de flores
Impedimento taxonômico ou impedimento à taxonomia? Um comentário sobre a sistemática e o
baseado no recurso ROI. Journal of Zhejiang University-Science, 5, 764–772.
paradigma Cybertaxonomic-Automation.
Hu, M. (1962). Reconhecimento de padrões visuais por invariantes de momento. IRE Transactions on
Biologia Evolutiva, 34, 140–143.
Information Theory, 8, 179–187.
Casanova, D., de Mesquita Sá Junior, JJ, & Bruno, OM (2009). Identificação de folhas de plantas usando
Huang, Q., Jain, A., Stockman, G., & Smucker, A. (1992). Análise automática de imagens de estruturas
wavelets de Gabor. Jornal Internacional de Sistemas de Imagem e Tecnologia, 19, 236–243.
de raízes de plantas. Nos Anais da 11ª conferência internacional da IAPR sobre reconhecimento de
padrões, conferência B: Metodologia e sistemas de reconhecimento de padrões (Vol. II, pp. 569–
Cheng, SC, Jhou, JJ, & Liou, BH (2007). Sistema de busca de plantas PDA baseado nas características
572).
das folhas usando a função fuzzy. Em Novas Tendências em Inteligência Artificial Aplicada. LNAI
Huang, Z.-K., De-Shuang, H., Du, J.-X., Quan, Z.-H., & Guo, S.-B. (2006). Classificação de casca baseada
(vol. 4570, pp. 834–844). Springer.
em características do filtro Gabor usando a rede neural RBPNN.
Clark, JY (2004). Identificação de espécimes botânicos usando redes neurais artificiais. Em Anais do
Conferência internacional sobre processamento de informações neurais (pp. 80–87). Springer.
simpósio IEEE de 2004 sobre inteligência computacional em bioinformática e biologia computacional,
Huff, PM, Wilf, P., & Azumah, EJ (2003). Futuro digital para estimativa de paleoclima
CIBCB'04 (pp. 87–94).
de folhas fósseis? Resultados preliminares. Palaios, 18, 266–274.
Clark, JY (2007). Identificação de plantas a partir de caracteres e medições usando redes neurais
Im, C., Nishida, H., & Kunii, TL (1999). Reconhecendo espécies de plantas por folha normalizada
artificiais. Em MacLeod, N., (Ed.), Identificação automatizada de táxons em sistemática: Teoria,
formas. Na interface Proceedings of Vision (pp. 19–21).
abordagens e aplicações, CRC (pp. 207–224).
Jensen, RJ, Ciofani, KM, & Miramontes, LC (2002). Linhas, contornos e marcos: análises morfométricas
Clark, JY (2009). Redes neurais e análise de cluster para classificação não supervisionada de espécies
de folhas de Acer rubrum, Acer saccharinum (Aceraceae) e seus híbridos. Taxon, 51, 475-492.
cultivadas de Tilia (Malvaceae). Botanical Journal of the Linnean Society, 159, 300–314.

Kirchgessner, N., Scharr, H., Schurr, U. (2002). Extração robusta de veias em imagens de folhas de
Clarke, J., Barman, S., Remagnino, P., Bailey, K., Kirkup, D., Mayo, S., et al. (2006).
plantas. Na 2ª conferência internacional da IASTED, visualização, imagem e processamento de
Análise do padrão de nervação de imagens de folhas. Notas de aula em Ciência da Computação,
imagem.
4292, 427–436.
Machine Translated by Google
JS Cope et ai. / Sistemas Especialistas com Aplicações 39 (2012) 7562–7573
Kuhl, FP, & Giardina, CR (1982). Características elípticas de Fourier de um contorno fechado.
Computação gráfica e processamento de imagem, 18, 236–258.
Lee, C., & Chen, S. (2006). Classificação de imagens de folhas. Jornal Internacional de
Sistemas de imagem e tecnologia, 16, 15–23.
Lexer, C., Joseph, J., van Loo, M., Prenner, G., Heinze, B., Chase, MW, et al. (2009).
