В работе представлены результаты экспериментальных исследований дескриптора формы, основанного на профиле вращения, для задач классификации листьев растений. Дескриптор представляет собой последовательность значений, полученных путем поворота фигуры относительно самой себя с заданным угловым шагом в интервале от 0 до 180 градусов. Для каждого угла поворота вычисляется мера Жаккара, отражающая сходство между исходной и повернутой фигурами. Предложенный дескриптор обладает инвариантностью к преобразованиям подобия, что обеспечивает его эффективность при анализе объектов с разной формой. Эксперименты проводились на четырех задачах классификации с применением трех типов классификаторов: метода опорных векторов (SVM), градиентного бустинга (XGBoost) и нейронной сети (NN Simple). Эффективность дескриптора сравнивалась с традиционными подходами, включая моменты Зернике, геометрические моменты и моменты Ху. Кроме того, для сравнения использовались распознавания на растровых изображениях с помощью сверточных нейронных сетей (ResNet50, VGG16, CNN Simple). Результаты показали высокую точность и стабильность предложенного дескриптора формы в различных контекстах классификации, а также подтвердили его большой потенциал для задач анализа формы в компьютерном зрении.