Comparative analysis of the Support Vector Machine and Convolutional Neural Network algorithms applied in classifying Acer Palmatum plant subspecies

Resumo

Contexto: A identificação de plantas é uma tarefa essencial, pois fornece informações valiosas sobre suas características e ajuda a determinar a população e a distribuição das espécies. Este artigo apresenta uma solução de inteligência artificial desenvolvida para classificar automaticamente subespécies da espécie vegetal Acer palmatum com base em imagens. Um banco de dados contendo subespécies de Acer palmatum foi criado e algoritmos de aprendizado supervisionado, como Support Vector Machine (SVM) e Convolutional Neural Network (CNN), foram utilizados para classificá-las. Os experimentos incluíram diferentes cenários, como imagens originais, extração de características e técnicas de aumento de dados. Resultados: Os resultados mostraram que a CNN com aprendizado de transferência e aumento de dados apresentou o melhor desempenho, destacando-se como o melhor modelo testado, independentemente do conjunto de dados avaliado. Conclusões: Essas descobertas sugerem que técnicas avançadas de Aprendizado de Máquina podem ser altamente eficazes na classificação de subespécies de Acer palmatum, fornecendo uma valiosa ferramenta de monitoramento e mapeamento da biodiversidade.