Die Herbarien der ganzen Welt haben große Sammlungen von Probe-Blätter mit getrockneten Pflanzen gepresst, bereit für die Taxonomen zu kommentieren, zu klassifizieren. Dieser Prozess dauert oft Zeit und viele Herbarien haben nicht die Ressourcen, um Katalog der Probe Blätter, aber die Forscher in Costa Rica Institute of Technology vor kurzem unternahm eine Studie mit deep learning für die Analyse eines großen Datensatzes mit tausenden von Arten von Herbarien zu sehen, wenn Sie die Einrichtung eines voll autonomen zu identifizieren, die Tausende von Werken in Sammlungen auf der ganzen Welt.
Durch die Verwendung von convolutional neural network(CNN) und verschiedene Datensätze aus der iDigBio portal und andere Quellen (Costa Rica & Frankreich), die Sie trainiert die CNN zu lernen diskriminante visual features von den Pflanzen, aus tausenden von herbarium Beispiel Blätter. Sie fanden, dass Sie"....könnte möglicherweise dazu führen, dass die Schaffung eines halb oder sogar voll automatische system zu helfen, Taxonomen und Experten Ihre Anmerkungen, Klassifizierung und revision arbeiten im herbarium."[1]. Die Forscher fanden auch, dass das lernen übertragen werden könnten, zwischen den Regionen, wenn Sie getestet ein dataset aus Costa Rica gegen ein anderes dataset aus Frankreich. Auch zur Verbesserung der Lern-und Einordnung wäre es am besten zu entfernen die handschriftliche tags, barcodes, logos und andere Kennzeichnungen auf dem Beispiel-Blatt. Während der Forschung, fanden Sie auch, dass das lernen nicht durchs Feld Bilder von Bäumen, Blättern, Blüten, aber es ist am besten für herbarium Beispiel Blätter.