CNN 모델을 이용한 약용 식물 식별

초록: 자동화된 약초 식별은 화장품, 의학 및 식품과 같은 다양한 산업에서 중요한 역할을 하며, 다양한 식물 종을 정확하게 식별해야 하는 필요가 있습니다. 그러나 기존 방법은 복잡한 배경과 다양한 패턴을 처리할 때, 특히 야외 환경에서 도전에 직면하는 경우가 많습니다. 이러한 문제에 대응하기 위해 우리는 두 가지 주요 구성 요소인 부품 정보 인식 모듈과 종 분류 모듈을 포함하는 혁신적인 합성 곱 신경망(CNN) 모델을 제안합니다. 우리 모델의 부품 정보 인식 모듈은 약초의 관련 부분에 모델의 주의를 집중하도록 설계되어 배경 잡음을 효과적으로 억제합니다. 이 메커니즘은 모델이 약초 자체의 독특한 특징을 더 잘 인식하게 하여 전반적인 정확도를 향상시킵니다. 또한 우리는 깊이별 분리 가능한 합성과 레이블 스무딩 기법을 사용하여 모델 복잡성을 줄이고 레이블 불일치의 영향을 최소화하여 효율성과 신뢰성을 강화합니다. 우리 모델의 효과를 검증하기 위해 다양한 약초 이미지 데이터 세트를 사용하여 실험을 수행했습니다. 그 결과 기존 방법에 비해 정확도와 모델 효율성이 크게 향상된 것을 보여주며, 이는 도전적인 환경에서 약초 식별의 가치 있는 도구가 됩니다. 약초 식별 외에도 우리는 약용 식물 종을 인식하는 복잡한 작업도 다룹니다. 이를 위해 우리는 식물 잎의 이미지 특징으로 구성된 데이터 세트를 생성하여 머신러닝 분류기를 사용한 자동 인식 시스템 개발을 촉진했습니다. 우리의 실험은 분류기가 97%를 넘는 인상적인 평균 정확도 비율을 달성함을 보여주며, 이는 약용 식물 종을 정확하게 식별하는 우리 접근 방식의 가능성을 강조합니다.