MediFlora-Net:量子增强的深度学习用于精确的药用植物识别
Uma K V1, Sarvika P2, Jayaa Sri K2
1Associate Professor, Department of Information Technology, Thiagarajar College of Engineering (TCE), Madurai, Tamil Nadu, India.
Computational biology and chemistry
|September 20, 2025
概括
准确的药用植物识别至关重要. MediFlora-Net是一个新的深度学习模型,使用量子启发的方法和多模式数据进行精确的植物识别,帮助植物学研究和药理学.
科学领域:
- 植物学 植物学
- 计算机科学 计算机科学
- 药理学 药理学是指药理学的学科.
背景情况:
- 准确识别药用植物对于研究和传统医学至关重要.
- 错误的识别可能会导致不良的医疗结果.
- 现有的方法可能缺乏精度和灵活性.
研究的目的:
- 开发一个新的深度学习 (DL) 模型,MediFlora-Net,用于准确的药用植物识别.
- 为了整合多式联机DL,量子辅助特征提取和混合组合.
- 提高植物识别系统的精度和灵活性.
主要方法:
- 使用视觉变压器 (ViT),卷积神经网络 (CNN) 和生成对抗网络 (GAN) 开发了MediFlora-Net.
- 采用量子灵感的特征提取与概率映射和基于纠的表示.
- 利用多模式成像 (RGB,高光谱) 并结合特征融合,注意力和概率决策.
主要成果:
- MediFlora-Net在识别和分类药用植物方面表现出高精度.
- 该模型有效地处理多种成像模式.
- 量子启发的技术增强了复杂植物特征的提取.
结论:
- MediFlora-Net提升了药用植物识别的准确性和灵活性.
- 这项研究强调了结合DL和量子启发方法用于植物识别的潜力.
- 这项工作支持生物多样性保护,人种植物学和药理学方面的应用.
