识别与欣赏植物体会总结
去年，妈妈从姥姥家移来一棵月季，把它栽在花盆里。
刚移来时，花株还很小，经过妈妈的精心管理，不久就枝繁叶茂了。
一天早晨，我忽然发现月季茎上绽出四个小小的花蕾，花蕾穿着一件绿色的外衣。
又过了几天，花蕾顶破了外衣，露出粉红的花瓣。
一开始，由最外层的花瓣向外伸展，而里面的几层花瓣还紧紧地合拢在一起。
渐渐地，层层舒展，整朵月季花终于绽开了。
花是粉红色的，像一个穿着粉红色衣裙的少女。
绿叶红花被晨光一照，又像一只粉蝴蝶在微风中扑扑翅膀，翩翩起舞。
我把鼻子靠近花朵，扑鼻的清香迎面而来。
再仔细一嗅，花香里还透着一股蜜一样的甜味。
月季刚长出来的叶子是嫩红的，边缘上有许多锯齿，那时摸起来还不扎手；等到叶子长大，呈深绿色时，边缘上的锯齿就有些扎手了。
其实，它的茎上也有刺，比起叶刺来，还要硬一些。
月季花的花期很长，一年四季，月月都能开花，所以人们给它起名叫“月季”。
它不但花美、味香，而且适应性很强。
无论是栽在花盆里还是长在路旁，无论是严冬还是酷暑，它都能顽强地生长，把它强大的生命力展示给人们。
参观植物园实习报告心得体会
昆明植物园参观实习报告学号20081617专业：08城规姓名：杨利一、实习时间：2011年11月21日上午二、实习地点：昆明植物园三、实习目的：认物之美，识别地方特色植物的形态、观赏特性、生长习性和种植要求，了解植物造实践中的运用，培养种植设计技能。
四、实习内容：1、一位植物科学院的老师带领我们，给我们讲解植物园中植物的形状特性、生长特性、种植配置等，之后，同学们参观记录。
2、植物园简介昆明植物园距昆明市中心12公里，与古树参天的黑龙潭公园
园林植物实习心得
二个月的实训时间弹指一挥间就悄无声息的流逝了，就在此需要回头总结之际，才突然意识到日子的匆匆。
我想这将会是我人生中弥足珍贵的经历，也给我的青春留下了精彩而难忘的回忆。
二个月前，我怀着对社会、对工作满心憧憬和几分迷惘，离开学校，走上社会，开始了实习的生活。
在这段不算短的日子里，我学会了很多，懂得了很多，也明白了要更加珍惜现在拥有的生活。
记得刚到公司时，我的第一分任务是整理和制作一个小区绿化工程的竣工资料。
这样的任务对我来说既新鲜又是困难重重的。
在学校时虽然也学过这方面的内容，但毕竟比较肤浅，没有太多实践经验。
凭着自己的执着和耐心，以及在同事的帮助下，我还是如期完成了这份任务。
走上工作岗位，我认为最主要的任务就是学习，在工作中学习。
也许这里的一切对我来说都是从零的开始，但我相信，不懂多问、多听少发表议论，是一切进步取得的前提和基础。
平时，我一有时间就上网查阅各种与园林相关的资料和信息，只有不断学习，不断提高，不断充实自己，才能在将来日益激烈的竞争中拥有立足之地。
在这二个月里，兢兢业业做好本职工作，从不迟到早退，心中谨记为学校树立良好形象、争得荣誉的信念。
工作中，时刻听从上级领导的安排，团结同事，不断提升自己的团队合作精神，因为我深知我们园林的每一个工程是不可能靠一个人的力量完成的，而都是要通过大家共同的努力、默契的配合才能达到的。
认真学习岗位职能，工作能力得到了一定的提高。
根据岗位职责的要求，我的主要任务是（1）责资料的整理、开竣工资料的制作等；（2）AD制图操作；（3）工现场放样、修剪；（4）领导交办的其他工作。
通过完成上述工作，使我认识到一个称职的园林工应当具备有良好的协调能力、圆滑的交际能力、熟练的电脑操作能力以及扎实的专业基础。
我知道自己在很多方面还不完善，在今后的工作中还需要不断努力，提高自身素质，克服不足。
有付出就有回报。
二个月的实训结束了，真的学到了很多在学校所没有学到的东西。
如何与人沟通，如何自我学习，如何适应陌生的环境，如何克服面对一个人在外的不易。
懂得了如何调整自己的心态，学会品尝工作中的艰辛和快乐。
最后，我非常感谢在这段日子里，那些帮助过我，指导过我的人，有了你们的帮助与关心，我才能顺利走完这一段路。
实训结束了，但我真正的人生才刚刚开始，我会努力的，因为明天又是新的开始
园艺心得体会