O uso de morfometria baseada em imagens digitais para estudar o mosaico fenotípico em táxons com
genomas porosos. Taxon, 58, 349–364.
Li, Y., Chi, Z., & Feng, DD (2006). Extração de nervuras foliares usando análise de componentes
independentes. Conferência Internacional IEEE sobre Sistemas, Homem e Cibernética, IEEE (págs.
3890–3984). IEEE.
Ling, H. & Jacobs, DW (2007). Classificação da forma usando a distância interna. IEEE Transactions on
Pattern Analysis and Machine Intelligence, 29, 286–299.
Lipske, M. (2008). Novo guia de campo eletrônico usa formas de folhas para identificar plantas
espécies. Dentro do inverno de pesquisa do Smithsonian.
Liu, J., Zhang, S., & Deng, S. (2009). Um método de classificação de plantas baseado em transformadas
wavelet e máquinas de vetores de suporte. Emerging Intelligent Computing Technology and Applications,
5754, 253–260.
MacLeod, N. (1999). Generalizando e estendendo o método da forma própria
visualização e análise do espaço. Paleobiologia, 107-138.
MacLeod, N., Benfield, M., & Culverhouse, P. (2010). Hora de automatizar a identificação.
Natureza, 467, 154-155.
Ma, W., Zha, H., Liu, J., Zhang, X., Xiang, B. (2008). Modelagem de plantas baseada em imagens, conhecendo
as folhas de seus ápices. In: 19ª Conferência Internacional sobre Reconhecimento de Padrões (pp. 1–4).
McLellan, T., & Endler, JA (1998). O sucesso relativo de alguns métodos para medir e descrever a forma de
objetos complexos. Biologia Sistemática, 47, 264-281.
Meade, C., & Parnell, J. (2003). Análise multivariada de padrões de formato de folha em espécies asiáticas
do grupo Uvaria (Annonaceae). Botanical Journal Of The Linnean Society, 143, 231–242.
Melville, R. (1937). A definição precisa de formas de folha por retângulo
coordenadas. Annals of Botany, 1, 673-679.
Melville, R. (1939). Contribuição ao estudo dos olmos britânicos II. Jornal de Botânica, 77,
138.
Mokhtarian, F., & Abbasi, S. (2004). Combinação de formas com auto-intersecção: Aplicação à classificação
de folhas. IEEE Transactions Image Processing, 13, 653–661.
Mullen, R., Monekosso, D., Barman, S., Remagnino, P., & Wilkin, P. (2008). Formigas artificiais para extrair
contornos de folhas e padrões de venação primária. Notas de aula em Ciência da Computação, 5217,
251–258.
Nam, Y., Hwang, E., & Kim, D. (2005). CLOVER: Um sistema de recuperação de imagens de folhas baseado
em conteúdo móvel. Em Bibliotecas Digitais: Implementando Estratégias e Compartilhando Experiências.
LNCS (vol. 3815, pp. 139–148). Berlim/Heidelberg: Springer.
Nam, Y., Hwang, E., & Kim, D. (2008). Um esquema de recuperação de imagens foliares baseado em
similaridade: Unindo características de forma e venação. Visão computacional e compreensão de
imagens, 110, 245–259.
Natho, G. (1959). Variationsbreite und bastardbildung bei mitteleuropäischen birkensippen. Repertorium
novarum specierum regni vegetabilis, 61, 211–273.
Neto, J., Meyer, G., Jones, D., & Samal, A. (2006). Identificação de espécies vegetais por meio da análise
elíptica da forma da folha de Fourier. Computadores e eletrônicos na agricultura, 50, 121–134.
Nilsback, ME, Zisserman, A. (2007). Mergulhando no turbilhão da segmentação de flores.
Em Proceedings of the British machine vision conference (Vol. 1, pp. 570–579).
Oakley, D., & Falcon-Lang, HJ (2009). Análise morfométrica de madeiras de angiospermas cretáceas
(Cenomanianas) da República Tcheca. Review of Paleobotany and Palynology, 153, 375–385.
