Resumen

El reconocimiento de las especies vegetales es un paso fundamental para proteger la diversidad de las plantas. La investigación sobre el reconocimiento de especies vegetales basado en las hojas es importante y desafiante debido a la gran diferencia dentro de la clase y a la similitud entre las clases de las hojas, así como a la gran variedad de hojas con diferentes tamaños, colores, formas, texturas y venas. La mayoría de los métodos de reconocimiento de hojas de plantas existentes suelen normalizar todas las imágenes de las hojas al mismo tamaño y luego las reconocen a una sola escala, lo que resulta en rendimientos insatisfactorios. Se construye un nuevo modelo de red neuronal convolucional multiescala con atención (AMSCNN) para el reconocimiento de especies vegetales. En AMSCNN, se utiliza la convolución multiescala para aprender las características de baja y alta frecuencia de las imágenes de entrada, y se utiliza un mecanismo de atención para capturar las ricas relaciones contextuales para una mejor extracción de características y mejorar el entrenamiento de la red. Amplios experimentos con el conjunto de datos de hojas de plantas demuestran el notable rendimiento de AMSCNN en comparación con los métodos basados en características elaboradas a mano y los métodos basados en redes neuronales profundas. La máxima precisión alcanzada con AMSCNN es del 95,28%.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:reconocimiento de especies vegetales, métodos basados, métodos de reconocimiento de hojas, especies vegetales basadas, amscnn, relación contextual rica, red neuronal convolucional, mejor extracción de características, similitud de hojas, investigación de reconocimiento de especies
• Keywords:plant species recognition, based methods, leaves recognition methods, based plant species, amscnn, rich contextual relationship, convolutional neural network, better features extraction, similarity of leaves, species recognition research