Predicción de especies de plantas venenosas utilizando un modelo híbrido de red neuronal convolucional y máquina de vectores de soporte
Autores: Noor, Talal H.; Noor, Ayman; Elmezain, Mahmoud
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Predicción de especies de plantas venenosas utilizando un modelo híbrido de red neuronal convolucional y máquina de vectores de soporte
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Especies de plantas descubiertas
Predicción del estado venenoso
Técnicas de visión por computadora
Modelo híbrido
Arquitecturas de CNN
SVM
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
El número total de especies de plantas descubiertas está aumentando cada año en todo el mundo. Las especies de plantas difieren de una región a otra. Algunas de estas especies de plantas descubiertas son beneficiosas mientras que otras podrían ser venenosas. Las técnicas de visión por computadora pueden ser una forma efectiva de clasificar las especies de plantas y predecir su estado venenoso. Sin embargo, la falta de conjuntos de datos completos que incluyan no solo imágenes de plantas sino también nombres científicos de especies de plantas, descripción, estado venenoso y nombre local de las plantas hacen que el problema de la predicción de especies de plantas venenosas sea un problema muy desafiante. En este documento, proponemos un modelo híbrido que se basa en modelos de transformadores en conjunto con máquinas de soporte vectorial para la clasificación de especies de plantas y la predicción del estado venenoso. Primero, se utilizan seis arquitecturas diferentes de Redes Neuronales Convolucionales (CNN) para determinar cuál produce los mejores resultados. En segundo lugar, se extraen las características utilizando seis CNN diferentes y luego se optimizan y se emplean en Máquinas de Soporte Vectorial (SVM) para realizar pruebas. Para demostrar la viabilidad y los beneficios de nuestro enfoque propuesto, utilizamos un estudio de caso real, a saber, especies de plantas descubiertas en la Península Arábiga. Hemos recopilado un conjunto de datos que contiene 2500 imágenes de 50 especies de plantas árabes diferentes e incluye imágenes de plantas, nombre científico de especies de plantas, descripción, nombre local y estado venenoso de las plantas. Este estudio sobre los tipos de especies de plantas árabes ayudará a reducir el número de víctimas de plantas venenosas y su impacto negativo en el individuo y la sociedad. Los resultados de nuestros experimentos para el enfoque CNN en conjunto con SVM son favorables, donde el clasificador obtuvo un puntaje de 0.92, 0.94 y 0.95 en precisión, precisión y puntuación F1 respectivamente.
Descripción
El número total de especies de plantas descubiertas está aumentando cada año en todo el mundo. Las especies de plantas difieren de una región a otra. Algunas de estas especies de plantas descubiertas son beneficiosas mientras que otras podrían ser venenosas. Las técnicas de visión por computadora pueden ser una forma efectiva de clasificar las especies de plantas y predecir su estado venenoso. Sin embargo, la falta de conjuntos de datos completos que incluyan no solo imágenes de plantas sino también nombres científicos de especies de plantas, descripción, estado venenoso y nombre local de las plantas hacen que el problema de la predicción de especies de plantas venenosas sea un problema muy desafiante. En este documento, proponemos un modelo híbrido que se basa en modelos de transformadores en conjunto con máquinas de soporte vectorial para la clasificación de especies de plantas y la predicción del estado venenoso. Primero, se utilizan seis arquitecturas diferentes de Redes Neuronales Convolucionales (CNN) para determinar cuál produce los mejores resultados. En segundo lugar, se extraen las características utilizando seis CNN diferentes y luego se optimizan y se emplean en Máquinas de Soporte Vectorial (SVM) para realizar pruebas. Para demostrar la viabilidad y los beneficios de nuestro enfoque propuesto, utilizamos un estudio de caso real, a saber, especies de plantas descubiertas en la Península Arábiga. Hemos recopilado un conjunto de datos que contiene 2500 imágenes de 50 especies de plantas árabes diferentes e incluye imágenes de plantas, nombre científico de especies de plantas, descripción, nombre local y estado venenoso de las plantas. Este estudio sobre los tipos de especies de plantas árabes ayudará a reducir el número de víctimas de plantas venenosas y su impacto negativo en el individuo y la sociedad. Los resultados de nuestros experimentos para el enfoque CNN en conjunto con SVM son favorables, donde el clasificador obtuvo un puntaje de 0.92, 0.94 y 0.95 en precisión, precisión y puntuación F1 respectivamente.