Resumen

La importancia del reconocimiento automático del polen ha sido examinada en varias áreas que van desde estudios paleoclimáticos hasta algunas prácticas diarias como la predicción de la hipersensibilidad al polen. Este artículo intenta presentar un método automático de reconocimiento de imágenes de polen en 3D basado en redes neuronales convolucionales. Para lograr este propósito, se deben tener en cuenta altas dimensiones de características y transformaciones de postura complejas. Por lo tanto, este trabajo se centra en un enfoque novedoso de tres partes: construir puntos clave locales espaciales para obtener puntos estables locales de imágenes de polen, calcular un patrón binario local orientacional utilizando los puntos estables locales como entradas e identificar los granos de polen utilizando una red neuronal convolucional como clasificador. Se realizan experimentos en dos conjuntos de datos estándar de imágenes de polen: el conjunto de datos Confocal-E y el conjunto de datos Pollenmonitor. Se concluye que el enfoque propuesto puede extraer efectivamente las características de las imágenes de polen y es robusto a la

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Reconocimiento automático de polen; Método de reconocimiento de imágenes de polen en 3D; Red neuronal convolucional; Puntos clave locales espaciales; Patrón binario local orientacional; Identificación de granos de polen
• Keywords:Automatic pollen recognition; 3d pollen image recognition method; Convolutional neural network; Spatial local key points; Orientational local binary pattern; Pollen grains identification