Clasificación de especies de árboles forestales amazónicos a partir de hojas utilizando un modelo híbrido de aprendizaje automático supervisado

Abstract

The loss of biodiversity and criminal acts as a consequence of the lack of monitoring and control are closely linked to the scarce technology and limited supply of tools that support the activities of identification of the species of biodiversity present in the territory, mainly there are difficulties for the identification and classification of species of forest trees in the Amazon. For this reason, the objective of this research has been the development and implementation of a solution based on the use of Artificial Intelligence in the research line of image recognition, which has resulted in a hybrid model of supervised machine learning, which facilitates the classification of up to 40 species of Amazonian forest trees in Peru. A comparison has been made between different models of convolutional neural network (CNN) algorithms and classification algorithms such as vector machine (SVM) and logistic regression (LR), based on a set of processed leaf images of 40 species of trees of forest importance. The most outstanding results point to the hybrid model using the CNN MobileNet model and the Logistic Regression (LR) algorithm as the best solution, concluding that this model achieves high rates in the main metrics such as Accuracy, Sensitivity, Specificity and F1-score, being its average model performance 99%, which demonstrates its efficiency for this classification case, which uses leaf images to identify Amazonian forest tree species.

La pérdida de biodiversidad y actos delictivos como consecuencia de la falta de monitoreo y control, están estrechamente vinculadas a la escasa tecnología y limitada oferta de herramientas que apoyen las actividades de identificación de las especies de biodiversidad presentes en el territorio, principalmente existen dificultades para la identificación y clasificación de especies de árboles forestales en la Amazonía. Es por ello, que el objetivo de la presente investigación ha sido el desarrollo e implementación de una solución basada en el uso de Inteligencia Artificial en la línea de investigación del reconocimiento de imágenes, que ha resultado en un modelo híbrido de aprendizaje automático supervisado, que facilita la clasificación de hasta 40 especies de árboles forestales amazónicos del Perú. Se ha realizado una comparación entre distintos modelos de algoritmos de redes neuronales convolucionales (CNN) y algoritmos de clasificación como máquina de vectores (SVM) y regresión logística (LR), teniendo como base, un conjunto de imágenes de hojas procesadas de 40 especies de árboles de importancia forestal. Los resultados más destacados, señalan como la mejor solución al modelo híbrido usando el modelo CNN MobileNet y el algoritmo de Regresión Logística (LR), concluyendo que este modelo alcanza índices altos en las principales métricas como Precisión, Sensibilidad, Especificidad y F1-score, siendo su promedio de rendimiento del modelo de 99%, que demuestra su eficiencia para este caso de clasificación, que usa imágenes de hojas para identificar especies de árboles forestales amazónicos.