Pan, J., He, Y. (2008). Reconhecimento de plantas por imagem digital de folhas e rede neural. Em 2008
Conferência internacional sobre ciência da computação e engenharia de software, Wuhan, China (pp.
906–910).
Park, J., Hwang, E., & Nam, Y. (2008). Utilizando recursos de venação para recuperação eficiente de imagens
foliares. Jornal de Sistemas e Software, 81, 71–82.
Patterson, C. (1982). Características morfológicas e homologia. Em K. Joysey & A.
Sexta-feira (eds.). Problemas de reconstrução filogenética (vol. 576, pp. 21–74).
Imprensa Acadêmica.
Pauwels, EJ, de Zeeum, PM, & Ranguelova, EB (2009). Taxonomia de árvore assistida por computador por
reconhecimento de imagem automatizado. Aplicações de engenharia de inteligência artificial, 22, 26–31.
Plotze, R. d., Falvo, M., Pádua, JG, Bernacci, LC, Vieira, MLC, Oliveira, GCX, et al. (2005). um novo método
morfométrico: Um estudo com Passiflora (Passifloraceae). Canadian Journal Of Botany, 83, 287–301.
Prusinkiewicz, P., & Lindenmayer, A. (1990). A beleza algorítmica das plantas. Novo
York, NY, EUA: Springer-Verlag New York, Inc.
Prusinkiewicz, P. (2004). Arte e ciência para a vida: Projetando e cultivando plantas virtuais com L-systems.
No XXVI Congresso Internacional de Horticultura (pp. 15–28).
Qi, L., Yang, Q., Bao, G., Xun, Y., Zhang, L. (2009). Um algoritmo de segmentação de limite dinâmico para
identificação de pepino em casa de vegetação. No 2º Congresso Internacional de Processamento de
Imagens e Sinais (pp. 1–4).
Ramos, E., & Fernandez, DS (2009). Classificação de microfotografias da epiderme foliar usando
características de textura. Informática Ecológica, 4, 177–181.
7573
Ray, TS (1992). Análise de autoforma de referência: Contornos homólogos: Forma de folha em syngonium
(Araceae). American Journal of Botany, 79, 69-76.
Royer, DL (2001). Densidade estomática e índice estomático como indicadores da concentração
paleoatmosférica de CO2. Revisão de Paleobotânica e Palinologia, 114, 1–28.
Royer, DL e Wilf, P. (2006). Por que as folhas dentadas se correlacionam com climas frios?
A troca gasosa nas margens das folhas fornece novos insights sobre um proxy clássico de
paleotemperatura. Jornal Internacional de Ciências Vegetais, 167, 11–18.
Royer, DL, Wilf, P., Janesko, DA, Kowalski, EA e Dilcher, DL (2005).
Correlações do clima e da ecologia vegetal com o tamanho e a forma das folhas: Proxies potenciais para
o registro fóssil. American Journal of Botany, 92, 1141-1151.
Rumpunen, K., & Bartish, IV (2002). Comparação de estimativas de diferenciação com base em dados
morfométricos e moleculares, exemplificados por vários descritores de formato de folha e RAPDs no
gênero Chaenomeles. Taxon, 51, 69-82.
Schneider, CK (1912). Handbuch der Laubholz-kunde, Jena, Alemanha (vol. 1, pp.
367–389).
Escócia, RW, & Wortley, AH (2003). Quantas espécies de plantas com sementes existem?
Taxon, 52, 101–104.
Soille, P. (2000). Análise morfológica de imagens aplicada ao mapeamento de campos de cultivo. Image and
Vision Computing, 18, 1025–1032.
Song, Y., Wilson, R., Edmondson, R., Parsons, N. (2007). Modelagem de superfícies de plantas a partir de
imagens estéreo. Na Sexta conferência internacional sobre imagem digital 3-D e modelagem 3DIM '07
(pp. 312–319).
Stace, Califórnia (1992). Taxonomia Vegetal e Biossistemática (segunda ed.). Cambridge University Press.
Stuessy, TF (2006). Princípios e prática da taxonomia vegetal. Em E. Leadlay & S.
