人工智能驱动的中国药草识别,包括语义结构建模和渐变引导增强
1Guangzhou University of Chinese Medicine, The Research Center of Basic Integrative Medicine, Guangzhou, China.
Frontiers in plant science
|November 24, 2025
概括
这项研究引入了一个新的AI框架,用于使用图像分析准确识别药用植物. 结构感知方法提高了视觉传感器应用中的识别准确性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 生物技术是生物技术.
背景情况:
- 准确识别药用植物对于药物发现和传统医学至关重要.
- 现有的草药识别方法面临着细粒度细节和复杂的视觉数据的挑战.
研究的目的:
- 开发一个结构意识的人工智能 (AI) 框架,用于细粒度识别药用植物图像.
- 通过集成先进的AI模块来改进当前的草药识别技术.
主要方法:
- 拟议的框架使用Swin-Transformer骨干,结合基于图形的结构建模,双向语义变压器和梯度优化模块.
- 这种方法捕捉了空间和通道智能的依赖性,以增强特征歧视.
主要成果:
- 在TCMP-300数据集 (52,089张图像,300个类别) 上获得了90.32%的准确性,超过了Swin-Base基线的1.11%.
- 在自己构建的草药数据集上获得了92.75%的准确性,尽管具有挑战性的条件,但表现优于基线的1.18%.
结论:
- 开发的框架为实际的基于植物的应用提供了强大且可适应传感器的解决方案.
- 这种人工智能驱动的方法显著推进了除了现有模型之外的草药识别领域.
