CNN e Segmentação Baseada em Bordas para a Identificação de Plantas Medicinais

Na Ayurveda, nas indústrias de medicina tradicional e herbal, é de extrema importância identificar precisamente as plantas medicinais apropriadas utilizadas na produção de medicamentos. A identidade de uma planta medicinal é determinada pela forma, cor e textura de suas folhas. SVM e KNN são modelos de Aprendizado de Máquina (ML) existentes empregados para essa tarefa; no entanto, quando se trata de identificar plantas medicinais, eles são ineficazes. Para a identificação de plantas medicinais, propriedades complexas como forma da folha, cor e textura podem ser difíceis de representar com precisão usando métodos tradicionais como KNN e SVM. Em tarefas de reconhecimento de imagem, conjuntos de dados grandes são comuns, e algumas abordagens podem não escalar bem nessas circunstâncias. Elas podem se tornar proibitivamente caras para computar, tornando-as inúteis para uso cotidiano. O desenvolvimento de características robustas para o reconhecimento de plantas é frequentemente um processo demorado, apesar do fato de que modelos tradicionais dependem fortemente da engenharia de características. Portanto, uma abordagem promissora para identificar rapidamente as espécies de plantas benéficas é apresentada neste estudo. Uma Rede Neural Convolucional (CNN) é a solução proposta aqui para identificar as plantas medicinais. As CNNs são apropriadas para processar dados em larga escala, por exemplo, estrutura da folha, variedade e descoberta de superfície, sem exigir qualquer pré-requisito para o design amplo de elementos devido à sua capacidade de obter e concentrar qualidades solicitadas a partir das imagens de entrada. As CNNs são mais adaptáveis ao mundo real porque podem ser treinadas de forma eficaz em grandes conjuntos de dados e podem ser paralelizadas. Quando comparado com diferentes modelos, o desenvolvido neste estudo de pesquisa melhora na caracterização da planta medicinal.