结合自动化方法,生产高质量的草本馆数字记录

科学领域:

• 生物多样性信息学 生物多样性信息学
• 数据科学数据科学数据科学
• 数字策划数字策划

背景情况:

• 数字化自然历史收藏对研究和管理至关重要.
• 将样品标签转换为数字数据是一个重要的瓶.
• 像达尔文核心这样的标准化数据格式对于互操作性至关重要.

研究的目的:

• 评估用于提取草原样本标签数据的自动化方法.
• 为了比较基于规则和大型语言模型 (LLM) 的方法.
• 开发一种改进的准确数据提取方法.

主要方法:

• 开发并比较基于规则的方法与ChatGPT4 (LLM).
• 使用光学字符识别 (OCR) 转录标签量化遗漏和佣金错误.
• 创建了一个整体方法,结合了个别方法的优势.

主要成果:

• 聊天GPT4产生非达尔文核心合规的字段;基于规则的方法有高佣金错误.
• 整体方法显著减少了整体信息提取错误.
• 自动化方法显示出加速数字化的潜力.

结论:

• 综合方法对于从复杂的标签中提取高质量的数字数据是有价值的.
• 自动化方法,与人类验证,可以加快草本实验室样本的数字化.
• 这些方法可能适用于其他自然历史收藏类型.