Herbariums di seluruh dunia telah koleksi besar sampel lembaran dengan tumbuh-tumbuhan kering ditekan bersedia untuk walaupun untuk menjelaskannya, mengelaskan. Ini proses yang sering mengambil masa dan banyak herbariums tidak memiliki sumber daya untuk katalog sampel cadar, bagaimanapun penyelidik di Costa Rica Institut Teknologi baru-baru ini menjalankan belajar menggunakan dalam belajar untuk menganalisis besar data dengan ribuan spesies dari herbaria untuk melihat jika mereka dapat persediaan penuh autonomous untuk membantu mengidentifikasi beribu tanaman di koleksi di seluruh dunia.
Dengan menggunakan convolutional neural rangkaian(CNN) dan pelbagai set dari iDigBio portal dan sumber-sumber lain (Costa Rica & Perancis) mereka dilatih CNN untuk belajar diskriminan visual ciri-ciri tumbuhan dari ribuan dr sampel lembaran. Mereka mendapati bahawa mereka"....berpotensi membawa kepada penciptaan semi, atau bahkan sepenuhnya, automatik sistem untuk membantu walaupun dan pakar mereka penjelasan, klasifikasi, dan semakan bekerja di dr."[1]. Penyelidik juga mendapati bahawa belajar boleh dipindahkan antara wilayah ketika mereka diuji data dari Costa Rica terhadap yang lain data dari Perancis. Juga untuk memperbaiki pembelajaran dan klasifikasi ia akan menjadi yang terbaik untuk membuang tulisan tangan tag, bar, logo dan lain-lain tanda-tanda pada sampel lembaran. Dalam penyelidikan mereka juga menemukan yang belajar tidak memindahkan seluruh untuk bidang imej pokok-pokok, daun, bunga-bunga, tetapi ia adalah yang terbaik yang digunakan untuk dr sampel lembaran.