Thonny Behyker Centeno, Cassiana Ferreira, Janet Gaby Inga, Andrés Vélez, Raul Huacho, Osir Daygor Vidal, Sthefany Madjory Moya, Danessa Clarita Reyes, Walter Emilio Goytendia, Benji Steve Ascue, Mario Tomazello-Filho
{"title":"利用卷积神经网络优化木材物种分类参数的切割工具","authors":"Thonny Behyker Centeno, Cassiana Ferreira, Janet Gaby Inga, Andrés Vélez, Raul Huacho, Osir Daygor Vidal, Sthefany Madjory Moya, Danessa Clarita Reyes, Walter Emilio Goytendia, Benji Steve Ascue, Mario Tomazello-Filho","doi":"10.15517/rev.biol.trop..v71i1.51310","DOIUrl":null,"url":null,"abstract":"Introducción: La gran diversidad de especies maderables tropicales demanda el desarrollo de nuevas tecnologías de identificación con base en sus patrones o características anatómicas. La aplicación de redes neuronales convolucionales (CNN) para el reconocimiento de especies maderables tropicales se ha incrementado en los últimos años por sus resultados prometedores. Objetivo: Evaluamos la calidad de las imágenes macroscópicas con tres herramientas de corte para mejorar la visualización y distinción de las características anatómicas en el entrenamiento del modelo CNN. Métodos: Recolectamos las muestras entre el 2020 y 2021 en áreas de explotación forestal y aserraderos de Selva Central, Perú. Luego, las dimensionamos y, previo a la identificación botánica y anatómica, las cortamos en secciones transversales. Generamos una base de datos de imágenes macroscópicas de la sección transversal de la madera, a través del corte, con tres herramientas para ver su rendimiento en el laboratorio, campo y puesto de control. Resultados: Usamos tres herramientas de corte para obtener una alta calidad de imágenes transversales de la madera; obtuvimos 3 750 imágenes macroscópicas con un microscopio portátil que corresponden a 25 especies maderables. El cuchillo “Tramontina” es duradero, pero pierde el filo con facilidad y se necesita una herramienta para afilar, el cúter retráctil “Pretul” es adecuado para madera suave y dura en muestras pequeñas de laboratorio; el cuchillo “Ubermann” es apropiado para el campo, laboratorio y puesto de control, porque tiene una envoltura duradera y láminas intercambiables en caso de pérdida de filo. Conclusiones: La calidad de las imágenes es decisiva en la clasificación de especies maderables, porque permite una mejor visualización y distinción de las características anatómicas en el entrenamiento con los modelos de red neuronal convolucional EfficientNet B0 y Custom Vision, lo cual se evidenció en las métricas de precisión.","PeriodicalId":21368,"journal":{"name":"Revista De Biologia Tropical","volume":"1 1","pages":"0"},"PeriodicalIF":0.6000,"publicationDate":"2023-08-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Herramientas de corte para optimizar parámetros de clasificación de especies maderables con redes neuronales convolucionales\",\"authors\":\"Thonny Behyker Centeno, Cassiana Ferreira, Janet Gaby Inga, Andrés Vélez, Raul Huacho, Osir Daygor Vidal, Sthefany Madjory Moya, Danessa Clarita Reyes, Walter Emilio Goytendia, Benji Steve Ascue, Mario Tomazello-Filho\",\"doi\":\"10.15517/rev.biol.trop..v71i1.51310\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Introducción: La gran diversidad de especies maderables tropicales demanda el desarrollo de nuevas tecnologías de identificación con base en sus patrones o características anatómicas. La aplicación de redes neuronales convolucionales (CNN) para el reconocimiento de especies maderables tropicales se ha incrementado en los últimos años por sus resultados prometedores. Objetivo: Evaluamos la calidad de las imágenes macroscópicas con tres herramientas de corte para mejorar la visualización y distinción de las características anatómicas en el entrenamiento del modelo CNN. Métodos: Recolectamos las muestras entre el 2020 y 2021 en áreas de explotación forestal y aserraderos de Selva Central, Perú. Luego, las dimensionamos y, previo a la identificación botánica y anatómica, las cortamos en secciones transversales. Generamos una base de datos de imágenes macroscópicas de la sección transversal de la madera, a través del corte, con tres herramientas para ver su rendimiento en el laboratorio, campo y puesto de control. Resultados: Usamos tres herramientas de corte para obtener una alta calidad de imágenes transversales de la madera; obtuvimos 3 750 imágenes macroscópicas con un microscopio portátil que corresponden a 25 especies