这个如何认识植物以及如何多认识植物的问题不止一次跟很多朋友解释过了，这里再敲一次吧。
前提是一定要对鉴定植物感兴趣，兴趣是最好的老师。
就我个人观察认识的一些中科院植物所的专家大神们以及出色的植物爱好者们，简单汇总下他们大概有具有以下这几点：看得多，记得多，总结多，用得多。
看得多：多跟大自然接触，去观察他们的形态，不同时期的形态特征。
多看当地的植物图鉴，每本植物图鉴几乎都凝结了作者的很多年的心血，可能作者辛苦总结了十几年，几十年出了这本图鉴或者植物志，我们拿来之后直接很快几个小时大概看完了，对这里的植物就有了一个大概的了解和认识，当时不一定记得完，但是起码以后碰到可以知道大概在哪里见过，回来翻书也很快的。
加深印象，快速学习记忆。
多浏览一些相对权威的网站比如CFH，CVH，Eflora of China，以及对国外植物感兴趣的可以参考 The Plant List，BHL 等等记得多：认识植物多的牛人们肯定有一点特别好，他们对植物的记忆力很强，很多植物所里面的研究员可以直接给出一个野外看到植物的拉丁学名。
（如果感兴趣，记下来科属特征，再记忆这些具体的种名很快的。
）总结多：没有一个人天生就什么植物都认识，厉害的人在于他们可以观察总结一类植物比较接近的特征，比如你会发现萝藦科的植物大多是藤本或者是多肉植物，有白色乳汁，花五基数。
桑科也都有乳汁，榕属的都是隐头花序，大多有气生根等等，这些规律不一定会写在教材上，但是自己善于总结可以让你快速掌握这些知识点。
这对于初期植物科属概念的架构以及后面逐渐的整个植物进化树的结构的形成是很有帮助的。
用得多：经常用所学的，多问一些前辈，朋友等等，或者是问自己，比如走到森林中，看到每种植物就试着说出它的科属名字或者是拉丁学名等等，不会的就回来查。
平常累计的知识点，记忆的知识碎片就好比是一个个冰块儿，初期不要怕累积的冰块儿太多，总有一天这些有着棱角的冰块儿会融合在一起成为脑海中的活水。
而这个溶冰为水的过程就是通过多用来实现的。
（这点不仅仅适用于植物学的学习）敲了这些字，希望可以帮到对植物学感兴趣的人。
By 不乖书生于中国科学院华南植物园2014年7月28日晚
如何识别植物的种类
植物是地球上物种数量最多、分布最广泛的生命形式，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，是一个国家赖以生存的基础。
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，对于树皮图像更是唯一有效的分类特征。
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最好，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最高的识别精度，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，首先提出了最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最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；最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。
怎样学习辨认身边的植物
金属会“给”植物染色。
人们曾经看到一种奇异的蔚蓝色的野玫瑰，科学家分析了这种玫瑰，发现它体内含有丰富的铜。
从此人们发现，铜矿石总会“给”植物染上蓝色或者蔚蓝色。
镍则会使植物失去所有的色泽，而锰把所有的花都涂得红红的。
逐渐地聪明的人类总结出了一定的规律：海州香薷生长在什么地方，什么地方就有可能有铜矿，所以人们又管它叫铜草；如果高大的蒿草在某地变矮小，那土壤中会含有硼；三色堇的色彩如果特别艳丽，那土壤中很可能含锌；羽扇豆生长茂盛的地方很有可能含锰…… 现在人们还在不断地发现，挖掘。
大自然里一定还会有许多植物会告诉人们更多的矿藏。
