30、基于神经网络的药用植物分类研究

基于神经网络的药用植物分类研究

1. 引言

我们周围存在着数千种植物，其中许多被用作药物。我们的祖先用药用植物制作药物的传统方法在制药行业和研究中被广泛应用，拯救了无数生命。直到现在，许多原住民和人群仍在使用药用植物。目前，成功且准确地识别植物主要依靠人工，基于形态特征进行判断。专业植物学家的专业知识对于识别和发现未知新植物至关重要。人们通过眼睛、鼻子、手等人体器官来评估整株植物或其各个部分（如叶子、花朵、果实或树皮）的形状、颜色、味道和质地，然后根据参考资料或经验来确定药用植物的种类。

然而，手动识别药用植物既耗时又困难，并且高度依赖个人对植物的知识、经验和技能。因此，许多研究人员支持基于植物特征的自动分类方法。随着图像处理和模式识别技术的进步，基于计算机的自动图像识别在实践中得到了广泛应用，其中大多数依赖于机器学习技术。

机器学习是一种数据分析技术，它以数据为输入，学习识别模式，然后在很少人工干预的情况下做出决策，并通过训练不断改进。机器学习被应用于多个领域，如医学、金融等，通过自动化系统减少了人们的工作量。虽然目前的自动分类方法非常相似，但不同系统在自动化过程中使用的步骤数量有所不同。这些过程包括准备收集的叶子、进行预处理以识别其独特特征、对叶子进行分类、构建数据库、进行识别训练以及最终评估结果。识别准确性的最重要参数是能够检测相似事物以及区分不同类型对象的能力。

2. 简要文献回顾

• Begue等人（2017） ：使用计算机视觉算法从药用植物叶子中提取许多基于形状的属性，然后使用机器学习方法将24种不同的植物物种分类到正确的类别中。最准确的分类器是随机森林分类器，准确率为90.1