maderables. El cuchillo “Tramontina” es duradero, pero pierde el filo con facilidad y se necesita una herramienta para afilar, el cúter retráctil “Pretul” es adecuado para madera suave y dura en muestras pequeñas de laboratorio; el cuchillo “Ubermann” es apropiado para el campo, laboratorio y puesto de control, porque tiene una envoltura duradera y láminas intercambiables en caso de pérdida de filo. Conclusiones: La calidad de las imágenes es decisiva en la clasificación de especies maderables, porque permite una mejor visualización y distinción de las características anatómicas en el entrenamiento con los modelos de red neuronal convolucional EfficientNet B0 y Custom Vision, lo cual se evidenció en las métricas de precisión.\",\"PeriodicalId\":21368,\"journal\":{\"name\":\"Revista De Biologia Tropical\",\"volume\":\"1 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.6000,\"publicationDate\":\"2023-08-24\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista De Biologia Tropical\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.15517/rev.biol.trop..v71i1.51310\",\"RegionNum\":4,\"RegionCategory\":\"生物学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"BIOLOGY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista De Biologia Tropical","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.15517/rev.biol.trop..v71i1.51310","RegionNum":4,"RegionCategory":"生物学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"BIOLOGY","Score":null,"Total":0}
Herramientas de corte para optimizar parámetros de clasificación de especies maderables con redes neuronales convolucionales
Introducción: La gran diversidad de especies maderables tropicales demanda el desarrollo de nuevas tecnologías de identificación con base en sus patrones o características anatómicas. La aplicación de redes neuronales convolucionales (CNN) para el reconocimiento de especies maderables tropicales se ha incrementado en los últimos años por sus resultados prometedores. Objetivo: Evaluamos la calidad de las imágenes macroscópicas con tres herramientas de corte para mejorar la visualización y distinción de las características anatómicas en el entrenamiento del modelo CNN. Métodos: Recolectamos las muestras entre el 2020 y 2021 en áreas de explotación forestal y aserraderos de Selva Central, Perú. Luego, las dimensionamos y, previo a la identificación botánica y anatómica, las cortamos en secciones transversales. Generamos una base de datos de imágenes macroscópicas de la sección transversal de la madera, a través del corte, con tres herramientas para ver su rendimiento en el laboratorio, campo y puesto de control. Resultados: Usamos tres herramientas de corte para obtener una alta calidad de imágenes transversales de la madera; obtuvimos 3 750 imágenes macroscópicas con un microscopio portátil que corresponden a 25 especies maderables. El cuchillo “Tramontina” es duradero, pero pierde el filo con facilidad y se necesita una herramienta para afilar, el cúter retráctil “Pretul” es adecuado para madera suave y dura en muestras pequeñas de laboratorio; el cuchillo “Ubermann” es apropiado para el campo, laboratorio y puesto de control, porque tiene una envoltura duradera y láminas intercambiables en caso de pérdida de filo. Conclusiones: La calidad de las imágenes es decisiva en la clasificación de especies maderables, porque permite una mejor visualización y distinción de las características anatómicas en el entrenamiento con los modelos de red neuronal convolucional EfficientNet B0 y Custom Vision, lo cual se evidenció en las métricas de precisión.
期刊介绍:
The Revista de Biología Tropical / International Journal of Tropical Biology and Conservation is a mainstream scientific journal published since 1953 and covered by Web of Science; Science Citation Index; Current Contents; Google Scholar; Scopus, SciELO and nearly 50 additional indices.
A double blind system guarantees you a fair evaluation, and our world class editorial and scientific boards provides a first decision in three working days. The journal is Full Open Access and is widely read where your article can have the highest real impact.
Since its beginning in 1953, the Revista follows these principles: objective and independent evaluation of all manuscripts; transparency in all processes; ethical use of procedures, data, specimens and subjects; fair treatment of all parties; and absolute predominance of scientific rigor over any other aspect.