Resumen

Existe una creciente demanda de la detección de especies de plantas en peligro de extinción a través de enfoques de aprendizaje automático. es una especie de planta caducifolia en peligro de extinción de la familia del almez () nativa del sur de Europa. Los métodos tradicionales como el análisis de imágenes basado en objetos han logrado buenas tasas de reconocimiento. Sin embargo, son lentos y requieren una alta intervención humana. Los métodos basados en transfer learning tienen varias aplicaciones para el análisis de datos en una variedad de sistemas de Internet de las Cosas. En este trabajo, hemos analizado el potencial de las redes neuronales convolucionales para reconocer y detectar la planta en imágenes de teledetección. Ajustamos finamente las arquitecturas de Inception versión 3, Xception y Inception ResNet versión 2 para la clasificación binaria en la clase de especie de planta y la clase de suelo desnudo y vegetación. Los resultados logrados son prometedores y demuestran de manera efectiva el mejor rendimiento de los algoritmos de aprendizaje profundo sobre sus contrapartes.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Demanda creciente; Especies vegetales en peligro; Enfoques de aprendizaje automático; Redes neuronales convolucionales; Imágenes de teledetección; Algoritmos de aprendizaje profundo.
• Keywords:Growing demand; Endangered plant species; Machine learning approaches; Convolutional neural networks; Remote sensing images; Deep learning algorithms