Júri (Eds.), Taxonomia e Conservação de Plantas (pp. 31–44). Cambridge University Press.
Teague, M. (1980). Análise de imagens através da teoria geral dos momentos. J. Op. Sociedade Sou,
70, 920–930.
Teng, CH, Kuo, YT, Chen, YS e segmentação, Folha (2009). sua estimativa de posição 3D e classificação de
folhas a partir de algumas imagens com pontos de vista muito próximos.
Análise e Reconhecimento de Imagens, 937–946.
Thiele, K. (1993). O santo graal do personagem perfeito: o tratamento cladístico de
dados morfométricos. Cladística, 9, 275–304.
Sÿeatovic´, D. (2008). Uma abordagem de segmentação em um novo sistema de reconhecimento de plantas
3D em tempo real. Em Proceedings of the 6th international conference on computer vision systems (pp.
363–372).
Wang, Z., Chi, Z., & Dagan, F. (2003). Recuperação de imagens de folhas com base na forma. Visão,
processamento de imagens e sinais, 150, 34–43.
Wang, Z., Chi, Z., Dagan, F., & Wang, Q. (2000). Recuperação de imagens de folhas com recursos de forma.
Avanços em sistemas de informação visual, 1929, 41–52.
Wang, X., Huang, D., Du, J., Xu, H., & Heutte, L. (2008). Classificação de imagens de folhas de plantas com
fundo complicado. Matemática Aplicada e Computação, 205, 916–926.
Wheeler, QD (2004). Triagem taxonômica e a pobreza da filogenia. Transações Filosóficas da Royal Society
of London. Série B: Ciências Biológicas, 359, 571–583.
White, S., Feiner, S., Kopylec, J. (2006). Vouchers virtuais: Prototipando uma interface de usuário móvel de
realidade aumentada para identificação de espécies botânicas. No IEEE Symposium on 3D user
interfaces (pp. 119–126).
White, R., Prentice, HC, & Verwijst, T. (1988). Aquisição automatizada de imagens e descrição morfométrica.
Canadian Journal of Botany, 66, 450–459.
Wilkin, P. (1999). Estudo morfométrico de Dioscorea quartiniana (Dioscoreaceae).
Kew Bulletin, 54, 1–18.
Wilson, EO (2003). A enciclopédia da vida. Tendências em Ecologia e Evolução, 18,
77–80.
Wu, SG, Bao, FS, Xu, EY, Wang, Y.-X., Chang, Y.-F., & Xiang, Q.-L. (2007). Um algoritmo de reconhecimento
de folhas para classificação de plantas usando rede neural probabilística. Simpósio internacional IEEE
sobre processamento de sinal e tecnologia da informação. IEEE.
Ye, L., & Keogh, E. (2009). Shapelets de séries temporais: um novo primitivo para mineração de dados.
Conferência Internacional IEEE sobre Descoberta de Conhecimento e Mineração de Dados (pp. 947–
956). ACM.
Yoshioka, Y., Iwata, H., Ohsawa, R., & Ninomiya, S. (2004). Análise da variação da forma da pétala de Pimula
sieboldii por descritores elípticos de Fourier e análise de componentes principais. Annals of Botany, 94,
1657-1664.
Young, JP, Dickinson, TA, & Dengler, NG (1995). Análise morfométrica do desenvolvimento foliar heterófilo
em Ranunculus flabellaris. Jornal internacional de espécies de plantas, 156, 590–602.
Zarinkamar, F. (2007). Observações estomáticas em dicotiledôneas. Jornal de Ciências Biológicas do
Paquistão, 10, 199–219.
Zelditch, M., Swiderski, D., & Fink, W. (2000). Descoberta de caracteres filogenéticos em dados morfológicos.
Em J. Wiens (Ed.), Análise filogenética de dados morfológicos (pp. 37–83). Washington e Londres:
Smithsonian Institution Press.
Zeng, G., Birchfield, ST, & Wells, CE (2008). Detecção automatizada rápida de raízes em imagens de
minirhizotron. Visão de Máquina e Aplicações, 21, 309–317.