首页 > 分享 > 深度学习识别植物标本准确率达80%，有望借此发现新物种

深度学习识别植物标本准确率达80%，有望借此发现新物种

花匠小妙招
2025-10-20 22:05

2018-01-08 1517

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介：

本文来自AI新媒体量子位（QbitAI）

今天要讲的是个背景遥远的故事。

封存数世纪的植物标本可能包含人类还未发现的新物种，但由于目前还未实现完全数字化，人工鉴别归类植物标本不仅成本高，而且速度慢。

现在，用深度学习算法可以识别植物标本的扫描图片，并判断它是否为还未被记录的新物种。

这项成果的研究人员来自哥斯达黎加技术研究所和法国农业发展国际研究中心。昨天，Erick Mata-Montero与Pierre Bonnet等人在学术期刊《BMC Evolutionary Biology》发表了题为《Going deeper in the automated identification of Herbarium specimens》论文。

这是研究人员首次尝试用深度学习解决植物的分类问题。

世界上约有3000个标本博物馆，包含了约3.5亿个标本，其中仅有一小部分实现了数字化。

△ 数字化的植物标本打开了研究人员从世界各地收集标本的新世界

研究人员在26万张标本扫描图像上训练了一种新算法，教算法理解物种分类，之后将训练结果与专家的判定做对比。这个训练图像集中包含了1000多个物种，算法的准确度达到了80%。

还有个意外惊喜。研究人员发现，在法国标本图像上训练的算法，拿到巴西也有效。这种迁移学习的技能避免了很多重复训练。

因为植物标本和新鲜植物看起来差别很大，目前，该算法还无法鉴别新鲜植物的种类。“看来植物学家暂时还不会失业。”外媒Tech Crunch调侃。

最后，附论文链接：

https://bmcevolbiol.biomedcentral.com/articles/10.1186/s12862-017-1014-z

—— 完 ——

本文作者：安妮

原文发布时间：2017-08-12

文章标签：

关键词：

打赏

16490

利用深度学习技术改进自然语言处理中的命名实体识别

命名实体识别（Named Entity Recognition, NER）在自然语言处理领域扮演着重要角色，但传统方法在处理复杂语境和多样化实体时存在局限性。本文将探讨如何利用深度学习技术，特别是基于预训练模型的方法，来改进命名实体识别，提高其在现实场景中的性能和适用性。

322 6 6

构建高效图像分类器：深度学习在视觉识别中的应用

【5月更文挑战第30天】在计算机视觉领域，图像分类任务是基础且关键的一环。随着深度学习技术的兴起，卷积神经网络（CNN）已成为图像识别的强有力工具。本文将探讨如何构建一个高效的图像分类器，着重分析CNN架构、训练技巧以及优化策略。通过实验对比和案例研究，我们揭示了深度学习模型在处理复杂视觉数据时的优势和挑战，并提出了改进方向，以期达到更高的准确率和更快的处理速度。

168 1 1

深度学习在医学影像识别中的应用与挑战

传统的医学影像识别技术在面对复杂疾病和图像异常时存在一定局限性，而深度学习作为一种新兴的人工智能技术，为医学影像识别带来了革命性的变革。本文将介绍深度学习在医学影像识别中的应用现状，并探讨应用中面临的挑战和未来发展方向。

204 30 30

深度学习在医学影像识别中的应用与挑战

传统的医学影像识别方法在面对复杂的医学图像时存在一定局限性，而深度学习技术的快速发展为医学影像识别带来了新的希望。本文探讨了深度学习在医学影像识别中的应用现状，分析了其面临的挑战，并展望了未来发展的趋势。

190 1 1

基于深度学习网络的USB摄像头实时视频采集与手势检测识别matlab仿真

**摘要：** 本文介绍了使用MATLAB2022a实现的基于GoogLeNet的USB摄像头手势识别系统。系统通过摄像头捕获视频，利用深度学习的卷积神经网络进行手势检测与识别。GoogLeNet网络的Inception模块优化了计算效率，避免过拟合。手势检测涉及RPN生成候选框，送入网络进行分类。系统架构包括视频采集、手势检测与识别、以及决策反馈。通过GPU加速和模型优化保证实时性能，应用于智能家居等场景。

204 0 0