Повышение объективности определения таксономической принадлежности организмов является актуальной задачей, которая может быть решена с применением методов машинного обучения. Интерес в данном направлении представляют подходы сверточных нейронных сетей, которые позволяют идентифицировать объекты по цифровым фотографиям. В работе исследована потенциальная применимость этих методов для определения видов рода Lithops N.E.Br. Обученная на изображениях листьев нейронная сеть продемонстрировала высокую точность (81 % верных идентификаций). Проведенный анализ подтвердил способность модели выявлять видоспецифичные фенотипические признаки. Результаты исследования подтверждают эффективность сверточных нейронных сетей в задачах идентификации растений.

Improving the objectivity of taxonomic identification is an urgent task that can be solved using machine learning methods. The approaches of convolutional neural networks, that allow objects identification basing on digital photographs, are of particular interest in this field. In the work, the potential applicability of these methods for determining species of the genus Lithops N.E.Br. was studied. The neural network trained on leaf images demonstrated high accuracy (81 % of correct identifications). Further analysis confirmed the ability of the model to detect species-specific phenotypic features. The results of the study confirm the effectiveness of convolutional neural networks in plant identification tasks.

Стрельников И.И., Глухов А.З., Николаева А.В., Марушенко С.М.